fMRI-LM: Towards a Universal Foundation Model for Language-Aligned fMRI Understanding
Yuxiang Wei, Yanteng Zhang, Xi Xiao, Chengxuan Qian, Tianyang Wang, Vince D. Calhoun
CVPR 2026 主会 · CVF Open Access
OVERVIEW
论文概览
以五万余次 fMRI 扫描训练语言对齐的通用基础模型，把异质脑数据转换为可由大语言模型处理的表示。
ABSTRACT
中文摘要
fMRI 数据跨研究存在空间、任务和语义标注差异，阻碍统一模型训练。fMRI-LM 构建可适应异质扫描的脑信号 tokenizer，将 fMRI 表示映射到语言语义空间，再结合大语言模型和指令微调统一处理多类理解任务。预训练规模超过五万次扫描，覆盖不同数据来源与认知范式；评估关注跨任务迁移、少样本适配和语言条件下的脑活动理解。该工作把 fMRI 基础模型从固定标签预测推进到可用自然语言定义任务和输出的通用接口。
RESEARCH RELEVANCE
与你研究的关系
可作为统一脑模型的语言接口层，并与 brain–CLIP 视觉空间组成视觉—语言—脑三方共享表征。
LIMITATIONS
局限与核查重点
自然语言输出容易继承语言模型先验；需区分脑信号贡献、任务描述泄漏与真正的跨数据集泛化。
SOURCE
来源与原文
CVPR 2026 主会 · CVF Open Access
Yuxiang Wei, Yanteng Zhang, Xi Xiao, Chengxuan Qian, Tianyang Wang, Vince D. Calhoun. fMRI-LM: Towards a Universal Foundation Model for Language-Aligned fMRI Understanding. CVPR 2026 主会 · CVF Open Access. https://openaccess.thecvf.com/content/CVPR2026/papers/Wei_fMRI-LM_Towards_a_Universal_Foundation_Model_for_Language-Aligned_fMRI_Understanding_CVPR_2026_paper.pdf