Neuroprobe：自然情境刺激下颅内脑响应的评估

基于摘要分析。研究针对自然情境下 iEEG 建模缺乏标准化评估框架的问题，提出 Neuroprobe 解码任务套件，用于研究脑内多模态语言处理，并比较不同模型架构与训练协议。其主要贡献是评估基准与神经科学分析框架，而非新的基础模型。 Neuroprobe 建立在 BrainTreebank 数据集上，包含 10 名人类被试在自然电影观看任务中的 40 小时 iEEG 记录。框架利用带标签信号，考察不同特征在各时间位置和电极位置上的可解码性，以分析语言处理相关信息何时、何处出现。任务涉及音高、音量等简单听觉特征，以及词性、词在句法树中的位置等较复杂语言特征；具体标签构建、时间窗和评分指标尚未验证。 作者报告，该框架能够可视化从颞上回语言与音频处理区域到前额叶皮层的信息流，并呈现由简单听觉特征处理向复杂语言特征处理的演进。摘要未提供支持这些解释的统计与对照细节，因此不能仅凭可解码性将其视为脑区间因果信息传递的证据。 在模型比较方面，作者报告，以 spectrogram 为输入的线性基线在多项任务上优于前沿基础模型。摘要未明确列出模型名称、输入构造、训练规模或具体分数，也未说明采用被试内、跨被试、跨会话或其他划分，因而尚不能判断优势适用于哪些泛化条件。实验协议、消融及统计信息尚未验证。 作者表示已开放 Neuroprobe 代码，并计划维护公开评估排行榜，但材料未提供可核对的代码地址或排行榜状态。复现时应优先核对数据与标签获取条件、模型输入是否一致、训练与测试划分，以及各任务的指标定义。该工作直接面向 iEEG 评估，但摘要尚未证明其结论可推广至头皮 EEG 或在线 BCI。