NeuroFormer: Un marco de aprendizaje profundo para la detección de la enfermedad de Alzheimer utilizando señales de...

Área de la Ciencia:

• La neurociencia
• Inteligencia artificial
• Diagnóstico médico

Sus antecedentes:

• La enfermedad de Alzheimer (AD) y la demencia frontotemporal (FTD) son trastornos neurodegenerativos con síntomas que se superponen, lo que complica el diagnóstico.
• El diagnóstico preciso y oportuno es fundamental para el tratamiento eficaz de la demencia y la planificación de la intervención.
• Los métodos de diagnóstico actuales se enfrentan a desafíos debido a la heterogeneidad de los síntomas y a mecanismos patológicos complejos.

Objetivo del estudio:

• Desarrollar una nueva arquitectura de aprendizaje profundo, NeuroFormer, para clasificar las señales EEG.
• Para diferenciar entre la enfermedad de Alzheimer (EA), la demencia frontotemporal (FTD) y los controles sanos (CN) mediante mediciones neurofisiológicas no invasivas.
• Establecer un marco de diagnóstico sólido para la detección temprana de la demencia.

Principales métodos:

• Propuso NeuroFormer, un modelo de aprendizaje profundo que integra el procesamiento espectral, la dinámica neuronal, el enrutamiento de la cápsula y los mecanismos de atención.
• Se utilizaron señales de EEG capturadas mediante instrumentos neurofisiológicos no invasivos.
• Empleó puertas espectrales dinámicas, convoluciones de gráficos y pirámides de características adaptativas de múltiples escalas para la extracción de características espaciotemporales.

Principales resultados:

• NeuroFormer logró una precisión de clasificación del 95,76% para AD, FTD y CN.
• El modelo superó significativamente a los modelos de referencia en todas las métricas de evaluación clave.
• Se ha demostrado la eficacia de la extracción de características espaciotemporales discriminatorias a partir de datos EEG sin procesar.

Conclusiones:

• NeuroFormer muestra un potencial significativo como un marco de diagnóstico basado en mediciones para la demencia.
• El modelo permite una clasificación temprana y precisa de los trastornos relacionados con la demencia utilizando la instrumentación EEG.
• Este enfoque ofrece un método no invasivo para distinguir entre AD, FTD y individuos sanos.