MRExtrap：在 MRI 扫描的自编码器潜空间中线性预测脑衰老

基于摘要分析。研究面向高分辨率三维脑 MRI 的纵向生成建模，提出 MRExtrap：利用既往 MRI，在自编码器潜空间中通过线性回归预测随年龄变化的潜在表征轨迹，以模拟脑衰老相关的结构变化。其主要对象是结构 MRI 的纵向预测，而非 EEG 解码或 BCI。 核心机制是先利用训练良好的卷积自编码器获得 MRI 潜在表征，再在潜空间建立以被试年龄为依据的线性进展模型。作者报告，对潜在表征进行插值、解码并分割后，区域脑体积呈现线性变化关系；MRExtrap 利用这一结构预测后续潜在表征，并生成相应 MRI。这里的线性关系针对上述处理流程中的区域脑体积，不应扩展理解为所有脑结构变化或疾病进展均满足线性规律。 在 ADNI 数据集上，作者报告，预测 MRI 与留出的纵向扫描较为一致，能够刻画年龄相关的结构性脑变化。摘要未提供定量指标、样本规模、随访间隔、训练与测试划分、对照方法或疾病亚组结果，因此尚不能判断其外推精度、个体泛化能力及对不同疾病轨迹的适用范围。实验协议、消融及统计信息尚未验证。 复现时需核对自编码器的训练条件、区域脑体积的分割与评估流程、每位被试可用的既往扫描数量，以及潜空间回归和预测时间范围。摘要以阿尔茨海默病等神经疾病作为应用背景，但并未提供疾病特异性进展建模的独立结果，也不足以据此推断 EEG 或 BCI 效果。