Mind the State: Towards Unified, Context-Aware EEG-to-fMRI Synthesis
Yamin Li, Shiyu Wang, Chang Li, Ange Lou, Haatef Pourmotabbed, Sarah Goodale, Dario J. Englot, Daniel Moyer, Roza G. Bayrak, Catie Chang
ICML 2026 主会 · OpenReview
OVERVIEW
论文概览
用一个上下文感知的统一模型从 EEG 合成全脑 fMRI，并显式处理被试、数据集和生理状态差异。
ABSTRACT
中文摘要
EEG 具有高时间分辨率，fMRI 则提供更完整的空间信息，但配对采集昂贵且不同研究之间差异显著。作者提出统一的 EEG-to-fMRI synthesis 框架 UniEFS，在单一模型中接收 EEG 与人口统计、生理状态等上下文条件，学习跨被试、跨数据集的共享映射，同时保留个体与状态差异。目标是从 EEG 重建全脑 fMRI 动态，使模型不仅适用于固定队列或单一实验，还能在异质数据中迁移。实验围绕重建质量、条件信息贡献以及跨数据情境泛化展开。
RESEARCH RELEVANCE
与你研究的关系
这与统一 fMRI+EEG 编解码模型高度一致：共享潜变量负责跨模态结构，上下文变量负责被试和状态特异性。
LIMITATIONS
局限与核查重点
合成出统计上相似的 fMRI 不代表恢复了真实神经机制；还需检查时间配准、目标泄漏以及未见被试上的可靠性。
SOURCE
来源与原文
ICML 2026 主会 · OpenReview
Yamin Li, Shiyu Wang, Chang Li, Ange Lou, Haatef Pourmotabbed, Sarah Goodale, Dario J. Englot, Daniel Moyer, Roza G. Bayrak, Catie Chang. Mind the State: Towards Unified, Context-Aware EEG-to-fMRI Synthesis. ICML 2026 主会 · OpenReview. https://openreview.net/forum?id=3bbYCFPjiG