NeuroCBIR：面向全脑与特定脑区 MRI 的快速、准确图像检索系统

基于摘要分析。NeuroCBIR 针对神经影像内容检索受限于小规模数据、单一脑区或粗粒度类别标签的问题，提出面向三维 T1w MRI 的全脑与特定脑区检索框架。其核心是结合变分自编码器（VAE）与对比学习，生成表征解剖模式的扫描特异性嵌入，并支持区域级查询。 技术机制：框架提取 103 个皮层及皮层下区域，用于全脑和脑区级检索。摘要未说明区域提取流程、VAE 架构、对比学习正负样本构造、损失组合及相似度计算方式，这些实现条件尚未验证。 结果与评估：作者报告，在被试重识别任务中，全脑及脑区级检索的前 5 个结果平均精度均值（mAP@5）≥98.4%，并报告跨数据集与采集条件的泛化表现。具体数据集、被试数量、查询库与检索库划分、重复扫描处理及基线尚未验证，因此该指标不能直接解释为病理分类或临床诊断性能。作者还开展了零样本年龄预测和零样本多类别病理分层，认为嵌入包含可用于下游任务的信息；摘要未提供这两项任务的指标、对照或零样本推理规则。 效率与复现：作者报告，在 4 核 CPU 上每次扫描的嵌入提取约需 18.7 秒，相似度搜索耗时低于 0.01 秒；硬件型号、检索库规模及是否计入预处理尚未验证。作者提供公开软件及超过 26,000 个预计算 T1w MRI 嵌入，但这不是已确认的训练样本量。复现需核对预处理、数据划分、权重与嵌入生成流程，以及实验协议、消融和统计信息。 研究定位：这是结构 MRI 表征与检索研究，不应直接视为 BCI 方法或已验证的临床诊断工具。作者提出的个性化诊断支持价值仍需临床验证；摘要也不足以支持其向 EEG 等时序信号迁移的有效性判断。