双曲几何已成功应用于具有一般拓扑结构的大脑皮层和皮层下表面建模。然而，与其他基于表面的大脑形态分析方法类似，此类方法通常会生成高维特征。这限制了它们在认知衰退预测研究中的统计能力，尤其是在受试者数量有限的数据集中。为了解决上述限制，我们提出了一种称为双曲随机编码 (HSC) 的新框架。我们首先通过将一般拓扑表面映射到具有一致边界条件的规范双曲参数空间来计算它们之间的差分映射，并提取临界形状特征。其次，在双曲参数空间中，我们引入了一种具有广度优先搜索方法的最远点采样以获得环形斑块。第三，采用随机坐标编码和最大池算法进行特征降维。我们通过在两个用于阿尔茨海默病 (AD) 进展研究的脑成像数据集上将其分类准确率与其他一些方法进行比较，进一步验证了所提出的系统。我们的初步实验结果表明，我们的算法在