潜在脑状态引导的混合专家模型用于 EEG 到 fMRI 重建

基于摘要分析。该研究关注从 EEG 重建 fMRI 信号，提出 Latent Brain State-Guided Mixture-of-Experts（E2fMoE），旨在分离共享血流动力学状态与脑区特异性解码，使推理阶段仅依赖 EEG 即可估计分脑区的 BOLD 动态及功能连接；这属于跨模态神经信号重建，摘要未提供 BCI 任务有效性的证据。 核心机制针对神经血管耦合存在时间延迟、且不同脑区响应不同的困难，采用先推断共享状态、再进行区域解码的流程。状态空间混合器将 EEG tokens 转换为缓慢演化的潜在表示；感兴趣区（ROI）查询提取区域特异性信息，并将其路由至共享专家与专门化专家。残差预测和低秩连接感知校准进一步修正重建结果。摘要未给出具体损失函数、路由规则、模型规模或训练细节，尚不能判断各模块的独立贡献。 作者报告，在四个同步 EEG-fMRI 数据集的实验中，E2fMoE 在时间序列重建和功能连接保持方面优于代表性 EEG 表征模型及 EEG-to-fMRI 基线。摘要未列出数据集名称、被试数、数据划分、具体基线、指标或数值，因此尚无法判断这些结果适用于被试内、跨被试还是跨数据集泛化，也不能量化提升幅度。实验协议、消融及统计信息尚未验证。 复现时需核对 EEG 与 fMRI 的时间对齐、ROI 定义、血流动力学延迟处理，以及功能连接的计算和校准方式；这些是核验事项，并非已确认的实验缺陷。作者称代码位于补充材料，但当前未取得全文及补充材料，代码可用性与运行条件尚未验证。尤其需要区分对采集到的 BOLD 信号的重建质量与对真实神经活动或下游 BCI 性能的有效性，不能由前者直接推断后者。