跳到正文

算法、任务与模态

fMRI 最新动态

fMRI 研究索引；按可核对的标签归档，不以热度评价质量。

26 条精选近 30 天 8 条共收录 36 条

更新

精选归档 · 第 2 页

9月26日周四第 21–26 条
  1. OpenReview · EEG73

    NeuroBOLT：基于多维特征映射的静息态 EEG-to-fMRI 合成

    基于摘要分析。该研究针对从 EEG 推断全脑 fMRI 活动信号的问题，提出 NeuroBOLT（Neuro-to-BOLD Transformer），通过时间、空间与频谱域的多维表征学习，将原始 EEG 映射为对应的 fMRI 活动信号。研究对象是跨模态神经影像合成，并非直接验证 BCI 任务性能。 方法动机在于：fMRI 能提供毫米级空间分辨率的全脑动态信息，但成本与设备移动性限制其使用；EEG 更便携，却存在空间定位歧义，且神经活动到 fMRI 血流动力学响应的映射较复杂。NeuroBOLT 尝试综合不同维度的 EEG 信息应对这些问题。摘要未提供特征映射的具体实现、Transformer 结构、损失函数、训练流程或血流动力学时延处理方式，这些内容尚未验证。 作者报告，NeuroBOLT 能重建未见的静息态 fMRI 信号，覆盖初级感觉区、高级认知区及深部皮层下脑区，并称其准确性达到当前最佳水平。摘要未给出具体指标、数值、对照方法、数据集、被试规模或划分方式，因此无法确定“未见”对应被试内、跨被试还是其他测试协议，也不能据此比较实际性能。作者还提出跨条件、跨采集地点泛化的潜力，但摘要不足以确定其验证范围与效果。 复现时需核对 EEG 与 fMRI 的配对和时间对齐、预测目标的脑区定义、训练与测试划分、对照基线，以及跨条件和跨采集地点评估是否采用独立测试数据。实验协议、消融及统计信息尚未验证；重建信号的准确性也不能直接等同于生理可解释性或 BCI 实用性。

    阅读价值：值得阅读的具体原因是 NeuroBOLT 将 EEG-to-fMRI 合成扩展到多类脑区，并结合时间、空间与频谱表征建模；其跨条件、跨采集地点泛化能力及重建准确性仍需结合全文协议核对。

1月1日周一
  1. OpenReview · State space models72

    用于 fMRI 分析的层次化时空状态空间建模

    基于摘要分析。本文研究如何从 fMRI 衍生的动态功能网络连接（dFNC）中发现神经学相关生物标志物，提出基于 Mamba 的 functional spatiotemporal Mamba（FST-Mamba），用于脑相关分类与回归任务。其主要贡献是将状态空间序列建模与功能连接矩阵的层次结构及对称性相结合；这属于 fMRI 分析方法，并非已验证的 BCI 解码方法。 核心机制：模型采用层次化时空结构，通过基于 Mamba 的编码器分别处理空间与时间信息。component-wise varied-scale aggregation（CVA）利用功能网络连接（FNC）矩阵的拓扑特点，聚合脑网络内各组件的连接，以捕获组件级与网络级信息；symmetric rotary position encoding（SymRope）在考虑 FNC 矩阵对称性的同时，编码各功能连接的相对位置。摘要将 Mamba 的线性复杂度作为方法背景，但本文具体计算成本、损失函数、训练设置及推理效率尚未验证。 作者报告，FST-Mamba 在多种脑相关分类与回归任务上取得显著改进，并展示了对预测重要的脑连接及其动态变化。摘要未给出数据集、样本量、数据划分、对照基线、指标数值或显著性检验细节，因此尚不能判断增益幅度、跨数据集泛化能力或生物标志物的临床有效性。实验协议、消融及统计信息尚未验证；预测重要性也不能直接解释为因果机制。 复现方面，摘要提供了公开代码地址，但代码完整性、数据可获得性及运行条件尚未核验。平台推测（待验证）：若 EEG 任务可构建具有稳定节点定义的对称动态连接矩阵，CVA 与 SymRope 可能用于连接结构编码，而时空 Mamba 编码器可能用于连接序列建模。迁移需改造节点分组、连接估计及时间尺度；低信噪比、伪连接、跨被试通道差异与小样本可能使结构先验失效。可在固定跨被试划分下，对同一 EEG 连接输入比较基础 Mamba 与加入 CVA、SymRope 的版本，检验结构模块是否带来稳定增益。已有 EEG 相关工作尚未检索确认。

    阅读价值：值得阅读其针对对称脑连接矩阵设计的 CVA 与 SymRope，以及空间、时间分开编码的机制，但性能增益与预测相关连接的稳定性仍需结合完整实验协议核对。

1月1日周六
  1. OpenReview · EEG73

    从 EEG 到 fMRI 仅差深度学习：利用可解释深度学习揭示 EEG–fMRI 关系

    基于摘要分析。该研究探索能否从多通道 EEG 预测多个皮层下区域的 fMRI 血氧水平依赖信号（sBOLD），并通过可解释、领域约束的深度学习识别与这些血流动力学信号相关的头皮 EEG 模式。其主要研究对象是 EEG 与皮层下血流动力学活动的关系，而非直接验证 BCI 的意图解码性能。 方法上，作者提出结合领域知识的可解释深度学习方案，并使用一种作者称为新颖且具有理论依据的权重解释方法，提取能够预测皮层下核团血流动力学信号的个体化空间及时频模式。摘要未提供具体架构、领域约束形式、损失函数，以及 EEG 与 sBOLD 的时间对齐和预处理方式，这些实现细节尚未验证。 结果方面，作者报告 EEG 预测信号与实际皮层下 sBOLD 信号的相关性最高达 60%。摘要未说明该相关性的具体定义、对应脑区、被试数量、数据划分及被试内或跨被试评估协议，因此不能将这一数值理解为分类 Accuracy，也不能据此判断泛化能力。对照基线、消融及统计信息尚未验证；相关性也不等同于直接测量皮层下神经活动或确立因果关系。 作者将可穿戴皮层下活动测量和意图依赖 BCI 视为潜在应用，而摘要未提供相应设备或在线 BCI 验证。复现时需核对 EEG–fMRI 配对采集、血流动力学延迟建模、伪迹处理、数据划分及权重解释的稳定性。平台推测（待验证）：该方法可作为 EEG 中皮层下血流动力学相关信息的代理估计方案，但实际价值仍取决于未见被试或会话中的预测稳定性，以及这些代理信号是否为目标 BCI 任务提供额外信息。

    阅读价值：值得阅读的是其以皮层下 sBOLD 预测为任务、结合领域约束深度学习与权重解释来分析 EEG–fMRI 关系的思路，但预测相关性是否支持可穿戴测量或意图依赖 BCI 尚未验证。

5月5日周三
  1. OpenReview · State space models74

    基于体素的状态空间建模恢复自然情境 fMRI 实验中与任务相关的认知状态

    基于摘要分析。本文研究复杂自然任务如何在不同皮层区域及功能网络中形成活动表征，提出基于体素的状态空间建模方法，从人类 fMRI 数据中恢复任务相关的低维状态空间。主要研究对象是任务诱发的脑活动组织及认知状态表征，而非 EEG 解码或 BCI 控制。 方法动机来自既有电生理研究：任务变量可能表征于神经群体活动空间中的低维子空间。本文将这一思路用于体素级 fMRI 数据，并在受控视觉注意任务与视频游戏任务中进行分析。作者报告，两类任务各自诱发可嵌入低维状态空间的不同脑状态，该空间反映任务参数；作者还报告，注意增强了任务相关子空间中的状态分离。摘要未给出状态分离的量化指标、比较条件或效应大小，不能据此认定其提高了分类 Accuracy 或实时解码性能。 技术上需进一步核对低维空间的估计方法、状态的定义及其与任务参数的对应方式，以及时序信息如何参与建模。被试数量、数据划分、对照方法、实验协议、消融及统计信息尚未验证；摘要亦不足以判断跨被试或跨任务泛化能力。全文阅读的关键是区分状态空间对已观测任务的描述能力，与对未见数据中认知状态的预测能力。 平台推测（待验证）：若该方法能从高维观测中稳定提取任务相关低维结构，可能为 EEG 中任务状态重叠、噪声维度较多的问题提供分析思路，但这仅是假设。可考虑复用状态表征与分离度分析框架；体素观测模型、时间尺度及噪声假设需针对 EEG 通道信号改造，任务标注与样本规模要求则需查阅全文。低信噪比、少通道、小数据及被试差异可能使子空间不稳定。一个可检验的小实验是在同一 EEG 任务的独立训练与测试数据上估计并评估状态空间，与常规降维对照比较任务状态分离度的稳定性；仅在训练数据中出现分离不足以支持有效迁移。已有 EEG 相关工作尚未检索确认。

    阅读价值：值得阅读其如何从体素级 fMRI 活动恢复与任务参数对应的低维状态空间，但状态估计机制及向 EEG/BCI 迁移的有效性尚未验证。

12月31日周二
  1. OpenReview · EEG75

    同步 EEG-fMRI 研究中用于去除 BCG 伪迹的耦合基学习与正则化重建

    基于摘要分析。该研究针对同步 EEG-fMRI 采集中幅度显著大于真实 EEG 的心冲击图（ballistocardiogram，BCG）伪迹，提出 Direct Recording-Joint Incoherent Basis（DRJIB）方法，将受污染的观测分解为 BCG 与潜在 EEG 成分，重点处理连续、非事件相关 EEG 的伪迹去除与信号保留问题。 核心机制是利用新实验装置获取的 BCG-only 与 EEG-only 信号学习两类基表示，而非假定 BCG 与 EEG 子空间正交或独立。其代价函数结合用于自动维度选择的组稀疏惩罚，以及鼓励两类基不相干的能量项，得到成对的低维、半正交基表示；随后将受污染数据拟合到基于这些基的生成模型，并通过正则化完成重建。摘要未给出损失函数的具体形式、正则化参数或优化细节。 作者报告，在具有挑战性的非事件相关 EEG 研究中，相较 Optimal Basis Set（OBS）基线，DRJIB 在分离并保留连续 BCG 与 EEG 信号方面表现出近 12 倍优势。这是初步定量结果，摘要未明确该倍数对应的指标、计算方式及误差范围，不能将其解释为 Accuracy 提升或其他特定性能增益。 复现时需要核对 BCG-only 与 EEG-only 信号的采集装置和条件、参考信号与混合记录的匹配方式、基学习及重建参数，以及 OBS 对照的具体实现。被试数量、数据划分、跨被试或跨会话适用性、实验协议、消融及统计信息尚未验证。该研究直接面向 EEG-fMRI 伪迹处理，但摘要结果不构成 BCI 解码性能改善的证据。

    阅读价值：值得关注其利用独立采集的 BCG-only 与 EEG-only 信号学习耦合基、再进行正则化重建的去伪迹机制，但作者报告的近 12 倍优势仍需核对具体指标、采集条件与评估协议。

  2. OpenReview · EEG75

    MR 扫描仪内用于重建全头皮 EEG 的 BCG 伪迹去除

    基于摘要分析。本研究针对同步 EEG/fMRI 采集中心冲击图（ballistocardiogram，BCG）伪迹干扰 EEG 解释的问题，提出 Direct Recording Temporal Spatial Encoding（DRTSE），利用高密度 EEG 通道之间的信息估计全头皮 BCG 贡献，再重建 EEG，重点面向难以通过平均操作去除伪迹的连续、非事件相关研究。 机制上，作者设计专门实验，支持近似最优的通道子集选择：从 256 个通道中选出 20 个，并提出可由该子集估计实际记录中所有通道的 BCG 伪迹。方法将学习与推断整合，初步评估涉及直接相减及基于优化的重建方案。摘要未说明所选通道的具体信号构成、学习目标、优化形式，以及伪迹估计如何避免同时消除真实 EEG，这些内容需结合全文核对。 结果方面，作者报告，在具有挑战性的非事件相关 EEG 研究中，结合优化方案的 DRTSE 相较 Optimal Basis Set（OBS）使归一化 RMSE 降低约 13 倍。该数值属于摘要所述初步评估，不能解释为准确率提升或下游任务性能改善；其归一化定义、参考 EEG 的获得方式、被试数、训练与测试划分、跨被试或跨会话适用性，以及实验协议、消融及统计信息尚未验证。 复现重点是专门实验与实际记录之间的对应关系、20 通道子集的选择和部署条件，以及 OBS 对照的参数与误差计算协议。该工作直接研究 EEG/fMRI 采集中的伪迹处理，但摘要未提供 BCI 解码结果，因此不能将重建误差改善等同于 BCI 性能提升。

    阅读价值：值得核对其通过少量通道估计全头皮 BCG 伪迹的学习与推断机制，尤其是作者报告的相对 OBS 重建误差改善及其评估协议，但摘要中的初步结果尚不足以确认真实同步 EEG/fMRI 场景下的泛化能力。