GeoDynamics：用于理解黎曼流形上脑动态的几何状态空间神经网络

GeoDynamics 针对脑功能连接动态的几何建模问题，将功能连接（FC）矩阵表示为对称正定（SPD）流形上的状态，通过流形感知的循环框架追踪潜在脑状态轨迹。其核心贡献是将状态空间模型（SSMs）的动态结构与黎曼几何结合，而非仅在欧氏空间中建模脑区活动或连接变化。以下基于摘要分析，未取得论文全文。 机制与创新：作者将各时间点的 FC 矩阵视为 SPD 矩阵，并提出在高维 SPD 流形上学习平滑、尊重几何结构的状态转移。研究重点由局部脑区关系转向整体连接网络的时序演化。摘要未给出状态与观测方程、流形映射、损失函数、训练或推理细节；FC 矩阵的构造方式及正定性保障也尚未验证。 验证与结果：作者报告，GeoDynamics 能揭示任务驱动的状态变化，以及 Alzheimer’s、Parkinson’s 和 autism 的早期标志；这些表述不能据此视为已确立的诊断性能或临床有效性。作者另报告在 UTKinect、Florence、HDM05 人体动作识别基准上进行验证，并据此主张模型具有跨领域扩展能力与鲁棒性。摘要未提供脑影像模态、数据集、被试规模、划分、对照基线或量化指标，实验协议、消融及统计信息尚未验证。 平台推测（待验证）：假设将 EEG 通道协方差或适当构造的 SPD 连接矩阵作为时序输入，其几何状态转移模块可能用于建模跨时间窗的网络变化，但这不等于已验证的 EEG/BCI 效果。可复用部分是流形感知的序列建模框架；需改造部分包括 EEG 的矩阵估计、正定化、通道对齐及任务输出。低信噪比、短窗估计不稳定、跨被试差异、通道变化与小数据均可能削弱收益。一个可检验的小实验是在同一 EEG 任务和固定划分下，对比 SPD 几何转移与欧氏转移，保持输入及模型容量尽量一致，观察几何约束是否改善泛化与稳定性。相关 EEG 工作尚未检索确认。