CAPS：解剖约束的脑肿瘤MRI补全

基于摘要分析。该研究针对脑肿瘤诊疗中四模态 MRI 协议难以完整采集的问题，提出 CAPS，以合成缺失 MRI 为下游分割提供可供临床核验的影像依据。其主要研究对象是医学影像补全与脑肿瘤分割，而非 EEG 解码或 BCI。 机制上，CAPS 采用多模态生成架构，通过混合目标函数 L_1 + L_AFP + L_DualDice，将优化重点从单纯像素一致性扩展至深层解剖特征与拓扑边界的保持。摘要未展开各损失项的具体定义、权重及实现，因此尚不能判断各项约束的独立贡献。作者将其与绕过图像生成的直接分割方法、以及易产生模糊重建的常规合成方法相对照，但具体基线与消融设置尚未验证。 在 BraTS Adult Glioma 数据集评估中，作者报告合成结果在强度类指标上表现更优，下游分割的 mean Dice 为 82.38%；摘要未说明该数值对应的缺失模态组合、数据划分与平均方式，不能据此与其他协议直接比较。作者还报告，在完全未见的 Meningioma、Pediatric 和 Sub-Saharan African 队列上，无需域特定适应即可保持较高结构保真度，体现零样本跨域泛化能力，但摘要未提供这些队列的定量结果。 作者报告，盲法放射影像评价显示感知图像质量与临床实用性显著改善；评价者人数、评分标准、统计检验及效应量尚未验证。这一评价不等同于前瞻性临床有效性验证。复现与判断可靠性仍需核对完整实验协议、缺失模态设置、训练与测试划分、损失消融和统计信息。现有材料不足以建立其向 EEG/BCI 迁移的具体机制路径。