NT-ViT：用于 EEG-to-fMRI 合成的神经转码 Vision Transformers

基于摘要分析。该研究针对利用同步采集的 EEG 估计高分辨率 fMRI 样本的问题，提出生成模型 Neural Transcoding Vision Transformer（NT-ViT）。其核心贡献是引入 Domain Matching（DM）子模块，对齐 EEG 潜在表征与 fMRI 体积的潜在表征，以改善影像重建质量；研究对象是跨模态脑影像合成，而非直接的 BCI 任务解码。 机制方面，摘要明确将 DM 的作用描述为潜在表征对齐，但未提供具体对齐目标、损失函数、Transformer 结构或训练与推理流程。方法涉及同步 EEG–fMRI 数据，两种模态如何进行时间对应、如何处理 EEG 的时间分辨率与 fMRI 血流动力学响应之间的差异，尚需核对全文。 结果方面，作者报告在两个基准数据集上优于所比较的现有方法；其中，在 Oddball 数据集上，作者报告 RMSE 降低至对照的约十分之一、SSIM 增至对照的 3.14 倍。摘要未给出对应绝对数值、具体对照方法、另一数据集名称、被试规模或数据划分，因而这些倍数仅能作为该文所述评估条件下的结果，不能直接外推至跨被试或跨会话应用。作者还报告进行了组件消融，但消融设置、各组件贡献及统计信息尚未验证。 作者将降低高分辨率脑影像获取的时间与经济成本作为应用愿景，并明确指出生成结果不能替代真实 fMRI。摘要不足以验证其神经疾病诊断价值、临床可靠性或 BCI 有效性；重建指标改善也不等同于保留了可用于诊断的功能信息。 复现方面，摘要提供了代码仓库。需进一步核对数据获取条件、预处理与模态配准、训练及测试划分、指标计算方式和基线实现，才能评估报告结果的可复现性。