AVID: A 5T fMRI Dataset for Benchmarking Auditory-induced Visual Mental Imagery Decoding

ABSTRACT

中文摘要

视觉心理意象（VMI）解码利用脑活动重建内部生成的视觉场景，为外化内部体验和发展神经假体交流接口提供潜在路径。然而，该领域的发展受到缺少专门、足以支持训练规模的 VMI 数据集的限制。当前 VMI 范式往往依赖视觉提示或短时记忆图像，引入视觉与记忆混杂，难以区分内源图像构建所对应的神经活动与先前或同期视觉输入驱动的信号。此外，现有 VMI 数据集对个别视觉属性的描述控制有限，难以系统评价精细视觉细节。为填补这些空缺，我们提出 AVID，首个专门用于听觉诱导 VMI 解码、达到训练规模的 5.0T 功能磁共振成像资源。我们进一步围绕 AVID 定义固定划分、预定义神经输入与标准化评价协议的基准。AVID 采用高场 5T fMRI 采集，包含九名参与者约 67 小时密集记录。数据集具有两个互补划分：使用自然中文描述的场景级复杂划分，以及明确规定视觉属性的受控简单划分。我们进一步制定标准化评价协议，将源图像一致性与语义对齐分离，以更细致地评估意象重建。基线的定性和定量结果表明，当前重建流程在 AVID 上仍受明显限制，但较成功的重建能够保留口头描述中可辨认的场景级语义。通过结合专门的训练规模神经记录和标准化评价资源，AVID 为想象特异模型开发提供数据基础，也为大幅减少感觉污染的 VMI 解码提供基准。