Brain4FMs: 面向脑电信号的基础模型基准
机器学习
2026-02-13 v1
摘要
脑基础模型（BFMs）正在通过实现从神经信号中进行可扩展和可迁移学习来变革神经科学，推动临床诊断和前沿神经科学探索。它们的出现得益于大规模临床记录，特别是脑电图（EEG）和颅内脑电图，这些记录提供了丰富的脑动力学时间和空间表示。然而，尽管它们迅速普及，该领域缺乏对现有方法的统一理解和标准化的评估框架。为填补这一空白，我们沿着两个轴绘制了基准设计空间：(i) 从模型角度，我们在自监督学习（SSL）分类法下组织BFMs；(ii) 从数据集角度，我们总结了常见的下游任务，并整理了跨临床和以人为中心的神经技术应用的代表性公开数据集。在此整合基础上，我们引入了Brain4FMs，一个具有即插即用接口的开放评估平台，集成了15个代表性BFMs和18个公开数据集。它能够实现标准化比较，并分析预训练数据、SSL策略和架构如何影响泛化和下游性能，从而指导更准确和可迁移的BFMs。代码可在 https://anonymous.4open.science/r/Brain4FMs-85B8 获取。
引用
@article{arxiv.2602.11558,
title = {Brain4FMs: A Benchmark of Foundation Models for Electrical Brain Signal},
author = {Fanqi Shen and Enhong Yang and Jiahe Li and Junru Hong and Xiaoran Pan and Zhizhang Yuan and Meng Li and Yang Yang},
journal= {arXiv preprint arXiv:2602.11558},
year = {2026}
}