CortexBridge：面向基础模型的 EEG 电极布局皮层对齐

基于摘要分析。该研究针对 EEG 基础模型受固定通道词表或有限电极布局约束、难以适应电极布局变化的问题，提出轻量适配器 CortexBridge，将 EEG 特征与电极坐标、脑图谱坐标结合，映射至共享皮层潜在空间。 机制上，CortexBridge 将皮层对齐作为异构 EEG 电极布局通向预训练基础模型的可学习路由机制。摘要说明评估使用冻结的基础模型，但适配器结构、坐标编码方式、对齐目标、训练损失及其与基础模型的接口尚未验证；“任意电极布局”是方法的目标能力，不能据此认定其已覆盖所有布局或缺失通道情形。 作者报告，在 MOABB 的五个 BCI 数据集上，分别结合 EEGPT、LaBraM、CBraMod 三个冻结基础模型，15 项评估中有 13 项性能提升。摘要以百分号报告 Balanced Accuracy 的平均增益：EEGPT 为 0.80%、LaBraM 为 0.70%、CBraMod 为 3.26%；12 类 SSVEP 分类中的最大增益为 13.02%。这些数值是相对增幅还是绝对百分点差，摘要未明确，不能混用；具体数据集、数据划分、被试内或跨被试等协议及对照配置尚未验证，也不宜直接据此比较三个基础模型的优劣。 作者报告，学习到的脑图谱表征呈现任务相关空间模式，其中 SSVEP 相较听觉 P300 更集中于 Yeo Visual network。这提供了表征与任务空间特征相联系的可视化证据，但尚不能单凭可视化确认生理解剖解释或对齐机制的因果作用。 复现时需核对电极与脑图谱坐标的来源和配准方式、适配器训练所需监督、训练与测试布局的关系，以及坐标信息和可学习适配各自的贡献。实验协议、消融及统计信息尚未验证，代码与完整复现条件亦未由所给材料确认。