EEG
通过电极记录大脑神经元电活动的非侵入式生理信号，幅值在微伏量级，是脑机接口系统的主要输入信号，易受肌电、眼电等生理伪影干扰
时间轴 (近 90 天)
一项在Reddit社区引发讨论的研究提出将脑电图（EEG）与脉冲神经网络（SNN）结合，并借助生物物理仿真来学习阿尔茨海默病的疾病特征。
EEG提供毫秒级的群体电活动记录，SNN专门擅长从精细时间结构中提取模式，两者结合同时回应了成本与时间分辨率两个维度。
仿真数据与真实EEG之间的域差距体现在噪声结构不同、个体差异缺失和病理异质性等多个层面。
EEG相比PET成像和脑脊液穿刺等传统AD生物标志物检测，具有低成本、非侵入、可在门诊甚至社区场景下采集的优势。
该研究的核心做法是：用生物物理仿真生成具有已知AD病理特征的神经活动数据，再训练SNN从EEG中识别对应的疾病签名。
EEG 信号采样率通常在 250–1000 Hz 之间，一次 24 小时长程监测产生数十 GB 量级的时序数据。
蒙太奇不统一是 EEG 数据标准化中最棘手的环节之一，也是提升模型跨中心泛化能力的关键障碍。
EEG 数据的特点包括信噪比低、个体差异大、电极蒙太奇配置不统一、标注成本极高。
数据集包含六个干净的数据会话（J001–J006），每个会话同时包含T2*加权EPI fMRI数据、EEG频段功率（theta、alpha、beta、gamma）、心率、呼吸、加速度、简单行为记录以及左右嗅球、左右杏仁核、左右伏隔核的BOLD值。
音乐认知研究使用功能性磁共振成像（fMRI）和脑电图（EEG）等工具实时观察听音乐时哪些脑区被激活
还有 7 条时间轴事件
全部知识事实 (17)
一项在Reddit社区引发讨论的研究提出将脑电图（EEG）与脉冲神经网络（SNN）结合，并借助生物物理仿真来学习阿尔茨海默病的疾病特征。
50%待验证EEG提供毫秒级的群体电活动记录，SNN专门擅长从精细时间结构中提取模式，两者结合同时回应了成本与时间分辨率两个维度。
50%待验证仿真数据与真实EEG之间的域差距体现在噪声结构不同、个体差异缺失和病理异质性等多个层面。
50%待验证EEG相比PET成像和脑脊液穿刺等传统AD生物标志物检测，具有低成本、非侵入、可在门诊甚至社区场景下采集的优势。
50%待验证该研究的核心做法是：用生物物理仿真生成具有已知AD病理特征的神经活动数据，再训练SNN从EEG中识别对应的疾病签名。
50%待验证EEG 信号采样率通常在 250–1000 Hz 之间，一次 24 小时长程监测产生数十 GB 量级的时序数据。
50%待验证蒙太奇不统一是 EEG 数据标准化中最棘手的环节之一，也是提升模型跨中心泛化能力的关键障碍。
50%待验证EEG 数据的特点包括信噪比低、个体差异大、电极蒙太奇配置不统一、标注成本极高。
50%待验证数据集包含六个干净的数据会话（J001–J006），每个会话同时包含T2*加权EPI fMRI数据、EEG频段功率（theta、alpha、beta、gamma）、心率、呼吸、加速度、简单行为记录以及左右嗅球、左右杏仁核、左右伏隔核的BOLD值。
50%待验证音乐认知研究使用功能性磁共振成像（fMRI）和脑电图（EEG）等工具实时观察听音乐时哪些脑区被激活
50%待验证目前主流的EEG基础模型大多依赖基于重建的预训练目标，让模型学习还原观测到的原始信号
50%待验证SPERA是一个引入球面先验的EEG基础模型，采用联合嵌入预测架构（JEPA）在潜空间中进行预测，而非在观测信号上做重建
50%待验证EEG 信号幅值仅在微伏（μV）量级，而肌电伪影（EMG）幅值可达数百微伏，眼电伪影（EOG）会在低频段引入大幅漂移
50%待验证EEG信号存在显著的个体差异，样本量过小会导致结论的统计效力和泛化能力难以保证
50%待验证侵入式BCI相比头皮脑电图（EEG）具有更高的空间分辨率与信噪比
50%待验证脑机接口（BCI）按照信号采集方式分为侵入式与非侵入式两大路径
50%待验证SPERA有望成为EEG分析的通用预训练骨干，前提是其跨设备、跨任务泛化能力在更广泛的独立评测中得到验证
50%