A Roadmap for MEG Foundation Models
本文提出了一份关于脑磁图（MEG）基础模型的路线图，旨在推动该领域从特定任务解码管道向基于广泛神经数据集预训练的通用模型转变。文章概述了 MEG 在毫秒级分辨率和空间可解释性方面的优势，指出当前 MEG 基础模型仍处于早期阶段，存在多模态模型数量少、预训练语料规模小及基准测试有限等问题。文中详细阐述了包括分词化、传感器与源空间表示、几何编码、骨干架构、自监督目标及预训练数据在内的关键设计选择，并规划了未来发展方向：原生 MEG 预训练、EEG 基础模型适配、通用时序模型迁移以及与 EEG、fMRI、行为等特征的模态融合。此外，文章强调了建立协调基础设施的必要性，涵盖多样化可复用数据集、跨主体/站点/任务及临床环境的严格评估，以及涉及知情同意、隐私、访问和治理的数据共享规范。