condition-invariant-fmri-speech-decoding

---
name: condition-invariant-fmri-speech-decoding
description: Skill for AI agent capabilities
---

# Condition-Invariant fMRI Speech Decoding

## Overview

条件不变性 fMRI 语音可懂度解码方法。基于深度状态空间模型 (SSM)，首次尝试跨声学条件解码语音可懂度，揭示大脑中存在条件不变性神经编码。

**来源论文：** arXiv:2511.01868 - Condition-Invariant fMRI Decoding of Speech Intelligibility with Deep State Space Model

## 触发词

语音可懂度解码、条件不变性、fMRI 语音解码、state space model、speech intelligibility decoding、condition-invariant、跨条件迁移

## 核心方法

### 关键创新

1. **条件不变性解码**：跨不同声学环境（噪音、混响等）解码语音可懂度
2. **深度状态空间模型**：适配 fMRI 高维时间结构
3. **跨条件迁移**：验证条件不变性神经编码存在

### 脑区贡献

- 听觉皮层（颞上回）
- 额叶区域（额下回）
- 顶叶区域

## 使用场景

### 适用情况

- fMRI 语音感知研究
- 听觉神经编码分析
- 语音可懂度神经机制
- 跨条件脑解码

### 数据要求

- fMRI 时间序列数据
- 多声学条件语音刺激
- 可懂度评分标注

## 实施步骤

1. **数据准备**
   - 收集多条件语音 fMRI 数据
   - 提取 ROI 时间序列

2. **SSM 模型构建**
   - 设计状态空间维度
   - 配置时间建模参数

3. **训练与解码**
   - 跨条件训练
   - 解码可懂度评分

4. **迁移测试**
   - 验证条件不变性
   - 分析脑区贡献

## 技术细节

### 状态空间模型

- 捕获 fMRI 时间动态
- 处理高维特征
- 学习条件不变表示

### 条件不变性

- 不同声学环境下共享神经编码
- 抽象语言表示的证据

## 与其他方法对比

| 方法 | 跨条件泛化 | 时间建模 | 可解释性 |
|------|-----------|---------|---------|
| 本方法 | ✅ 条件不变 | ✅ SSM | ✅ 脑区分析 |
| 传统解码 | ❌ 单条件 | ⚠️ 简单 | ⚠️ 有限 |
| CNN 解码 | ❌ 弱泛化 | ❌ 无时间 | ❌ 黑盒 |

## 工具使用

- `exec`: 运行 PyTorch 实现
- `read`: 查看 fMRI 预处理配置
- `web_fetch`: 获取论文代码

## 注意事项

- fMRI 时间分辨率限制
- 需要多声学条件数据
- 条件设计影响不变性学习

## 扩展阅读

- 相关技能：`eeg-foundation-model`（EEG 基础模型）
- 相关技能：`brainstratify-speech-decoding`（语音解码）
- 论文链接：https://arxiv.org/abs/2511.01868
## Description

Condition-Invariant fMRI Speech Decoding

## Activation Keywords

- condition-invariant-fmri-speech-decoding
- condition-invariant-fmri-speech-decoding 技能
- condition-invariant-fmri-speech-decoding skill

## Tools Used

- `read` - Read documentation and references
- `web_search` - Search for related information
- `web_fetch` - Fetch paper or documentation

## Instructions for Agents
Follow these steps when applying this skill:

### Step 1: 条件不变性解码

### Step 2: 深度状态空间模型

### Step 3: 跨条件迁移

### Step 4: 数据准备

### Step 5: SSM 模型构建

## Examples

### Example 1: Basic Application

**User:** I need to apply Condition-Invariant fMRI Speech Decoding to my analysis.

**Agent:** I'll help you apply condition-invariant-fmri-speech-decoding. First, let me understand your specific use case...

**Context:** Apply the methodology

### Example 2: Advanced Scenario

**User:** Complex analysis scenario

**Agent:** Based on the methodology, I'll guide you through the advanced application...

### Example 2: Advanced Application

**User:** What are the key considerations for condition-invariant-fmri-speech-decoding?

**Agent:** Let me search for the latest research and best practices...