侵入式神经记录能够高保真捕获大脑活动，其中颅内脑电（iEEG）和皮层内尖峰分别提供不同空间‑时间尺度的信号。现有的神经基础模型大多针对单一记录方式独立训练，缺乏对异构信号的联合预训练。
本文提出 iBrain，采用信号专用编码器分别处理 iEEG 与尖峰，以适配各自的特征；随后通过共享的时空 Transformer 主干建模通道间和时间上的依赖关系。我们在超过 7,000 小时的多源神经记录上进行预训练，使用掩码信号重建和通道视图对齐两种自监督任务，提升了上下文建模能力并增强了跨通道的鲁棒性。
实验表明 iBrain 在多个基准上持续超越单信号预训练基线，达到最新水平；此外，在不同记录设置之间表现出良好的迁移性和数据效率。结果凸显了对异构侵入式记录进行联合预训练的潜力，为可扩展的神经建模和跨任务表征提供了新路径。
点评