Perceptogram：使用图像生成模型从 EEG 重建所观看的图像

该研究针对从 EEG 记录重建被试所观看图像的问题，使用线性解码器将 EEG 映射到图像潜变量，再借助图像生成模型完成重建，并分析 EEG 中与图像语义类别相关的时空信息。基于摘要分析，未取得论文全文。 核心方法以 CLIP embedding 引导的潜空间扩散作为主要重建路径，作者选择该方法的理由是其捕捉视觉语义的能力。研究还探索了基于 PCA 和 ICA 成分潜空间的重建，作者报告这些成分能够捕捉 EEG 中与亮度和色调相关的信息。摘要未说明这些潜空间的具体构建方式、线性解码器的拟合目标，以及生成模型的训练或使用方式，相关实现尚未验证。 在解释性方面，作者报告线性模型可提供用于区分图像一般语义类别的可解释 EEG 特征，并构建时空语义图，以呈现类别相关语义信息随时间的演变。这提供了连接图像重建与 EEG 语义表征分析的研究路径，但这些特征的稳定性及其解释边界需结合正文核对。 作者报告取得当前最先进的定量重建性能，但摘要未提供数据集、被试数量、被试内或跨被试评估协议、数据划分、指标数值及对照基线，因此无法据此判断性能优势的幅度或泛化范围。全文核对重点包括 EEG 解码所提供的信息与生成模型先验各自的贡献，以及语义重建和亮度、色调重建是否采用可比较的评价条件；实验协议、消融及统计信息尚未验证。摘要也未提供代码、模型或预处理细节，复现条件尚未确认。