用注意力理解大脑：脑科学中的 Transformer 综述

基于摘要分析。本文围绕 Transformer 如何用于研究复杂脑处理机制，综述其在脑科学中的应用，贡献主要是梳理模型架构、应用任务、评估与优化问题，而非提出新的 EEG 或 BCI 算法。 综述先介绍 Transformer 的关键架构，再讨论脑疾病诊断、脑龄预测、脑异常检测、语义分割、多模态配准、fMRI 建模、EEG 处理及多任务协作。上述任务横跨脑影像与电生理信号分析，不能将其整体等同于 BCI 研究，也不能据此推断 Transformer 在这些任务中具有一致优势。 作者表示整理了模型细节与开源资源，以供参考和复现，并讨论定量评估、模型复杂度和优化，以及结合具体案例分析未来挑战与机会。摘要未提供纳入文献的检索策略、覆盖时间、具体模型与数据集清单，也未给出可核对的性能数字，因此无法评估其文献覆盖程度，或比较不同任务及协议下的结果。 对 EEG 研究者而言，可优先查阅其中的 EEG 处理部分及配套资源，并核对各方法的输入表征、任务定义、被试内或跨被试划分，以及性能与计算成本的比较前提。这些是后续阅读的核查方向，并非摘要已验证的结论；具体实验协议、消融及统计信息尚未验证。