EEG 基础模型通常在预训练阶段使用固定的通道词表或有限的导联集合，这导致在电极布局变化时模型迁移困难。为了解决这一问题，本文提出 CortexBridge——一种轻量级适配器，它将 EEG 特征与电极坐标及脑图谱坐标相结合，将任意导联映射到共享的脑皮层潜在空间。
CortexBridge 在三个冻结的基础模型（EEGPT、LaBraM、CBraMod）上进行评估，使用来自 Mother of All BCI Benchmarks（MOABB）的五个 BCI 数据集。实验结果显示，在 15 项评估中有 13 项性能得到提升。具体增益为：EEGPT 平均提升 0.80% 的平衡准确率，LaBraM 提升 0.70%，CBraMod 提升 3.26%，其中在 12 类稳态视觉诱发电位（SSVEP）分类任务上最高提升达 13.02%。
对学习到的图谱表示进行可视化后发现，空间模式呈现任务依赖性：SSVEP 的表示更集中于 Yeo 视觉网络，而听觉 P300 则分布更为分散。
这些结果表明，脑皮层对齐是一种可学习且基于解剖结构的路由机制，能够将异构的 EEG 导联有效映射到预训练的基础模型上。
点评