Brant-X：统一的生理信号对齐框架

基于摘要分析。Brant-X 研究如何利用 EEG 与其他生理信号的关联，将 EEG 中的知识迁移至其他信号及其下游任务。框架结合 EEG 基础模型与双层对齐，旨在应对同步采集生理数据稀缺、不同信号间关联差异及任务间关联差异。 技术上，作者利用 EEG 基础模型实现数据高效的知识迁移，并通过双层对齐在不同语义尺度上对齐 EEG 与其他信号。摘要未展开两个层级的具体定义、对齐目标、训练流程，以及训练和推理阶段分别需要哪些信号，因此尚不能判断其对成对数据、时间同步及任务标签的具体要求。 作者报告，在睡眠分期、情绪识别、步态冻结检测和眼动交流等下游任务中，Brant-X 相较任务无关和任务特定基线取得最先进性能；摘要未提供数据集、被试数、划分协议、评价指标或具体数值，该结论的比较范围尚待核对。作者还报告，心律失常检测任务分析及案例可视化进一步支持了 EEG 向其他生理信号迁移知识的有效性，但不能据此推断所有目标信号或任务均能受益。 复现时应重点核对 EEG 基础模型的来源与更新方式、各模态的数据配对和预处理方式、双层对齐的实现，以及跨被试或跨会话划分下的收益。材料提供了项目主页，但代码、权重及运行条件尚未验证；实验协议、消融及统计信息尚未验证。该工作的主要对象是多种生理信号之间的知识迁移，摘要中的眼动交流任务本身不等于已验证的 EEG-BCI 控制效果。