arXiv q-bio.NC（Neurons and Cognition）·2026-10-16 12:00· 8 天前AI 评分52

Mo Wang、Quanying Liu 团队提出 FlatClip，用皮层 flatmap 复用图像基础模型做 fMRI 表征学习

FlatClip: Reusing Image Foundation Models for fMRI Representation Learning via Cortical Flatmaps

AI 导读

Mo Wang、Quanying Liu 等提出 FlatClip，将皮层活动渲染为解剖对齐的 flatmap，再用冻结的 SigLIP2 编码器提取特征，仅训练轻量下游探针，不做 fMRI 专用编码器预训练或微调。

AI 要点

团队

第一作者 Mo Wang，末位作者 Quanying Liu，共 7 位作者。

主要结果

在四个静息态基准上，FlatClip 在 HCP 和 ADNI 上优于所评估的 ROI 级基线，但在 PPMI 上较弱，整体低于最强的体素级模型。

解决什么问题

探索皮层活动的空间组织能否帮助把冻结的图像表征迁移到 fMRI 预测。

方法

将皮层活动渲染为与解剖关联的 flatmap，用冻结的 SigLIP2 编码器提取特征，仅训练轻量下游探针，不做 fMRI 专用编码器预训练或微调。

局限

从研究设计看，在 PPMI 上表现较弱，且整体低于最强的体素级模型。

AI 依据原文整理，未经人工核对。