扣带区皮层折叠模式的无监督表征学习

基于摘要分析。研究针对皮层折叠模式个体差异大、难以通过人工或几何距离方法刻画的问题，以扣带区折叠结构的三维骨架为输入，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折叠模式。其主要对象是脑结构形态，而非 EEG 信号或 BCI 解码。 方法上，作者为 SimCLR 添加解码器，以辅助分析潜空间，并提出基于折叠拓扑的数据增强。随后通过聚类后的平均折叠形态、潜空间插值和重建结果考察表征结构。摘要未提供增强操作、网络结构、损失配置及聚类算法的具体细节，不能据此判断两种模型的性能差异。 作者报告，上述潜空间分析揭示了新的模式结构，提示无监督学习可能辅助发现尚未识别的折叠模式；但摘要未给出定量指标、独立验证或临床关联结果，因此这一结论应理解为形态结构探索，而非已验证的疾病标志物发现。数据来源、样本规模、划分方式、实验协议、消融及统计信息尚未验证。 作者表示代码与实验材料已公开，但其运行条件和复现完整性尚未核验。引入新的先验及融合其他脑数据模态属于作者提出的后续方向，不是本文已验证的多模态结果。现有材料未建立该方法与 EEG/BCI 瓶颈的具体对应关系，因此不据此推断其具有 BCI 迁移效果。