神经科学与认知科学
突破级
暂无讲解视频
收录解读
这篇 Nature Neuroscience 论文处理脑 MRI AI 的核心瓶颈：标注数据少、任务特异模型泛化弱、不同疾病和任务之间难复用。
作者提出 Brain Imaging Adaptive Core (BrainIAC)，用 self-supervised pretraining 学习 unlabeled brain MRI 的通用表征，再面向不同应用做 targeted adaptation。
模型在 48,965 个 brain MRIs 上训练和验证，覆盖广泛任务，在 low-data、few-shot 和高难预测任务中优于局部监督训练与其他 pretrained models。
它值得正式收录，因为它把脑影像 AI 从单病种预测推进到可迁移 foundation model substrate，对 NeuroAI 数据表征、医学影像工作流和多模态脑模型都有复用价值。