Omni-fMRI: A Universal Atlas-Free fMRI Foundation Model
Mo Wang, Wenhao Ye, Junfeng Xia, Junxiang Zhang, Xuanye Pan, Minghao Xu, Haotian Deng, Hongkai Wen, Quanying Liu
ICML 2026 主会 · OpenReview
OVERVIEW
论文概览
一个不依赖预定义脑区图谱、直接在体素层面学习通用 fMRI 表征的基础模型，并在大规模异质数据上验证跨数据集迁移。
ABSTRACT
中文摘要
现有自监督 fMRI 基础模型通常依赖固定脑图谱来统一不同数据集的空间结构，但图谱选择会限制空间分辨率，也难以适应不同扫描协议与覆盖范围。Omni-fMRI 提出图谱无关的体素级建模框架，以动态 patching 处理不同空间形状和分辨率，并在来自 9 个数据集的 49,497 个扫描 session 上预训练。作者随后在 11 个静息态与任务态数据集上评估迁移能力。结果显示，该模型能够在无需固定分区的条件下学习可复用表征，并在多项下游任务上持续优于已有 fMRI 基础模型。
RESEARCH RELEVANCE
与你研究的关系
它最直接对应统一多模态脑编解码模型中的 fMRI 主干：先解除脑图谱绑定，再把体素表征对齐到 EEG、语言和视觉空间。
LIMITATIONS
局限与核查重点
仍以 fMRI 单模态预训练与下游评估为主；摘要没有证明其共享空间能够自然接入 EEG、MEG 或生成模型。
SOURCE
来源与原文
ICML 2026 主会 · OpenReview
Mo Wang, Wenhao Ye, Junfeng Xia, Junxiang Zhang, Xuanye Pan, Minghao Xu, Haotian Deng, Hongkai Wen, Quanying Liu. Omni-fMRI: A Universal Atlas-Free fMRI Foundation Model. ICML 2026 主会 · OpenReview. https://openreview.net/forum?id=Rc8th2rXXe