超曲率几何为层次结构和多尺度模式提供自然的表示空间。HypTI 将此概念扩展到表格‑MRI 融合任务。临床评估的表格变量通过可学习的 Lorentz 原型映射到洛伦兹空间，以捕获评估之间的层次关系。MRI 扫描则采用基于感兴趣区（ROI）的多尺度表示学习，在洛伦兹空间中编码跨脑区和不同空间尺度的解剖特征。两类嵌入通过自适应融合模块结合，模块为每个受试者生成尺度和偏移系数，动态调节并融合多模态特征，从而得到患者级别的表格‑图像表示用于痴呆检测。 在 OASIS‑3 数据集上的实验表明，HypTI 在准确率、召回率等指标上优于多种基线方法，验证了超曲率空间对多模态医学数据融合的有效性。
点评