基于拉回几何的脑连接矩阵黎曼流匹配

该研究面向脑连接矩阵的生成建模，提出 DiffeoCFM：利用全局微分同胚诱导的拉回度量，将矩阵流形上的条件流匹配（CFM）转化为数据变换后的标准 CFM，以降低黎曼生成建模的计算复杂性并保持矩阵约束。基于摘要分析，未取得论文全文。 核心机制是建立上述两种 CFM 表述的等价关系，使向量场学习及采样能够使用欧氏空间中的常规计算与标准 ODE 求解器，而不必直接处理原矩阵空间中复杂的几何运算。论文给出两种实例：对协方差矩阵使用矩阵对数，对相关矩阵使用归一化 Cholesky 分解。其方法价值在于借助可逆变换保留几何结构，而非将受约束矩阵直接作为无约束数据生成；具体映射、度量和等价关系的适用条件仍需正文核对。 评估涵盖三个大规模 fMRI 数据集 ADNI、ABIDE、OASIS‑3，合计超过 4600 次扫描、来自 2800 名被试；另涵盖两个 EEG 运动想象数据集 BNCI2014‑002、BNCI2015‑001，合计超过 30000 个试次、来自 26 名被试。作者报告该方法训练快速、达到当前最佳性能，并保持流形约束，但摘要未提供具体指标、比较基线、耗时或被试内、跨被试等划分协议，不能据此量化优势或认定其改善 BCI 分类性能。 复现应重点核对连接或协方差矩阵的构建与预处理、数据划分、生成质量指标、效率比较条件，以及生成数据是否被用于下游分类及其效果。摘要提供了代码仓库，但实现可用性、运行环境、实验协议、消融及统计信息尚未验证。该研究已直接包含 EEG 运动想象实验，无需以跨领域迁移推断代替其原始证据。