iMINDBench：iEEG 多机构神经解码基准

基于摘要分析。iMINDBench 面向 iEEG 神经解码及通用基础模型评估，针对数据集受任务或机构限制、预处理差异使模型收益难以辨别的问题，提出覆盖三个自然电影观看数据集、十五项解码任务的共享评估基准，并规定标准化预处理轨道和固定评估划分。 其核心贡献是评估协议，而非摘要中明确提出的新模型。预处理轨道为不同系统提供可比条件，固定划分则有助于一致地评估模型；但各轨道具体处理流程、任务定义、数据集名称、被试与机构构成，以及划分如何覆盖被试、会话和机构，尚需全文核对。多机构数据覆盖本身不能直接等同于已验证的跨机构泛化能力。 作者报告，在各自对应的预处理轨道内，所评估的预训练系统通常优于基线；同时，强频谱基线在不同机构的数据集上仍具有竞争力。该结论需保留预处理轨道这一比较前提，不能据此认定所有预训练系统在统一条件下均占优。摘要未给出具体指标、分数或统计不确定性。 在数据规模研究中，作者报告，相较于会话内训练，加入来自其他被试或机构、规模最多达原来 25 倍的监督数据，仅带来较小或依任务而异的收益。这提示，增加跨被试或跨机构数据不必然转化为稳定收益，但尚不能据此确定瓶颈来自模型、数据异质性还是训练方案。 复现时应重点核对预处理轨道、固定划分、频谱基线实现，以及数据扩展实验的采样和训练条件。实验协议细节、消融及统计信息尚未验证；项目网站已提供，但代码、数据访问条件及完整复现资源尚未验证。该基准的证据范围是自然电影观看条件下的 iEEG 解码，不应直接外推为其他 BCI 任务或头皮 EEG 的效果。