功能嵌入器用于跨受试者和会话的多区域 SEEG 记录聚合

跨受试者聚合内脑电记录具有挑战性，因为电极数量、摆放位置及覆盖区域差异很大。虽然空间正规化方法（如MNI坐标）提供了共享的解剖参考，但往往难以捕捉真实的功能相似性，尤其当局部化不准时；即便在相同的解剖坐标上，针对的脑区及其潜在神经动力学也可能在个体之间差异很大。我们提出了一种可扩展的表示学习框架：（i）使用带对比目标的Siamese编码器，从多区域局部场电位中学习每个电极的主体无关功能身份，诱导一种对区域特定神经特征具有局部敏感性的嵌入几何；（ii）对这些嵌入进行标记化，供变换器模型处理，以可变通道数量建模区域间关系。我们在一个覆盖基底神经节-丘脑区域的20名受试者数据集上进行评估，数据来自灵活休息/运动记录会话，电极布局异构。所学的功能空间支持准确的受试者内判别，形成清晰、区域一致的簇；它能零样本迁移到未见的电极。变换器在无需主体特定头或监督的情况下，使用功能标记捕获跨区域依赖，实现掩码电极的重建，为下游解码提供主体无关的骨架。综合这些结果表明，一条可行路径通向大规模、跨受试者的内脑神经数据聚合与预训练，而无需严格的任务结构和统一的传感器布置。