AICML · 2026
NeuroCLUS: A Foundation Model with Functional Clustering for Intracranial Neural Decoding
Hui Zheng, Haiteng Wang
ICML 2026 主会 · OpenReview
字号
OVERVIEW
论文概览
用数据驱动的功能聚类组织颅内电极，而不是把每个通道孤立 token 化，为跨患者颅内神经解码建立基础模型。
ABSTRACT
中文摘要
颅内神经记录具有高时空分辨率，但不同患者的电极位置与数量差异显著。既有基础模型往往把电极独立处理，或过度压缩成单一全脑 token，难以利用功能相似通道之间的结构。NeuroCLUS 引入功能聚类，把具有相似响应模式的电极组织为更稳定的功能单元，并在大规模无标签数据上学习可迁移表征，随后用于多种 iEEG 下游解码任务。
RESEARCH RELEVANCE
与你研究的关系
为跨被试共享/个体特异分解提供不同于解剖对齐的方案：以功能簇作为共享单元，再保留患者电极布局差异。
LIMITATIONS
局限与核查重点
颅内数据来自临床患者且覆盖稀疏；功能簇跨中心是否稳定，以及能否迁移到非侵入式信号尚不明确。
SOURCE
来源与原文
ICML 2026 主会 · OpenReview
Hui Zheng, Haiteng Wang. NeuroCLUS: A Foundation Model with Functional Clustering for Intracranial Neural Decoding. ICML 2026 主会 · OpenReview. https://openreview.net/forum?id=pFweJM4Uw8