HypTI：双曲空间融合表格与MRI检测痴呆

基于摘要分析。该研究面向临床表格评估与 MRI 扫描联合支持的痴呆检测，提出 HypTI，在双曲空间中共同建模两类数据及其跨模态交互，以表达临床评估的层次关系和脑部解剖的多尺度模式；研究对象并非 EEG 解码或 BCI。 机制上，HypTI 使用可学习的 Lorentz 原型表示临床表格变量，以捕捉评估项目之间的层次关系；MRI 分支采用 ROI 引导的多尺度表征学习，在 Lorentz 空间中表达跨脑区及空间尺度的解剖模式。随后，自适应融合模块生成被试特异的尺度与偏移系数，动态调制并整合多模态嵌入，形成患者级表格—图像联合表征。其主要方法区别是将双曲几何用于表格、MRI 及跨模态交互，而不只是沿用欧氏空间融合。摘要未提供具体损失函数、优化方式或网络结构细节。 作者报告，在 OASIS-3 数据集上，HypTI 相比代表性方法取得较强表现，但未给出具体指标、数值、对照名称、样本规模及数据划分。需进一步核对患者级划分、重复扫描的处理，以及双曲表征、ROI 多尺度编码和自适应融合各自的贡献；实验协议、消融及统计信息尚未验证，不能据摘要判断其临床泛化能力。 该机制依赖临床变量的层次结构与 MRI 的空间解剖组织，不能直接视为适用于 EEG 或 BCI 的证据；当前材料不足以建立具体迁移路径，不据此提出 BCI 复现实验建议。