arXiv（brain-computer interface）·· 2026-09-12AI 评分41
MAPA：面向 iEEG 的样本高效神经接口自监督预训练
Pretraining for Sample-Efficient Neural Interfaces
AI 导读
研究者提出 MAPA，一种带解剖区域嵌入和相对位置编码的掩码自编码器，可从跨受试者的无标注 iEEG 记录中学习可迁移的神经表征。在 Neuroprobe 基准的会话内、跨会话和跨受试者三种设定下，MAPA 均无需微调即刷新最优结果；跨受试者时，其特征上的线性探针仅需约 164 个标注试次即可达到无预训练时 3,500 个试次的准确率。
AI 要点
团队
第一作者 Ben Tang，末位作者 Gregory B. Cogan，共 3 位作者。
主要结果
MAPA 在 Neuroprobe 基准的 within-session、cross-session、cross-subject 三种设定下均无需微调即刷新最优；跨受试者时线性探针约 164 个标注试次即达无预训练 3,500 个试次的精度。
解决什么问题
iEEG 因受试者间电极触点位置与神经解剖差异，自监督预训练难以迁移；MAPA 让无标注记录可跨受试者、跨任务复用，降低新受试者的标注成本。
方法
在普通掩码自编码器上加入解剖区域嵌入与相对位置编码两种空间编码，从跨受试者累积的无标注 iEEG 记录中学习表征。
局限
从研究设计看，结果基于 Neuroprobe 基准的离线解码评测，未涉及在线闭环使用。
AI 依据原文整理，未经人工核对。
来源：arXiv（brain-computer interface） · arxiv.org