Nature Communications（Neuroscience）·2026-10-13 08:00· 12 天前精选AI 评分62

FIU Angela R. Laird 团队提出 NiCLIP，从脑激活图像预测文本

NiCLIP: neuroimaging contrastive language-image pretraining model for predicting text from brain activation images

AI 导读

美国佛罗里达国际大学 Angela R. Laird 团队在 Nature Communications 发表 NiCLIP，一种在超过 23000 篇文章上训练的对比语言-图像模型，用于从脑激活模式预测认知任务、概念和领域。

AI 要点

团队

佛罗里达国际大学物理系 Angela R. Laird 团队，第一作者 Julio A. Peraza，共 6 位作者。

主要结果

NiCLIP 能从脑激活模式预测认知任务、概念与领域；在 Human Connectome Project 组水平脑图上跨情绪、语言、运动等领域准确预测任务，并刻画杏仁核、海马、颞顶联合区的功能角色。

解决什么问题

现有元分析功能解码方法无法捕捉神经影像文献的完整语义内容。

方法

对比式语言-图像模型，在超过 23,000 篇文章上训练，使用全文文章与任务-概念-领域精确映射的认知本体。

局限

原文写明：在受试者个体水平、含噪声的激活图上表现受限。

AI 依据原文整理，未经人工核对。

AI 推荐理由

NiCLIP 用 23000 余篇文献训练对比学习模型，从脑激活图预测认知任务，可与传统元分析功能解码方法对照。