arXiv eess.SP（Signal Processing）·2026-10-15 12:00· 9 天前精选AI 评分68

鲁汶大学 Marc M. Van Hulle 团队提出 CORTEG，将头皮 EEG 基础模型迁移到 ECoG 解码

CORTEG: Foundation Models Enable Cross-Modality Representation Transfer from Scalp to Intracranial Brain Recordings

AI 导读

比利时鲁汶大学 Marc M. Van Hulle 团队提出跨模态迁移框架 CORTEG，把大规模预训练头皮 EEG 基础模型适配到颅内 ECoG 记录，在单块 GPU 上对留出患者做 10-30 分钟校准。

AI 要点

团队

第一作者 Liuyin Yang，末位作者 Marc M. Van Hulle，共 5 位作者。

主要结果

在公开手指轨迹回归（n=9）上取得对比方法中最高的平均相关性；在音频包络回归上提升更大且具统计显著性；在 BrainTreebank 立体脑电分类任务上表现也较强。

解决什么问题

颅内 ECoG 每名患者数据有限，既往多为受试者专属小解码器；研究能否把头皮 EEG 基础模型迁移到 ECoG，实现跨患者学习。

方法

CORTEG 框架：预训练 EEG 基础模型骨干、电极感知 KNNSoftFourier 空间适配器、低频与高伽马双流 tokenizer、留一受试者微调；单 GPU 上 10–30 分钟校准到留出患者。

局限

从研究设计看，音频包络回归使用私有数据（n=16），手指轨迹回归样本为 n=9，跨数据集泛化仍需更多验证。

AI 依据原文整理，未经人工核对。

AI 推荐理由

原文给出两项回归任务与 sEEG 分类任务的对比结果，可看头皮 EEG 预训练模型跨模态迁移到颅内记录的可行边界。