本研究提出了一种基于多模态引导的重建框架Brain-Streams，用于解决fMRI到图像重建任务中的小物体细节缺失和语义模糊问题。该框架结合视觉和语义信息，利用现代生成模型进行精确的图像重建，验证结果显示出优越的重建能力和应用潜力。

该研究提出了一个模型，将知识图谱与改进的注意机制相结合，解决了文本中的语义模糊问题。该模型在字符和词级别上运作，通过集成概念来加深对文本的理解。通过信息增益选择重要词，采用编码器 - 解码器框架对文本及相关概念进行编码。本地注意机制调整每个概念的权重，减少不相关或噪声概念的影响。改进了本地自注意机制中注意分数的计算公式，确保不同频率出现的词语获得更高的注意分数。最后，采用双向门控循环单元（Bi-GRU）从文本中提取特征，提高分类准确性。在多个数据集上展示了该模型在分类任务中的有效性。