🔥 今日值得一读
脑电一步生成近红外，混合脑机接口准确率最高提升3.37%！
Bio-MF: Low-Latency and High-Fidelity EEG-to-fNIRS Cross-Modal Generation for Hybrid Motor-Imagery Brain--Computer Interfaces
👨💼 主理人解读 · 为什么值得关注
无需配对采集即可由EEG生成fNIRS信号，可用于实时混合脑机接口与神经信号增强。
📖 AI 总结
本文提出Bio-MF，一种用于脑电到近红外光谱（EEG-to-fNIRS）跨模态生成的无潜变量单步MeanFlow框架，旨在解决混合运动想象脑机接口中配对fNIRS数据获取不便以及现有生成方法速度慢、依赖预训练的问题。该方法通过直接信号空间预测、将输出转化为MeanFlow速度监督，并结合时空交互4D编码、跨模态无分类器引导和噪声级门控FFT正则化，在单次网络评估中完成推理，从而在保持生成保真度的同时避免非生理伪影。实验显示，在数据集1上，EEG结合合成fNIRS使HbR和HbO的分类准确率较纯EEG分别提升3.37和4.15个百分点；在数据集2未见过的64通道蒙太奇下仍提升2.98和2.50个百分点。在RTX PRO 6000上生成单次fNIRS试次仅需7.0毫秒，较1000步SCDM提速857倍，表明该框架可支撑实时混合脑机接口解码。
🔑 关键词速览
| MeanFlow | 一种基于平均速度场的一步生成建模框架，无需迭代采样即可完成高质量生成。 |
| EEG-to-fNIRS 跨模态生成 | 利用脑电信号合成对应的功能性近红外光谱信号，以替代或补充真实配对采集。 |
| 混合运动想象脑机接口（Hybrid MI-BCI） | 同时利用 EEG 与 fNIRS 等多种模态信息解码运动想象意图的脑机接口系统。 |
| 无分类器引导（Classifier-Free Guidance） | 一种在生成模型中通过条件与无条件预测的线性组合来增强条件生成质量的技术。 |
| HbO / HbR | 氧合血红蛋白与脱氧血红蛋白，是 fNIRS 测量的两种主要血流动力学响应指标。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅