A Cognitive Process-Inspired Architecture for Subject-Agnostic Brain Visual Decoding

ABSTRACT

中文摘要

被试无关脑解码旨在无需被试特异训练的条件下，从 fMRI 重建连续视觉体验，具有重要临床应用潜力。然而，跨被试泛化的困难与脑信号的复杂性使这一方向仍缺乏充分研究。我们提出 Visual Cortex Flow Architecture（VCFlow），一种新型层级解码框架，显式建模人类视觉系统的腹侧—背侧架构，以学习多维表征。通过解耦并利用早期视觉皮层、腹侧及背侧通路的特征，VCFlow 捕捉对视觉重建至关重要的多样且互补的认知信息。我们进一步引入特征级对比学习策略，增强被试不变语义表征的提取，从而提高其对此前未见被试的适用性。传统流程需要每名被试超过十二小时的数据和大量计算；相比之下，VCFlow 在平均准确率仅损失 7% 的情况下，无需任何重训即可在十秒内生成一段重建视频，提供了快速且可扩展的临床解决方案。