NEST：基于 EEG 与结构 MRI 预测原生解剖空间中 fMRI 的大规模基准

基于摘要分析。该研究针对现有 EEG-to-fMRI 基准规模较小、未充分纳入被试特异解剖结构的问题，提出 NEST（Native-anatomy EEG--sMRI--fMRI Tri-modal benchmark），用于自然观看影片时从 EEG 和结构 MRI（sMRI）预测原生解剖空间中的四维 fMRI，并提出配套模型 NESTOR。研究主要对象是跨模态脑成像预测，不等同于已验证的 BCI 解码应用。 数据与协议：NEST 通过共同的影片时间轴对齐分开采集的 EEG 与 fMRI，而非要求同步采集。作者报告，两部影片对应的被试规模分别为 904 和 963，超过其所比较的最大公开 EEG--fMRI 数据集规模的 40 倍；摘要未说明各模态人数、被试重叠情况及具体配对规则，不能将该规模直接理解为同一被试的同步三模态记录。模型在未见被试上接受评估，指标涵盖体素级重建、脑区时间相关性和功能连接。 方法与结果：NESTOR 使用模态特异条件，将被试 sMRI 作为静态解剖条件，将 EEG 作为随时间变化的条件。作者报告，NESTOR 优于现有 EEG-to-fMRI 模型，并据此强调原生解剖信息的重要性，但摘要未提供具体基线名称、指标数值或增益。作者还报告模型可零样本迁移至未见影片，并将其解释为模型利用 EEG 预测 fMRI、而非仅记忆刺激特异的 fMRI 模式；这一解释的证据强度仍需结合完整评估与对照核查。 复现与局限：需核对 EEG 与 fMRI 的时间对齐、血流动力学时延处理、原生空间输出及跨被试评价方式，并确认训练与测试的被试和影片划分、sMRI 单独输入与刺激信息对照。实验协议、消融及统计信息尚未验证；摘要也未提供模型架构、损失函数、数据访问和代码条件，因此目前不能判断复现成本或将该结果外推为 BCI 性能提升。