扣带皮层折叠模式的无监督表征学习

基于摘要分析。该研究针对扣带皮层折叠模式个体差异大、难以通过人工或几何距离进行刻画的问题，使用折叠结构的三维骨架表示，比较 β-VAE 与 SimCLR 的无监督表征学习，并通过潜空间聚类探索典型形态模式。主要研究对象是皮层形态结构，而非 EEG 信号或 BCI 解码。 方法上，作者为 SimCLR 添加解码器，以便分析潜空间，并提出基于折叠拓扑的数据增强。学习到的表征随后用于聚类，研究者结合簇内折叠结构的平均形态、潜空间插值和重建结果检查其结构。摘要未交代拓扑增强的具体操作、解码器训练目标及聚类算法，不能进一步确认这些设计的实现细节。 作者报告，上述可视化与重建分析揭示了新的模式结构，并据此认为无监督学习有助于发现尚未识别的折叠模式。这是形态结构探索方面的结论，不等同于已验证的临床诊断能力。摘要未提供样本量、数据来源、划分协议、定量指标或两种模型的具体比较结果；实验协议、消融及统计信息尚未验证。 作者注明代码和实验已公开，但当前未核查其内容与可复现条件。后续计划包括引入新的先验及其他脑数据模态，这些不应视为已经完成的验证。材料尚未建立三维折叠拓扑与 EEG/BCI 任务之间的具体机制对应，因此不据此提出迁移效果或复现实验建议。