NeuroNarrator：一种通过频谱-空间 grounding 与时序状态空间推理的通用 EEG-to-Text 临床解释基础模型
信号处理
2026-04-03 v2 计算与语言
机器学习
神经元与认知
摘要
脑电图（EEG）以高时间分辨率提供了对神经动力学的非侵入性窗口，在临床神经科学研究中发挥着关键作用。尽管如此，现有的计算方法在EEG分析中仍主要局限于特定任务的分类目标或粗糙的模式识别，难以为临床意义的解释提供充分支持。为此，我们引入了 NeuroNarrator，这是首个设计用于将电生理片段翻译为精确临床叙述的通用 EEG-to-Text 基础模型。该框架的一个核心是构建 NeuroCorpus-160K，即首个将超过 16 万个脑电图片段与结构化、临床导向的自然语言描述进行配对的大规模资源。我们的体系结构首先通过严格的对比目标，将时序 EEG 波形与空间拓扑图对齐，建立频谱-空间 grounding 的表征。基于此 grounding，我们通过一种受状态空间启发的表述方式，对大型语言模型进行条件化，整合历史时序与频谱上下文，以支持连贯的临床叙述生成。这种方法在连续信号动力学与离散临床语言之间建立了原则性的桥梁，使可解释的叙述生成能够促进专家解释并支持临床报告工作流程。广泛的评估包括多样化基准和零样本迁移任务，凸显 NeuroNarrator 整合时序、频谱和空间动力学的能力，将其定位为面向时频感知的、开放式临床解释的基础框架。
引用
@article{arxiv.2603.16880,
title = {NeuroNarrator: A Generalist EEG-to-Text Foundation Model for Clinical Interpretation via Spectro-Spatial Grounding and Temporal State-Space Reasoning},
author = {Guoan Wang and Shihao Yang and Jun-en Ding and Hao Zhu and Feng Liu},
journal= {arXiv preprint arXiv:2603.16880},
year = {2026}
}