赋能功能神经影像学：用于神经信号统一表征的预训练生成式框架
计算机视觉与模式识别
2025-06-04 v1
摘要
多模态功能神经影像能够对大脑机制进行系统性分析，并为脑机接口（BCI）解码提供具有区分度的表征。然而，其采集受到高成本和可行性限制的制约。此外，特定群体的表征不足削弱了 BCI 解码模型的公平性。为了应对这些挑战，我们提出了一种通过生成式人工智能（AI）实现多模态功能神经影像的统一表征框架。通过将多模态功能神经影像映射到统一的表征空间，所提出的框架能够为采集受限的模态和代表性不足的群体生成数据。实验表明，该框架能够生成与真实大脑活动模式一致的数据，提供对大脑机制的洞察，并提升下游任务的性能。更重要的是，它能够通过为代表性不足的群体增强数据来提升模型公平性。总体而言，该框架为降低多模态功能神经影像采集成本和增强 BCI 解码模型公平性提供了一种新范式。
引用
@article{arxiv.2506.02433,
title = {Empowering Functional Neuroimaging: A Pre-trained Generative Framework for Unified Representation of Neural Signals},
author = {Weiheng Yao and Xuhang Chen and Shuqiang Wang},
journal= {arXiv preprint arXiv:2506.02433},
year = {2025}
}