SPERA：具有几何与频率感知潜在预测的球面先验 EEG 基础模型

arXiv:2610.10571v1 发布类型：新 摘要：脑电图（EEG）能够以非侵入方式测量持续的神经活动，但由于受试者、设备和电极布局存在异质性，构建通用 EEG 模型仍然具有挑战性。现有 EEG 基础模型主要依赖在观测信号上定义的重建目标，而观测信号同时包含神经成分和非神经成分。我们提出 SPERA（Spherical Prior EEG Representation Architecture），一种采用联合嵌入预测架构（JEPA）在潜在空间中进行预测的 EEG 基础模型。SPERA 引入了 Legendre 多项式空间先验，并将其融入注意力机制，以编码不断变化的头皮电极几何结构。此外，SPERA 还包含两个针对 EEG 进行适配的组件：与周期性全注意力模块交替使用的因式分解时间与空间注意力，以及一种关系谱正则化器，用于将潜在空间中的相似性结构与谱视图对齐。SPERA 在来自 106 个数据集、29,048 名受试者的约 80,000 小时 EEG 数据上进行预训练，在涵盖临床、认知和 BCI 应用的九项下游任务中取得了最高的平均平衡准确率。在进行线性探测时，SPERA 还展现出较高的参数效率，并且在不同记录条件下具有稳健性，表明其有潜力成为适用于多种 EEG 分析的通用骨干模型。