面向高分辨率脑动态的时空神经帧建模

基于摘要分析。本文研究如何利用 EEG 的毫秒级时间线索，重建兼具空间保真度与时间连贯性的动态 fMRI，以回应高质量 fMRI 获取成本较高的问题。作者提出 EEG 条件框架，将动态 fMRI 表示为皮层顶点级的连续神经序列，并引入零空间中间帧重建，以处理实际 fMRI 采集中的不规则采样。 机制上，该方法利用 EEG 与 fMRI 的时空互补性，在已有测量约束下补全任意中间帧。摘要将零空间重建与测量一致性、序列连续性联系起来，但尚未说明零空间所对应的测量算子、EEG 条件注入方式、连续序列参数化、损失函数，以及训练和推理时分别需要哪些 fMRI 观测，因此不能据此认定其可在完全无 fMRI 输入的条件下工作。 作者报告，在 CineBrain 数据集上，该框架取得了更优的体素级重建质量，并在全脑及功能特定区域保持稳健的时间一致性；重建结果还保留了支持下游视觉解码的功能信息。摘要未提供具体指标、数值、对照方法、被试数量或数据划分，因而尚不能判断优势幅度及其是否适用于跨被试、跨会话场景。皮层顶点级建模与体素级评估之间的映射关系也需核对全文。 复现时应重点核对 EEG–fMRI 配对与时间同步方式、不规则采样协议、中间帧可用观测范围，以及视觉解码的训练和测试划分。实验协议、消融及统计信息尚未验证。该研究直接面向多模态神经影像重建，摘要中的视觉解码结果不等同于已验证的在线 BCI 性能。