看透他们的心智：从跨被试 fMRI 中学习可迁移的神经表征

基于摘要分析。本文研究视觉内容的 fMRI 解码，针对数据稀缺、噪声及被试专属模型对训练样本量敏感的问题，提出以浅层被试专属适配器统一跨被试表征，再由共享的较深解码模型映射至目标特征空间。 方法在训练中同时利用视觉与文本监督，包含高层感知解码流程，以及由高层感知引导的像素级重建流程。作者将两者与神经科学中的自下而上、自上而下过程相联系；这一描述属于模型设计动机，不能据此认定其验证了相应生物机制。摘要未说明适配器结构、目标特征的具体来源、损失函数或两条流程的训练方式。 作者报告，在所评估的跨被试设置中，两条流程均能学习稳健的神经表征，融合高层与低层信息可改善低层及高层重建指标；通过用有限训练数据训练新适配器，还可将已学习的通用知识迁移至新被试。作者报告，相较 Mind-Vis、fMRI-PTE 等既有方法，其方法在多项任务上取得相当或更好的结果，但摘要未提供数据集、被试数、数据划分、具体指标和数值，暂不能判断提升幅度及比较条件。 复现应重点核对跨被试训练与新被试适配的数据边界、共享解码器在适配阶段是否冻结、各被试数据量，以及高低层信息融合的消融结果。实验协议、消融及统计信息尚未验证。作者表示将公开代码与预训练权重，当前材料不足以确认其发布状态。本文证据针对 fMRI 视觉解码，不直接支持 EEG 或其他 BCI 任务上的有效性。