iBrain：从脑表面信号到尖峰活动读取脑活动的统一基础模型

基于摘要分析。该研究针对 iEEG 与皮层内尖峰活动通常分别构建基础模型、异质侵入式神经信号联合预训练探索不足的问题，提出统一基础模型 iBrain。其核心贡献是以信号专用编码器适配不同记录信号，再通过共享的时空 Transformer 骨干学习跨通道与时间的依赖关系；研究对象是侵入式神经记录，不能据此视为已验证的头皮 EEG 基础模型。 方法上，iBrain 使用掩码信号重建与通道视图对齐进行预训练，分别面向神经动态的上下文建模和不同通道条件下的鲁棒表示学习。摘要未说明两类信号如何构造输入、是否需要配对记录、通道视图如何生成，以及两项训练目标的具体形式与组合方式，这些机制细节尚待全文核对。 作者报告，模型在超过 7,000 小时的异质神经记录上预训练，相较单信号预训练基线持续取得更好表现，并在多个基准上达到作者所称的最先进性能；作者还报告了跨不同记录设置的迁移能力与数据效率。摘要未提供数据集名称、被试或记录来源构成、下游任务、指标、具体分数及数据划分，因而目前不能量化收益，也不能将其迁移结论具体等同于跨被试、跨会话或跨数据集泛化。 复现与证据核对的重点是联合预训练和单信号基线在数据量、计算量及下游适配条件上的可比性，以及专用编码器、共享骨干和通道视图对齐各自的贡献。实验协议、消融及统计信息尚未验证；代码、权重与数据可获取性也未由所给材料确认。现有摘要不支持将这些结果外推为头皮 EEG 或具体 BCI 任务上的已验证收益。