Bio-MF：面向混合运动想象脑机接口的低延迟高保真EEG到fNIRS跨模态生成
原标题：Bio-MF: Low-Latency and High-Fidelity EEG-to-fNIRS Cross-Modal Generation for Hybrid Motor-Imagery Brain--Computer Interfaces
AI 摘要
该论文提出 Bio-MF，一种无需预训练、无潜变量的单步 MeanFlow 框架，用于在混合运动想象脑机接口中由 EEG 条件生成 fNIRS 信号。Bio-MF 直接预测干净 fNIRS 信号并转化为 MeanFlow 速度监督，单次网络评估即可完成推理，并整合时空交互 4D 编码、跨模态无分类器引导和噪声级门控 FFT 正则化。在 Dataset 1 上，EEG 加合成 fNIRS 相比仅 EEG 使 HbR 和 HbO 的 ACC 分别提升 3.37 和 4.15 个百分点；在 Dataset 2 未见过的 64 通道 EEG 蒙太奇下仍提升 2.98 和 2.50 个百分点。在 RTX PRO 6000 GPU 上生成一次 fNIRS 试验仅需 7.0 ms，相比 1000 步 SCDM 实现 857 倍加速。
正文节选
Bio-MF: Low-Latency and High-Fidelity EEG-to-fNIRS Cross-Modal Generation for Hybrid Motor-Imagery Brain–Computer Interfaces Abstract Hybrid motor-imagery brain-computer interfaces (MI-BCIs) combining EEG and fNIRS can outperform EEG-only systems by exploiting complementary electrophysiological and hemodynamic information. To obtain such hybrid information when paired EEG-fNIRS acquisition is unavailable or inconvenient, recent studies have focused on EEG-to-fNIRS cross-modal generation. However