Modeling the Brain's Grammar: ROI-Guided fMRI Pretraining for Transferable and Interpretable Neural Representations
Yulong Liu, Hua Xu, Yiyang Cai, Chunyang Jiang, Sirui Han, Yike Guo
CVPR 2026 主会 · CVF Open Access
OVERVIEW
论文概览
以 ROI 结构引导 fMRI token 化和预训练，在保留脑区组织的同时学习可跨被试迁移的神经表征。
ABSTRACT
中文摘要
直接把 fMRI 体素切成规则 patch 会忽略脑区的功能与解剖边界。ROITok 以 ROI 作为结构单元组织神经 token，并在预训练中建模脑区内部模式和脑区间依赖，使表示既保留局部功能结构，又可跨被试与任务迁移。作者在多类 fMRI 下游任务上比较规则 token、图谱特征和 ROI 引导模型，并通过注意与表征分析考察模型是否学习到可解释的脑区关系。
RESEARCH RELEVANCE
与你研究的关系
与 decoder-grounded 语义图谱互补：可以用模型导出的功能证据检验固定 ROI token，而不是把图谱当作不可改变的先验。
LIMITATIONS
局限与核查重点
依赖预定义 ROI 可能限制个体功能差异和细粒度体素发现；解释性仍需外部神经科学验证。
SOURCE
来源与原文
CVPR 2026 主会 · CVF Open Access
Yulong Liu, Hua Xu, Yiyang Cai, Chunyang Jiang, Sirui Han, Yike Guo. Modeling the Brain's Grammar: ROI-Guided fMRI Pretraining for Transferable and Interpretable Neural Representations. CVPR 2026 主会 · CVF Open Access. https://openaccess.thecvf.com/content/CVPR2026/papers/Liu_Modeling_the_Brains_Grammar_ROI-Guided_fMRI_Pretraining_for_Transferable_and_CVPR_2026_paper.pdf