NeuroCycle：通过生理约束循环从 EEG 生成富含神经信息的 fMRI

基于摘要分析。该研究针对 EEG 空间精度有限、fMRI 获取成本与延迟较高的问题，提出 EEG–fMRI 循环生成框架 NeuroCycle，以神经生理先验和双向跨模态循环约束生成结果的信息完整性与神经科学合理性。其主要研究对象是从 EEG 合成 fMRI，而非直接验证 BCI 任务性能。 机制上，Cross-Modal ROI-wise Structural Module 将 fMRI 嵌入与 EEG 导出的相关模式对齐，以保持脑区组织结构；R2E Physiological Connectivity Guidance Module 通过 Riemannian-to-Euclidean 映射对协方差矩阵施加监督，以维持功能连接。EEG→fMRI→EEG 双向循环进一步约束信息保留与跨模态对齐。摘要未提供具体网络结构、损失形式、模态配对方式及训练与推理细节，这些尚未验证；循环重建约束也不能单独证明生成 fMRI 的生理真实性。 作者报告，在 NODDI 和 Oddball 数据集上，相较其所称的当前最优基线取得一致改进，生成的体素级 fMRI 更清晰，并具有更丰富的神经信息、更好的连接保持与跨模态对齐。摘要未给出具体指标、数值、被试数量、数据划分或基线名称，因此无法判断这些收益适用于被试内、跨被试还是跨会话条件；实验协议、消融及统计信息尚未验证。 复现时应重点核对 EEG 与 fMRI 的时间对应及血流动力学处理、ROI 定义、协方差估计、模态配对需求，以及评价是否包含独立于生成约束的神经信息与功能连接检验。平台推测（待验证）：区域结构与连接约束可能有助于缓解 EEG 空间信息不足，但依赖跨模态数据对应和稳定的相关结构；低信噪比、通道配置差异及小样本条件可能使这些先验失稳。可检验的小实验是在固定数据划分下分别移除两个生理先验模块，比较重建质量与独立连接指标，并单独报告跨被试表现。即便生成质量提高，也不等于 BCI 解码性能提高。