Neuroprobe：评估颅内大脑对自然刺激的响应
机器学习
2026-05-12 v2 神经元与认知
摘要
高分辨率神经数据集为下一代脑机接口和神经疾病治疗提供了基础模型。社区需要严格的基准来区分竞争性建模方法，但目前尚不存在针对颅内脑电图记录的标准化评估框架。为了填补这一空白，我们提出了 Neuroprobe：一套用于研究大脑多模态语言处理的解码任务。与头皮脑电图不同，颅内脑电图需要侵入性手术来植入电极，以最小的信号失真直接从大脑记录神经活动。Neuroprobe 建立在 BrainTreebank 数据集之上，该数据集包含来自 10 名执行自然主义电影观看任务的人类受试者超过 40 小时的 iEEG 记录。Neuroprobe 具有两个关键功能。首先，它是一个可以从中提取神经科学见解的来源。带标签的 iEEG 具有高时间和空间分辨率，允许研究人员通过测量每个特征在所有时间点和所有电极位置上的可解码性，系统地确定语言处理各个方面的计算在大脑中发生的时间和位置。使用 Neuroprobe，我们可视化了信息如何从颞上回的关键语言和音频处理站点流向前额叶皮层的站点。我们还以纯数据驱动的方式展示了处理过程从简单听觉特征（如音调和音量）到更复杂语言特征（如词性）的时间演化。其次，随着该领域向基于大规模数据集训练的神经基础模型发展，Neuroprobe 为比较竞争性架构和训练协议提供了一个严格的框架。我们公开了 Neuroprobe 的代码，旨在推动 iEEG 基础模型领域的快速进展。公开排行榜：https://neuroprobe.dev/
引用
@article{arxiv.2509.21671,
title = {Neuroprobe: Evaluating Intracranial Brain Responses to Naturalistic Stimuli},
author = {Andrii Zahorodnii and Christopher Wang and Geeling Chau and Bennett Stankovits and Charikleia Moraitaki and Eli Gross and Alexander Brady and Andrei Barbu and Boris Katz and Ila R Fiete},
journal= {arXiv preprint arXiv:2509.21671},
year = {2026}
}
备注
38 pages, 7 main figures, 16 supplementary figures, 13 tables