EEG-CLIP：通过自然语言描述学习脑电图表征用于脑电图（EEG）解码的深度网络通常仅针对单一任务（如病理或年龄解码）进行训练。本研究提出一种任务无关的通用方法：训练深度网络将临床EEG记录与其对应的文本医疗报告进行匹配。该方法借鉴计算机视觉领域对齐图像与文本描述的技术，通过文本类别提示实现零样本解码。本文开发了对比学习框架EEG-CLIP，在共享嵌入空间中对齐EEG时间序列和临床文本描述，并评估了其在多种少样本和零样本场景下的性能。结果表明，EEG-CLIP能有效对齐文本与EEG表征，为学习通用EEG表征提供了新思路，可通过零样本解码或使用更少训练