使用静止状态EEG检测和预测轻度认知障碍的新方法
Jinxian Deng1, Boxin Sun1, Voyko Kavcic2,3
1Department of Electrical and Computer Engineering, Michigan State University, East Lansing, Michigan, USA.
概括
这项研究表明,静止状态脑电图 (EEG) 可以准确地检测轻度认知障碍 (MCI) 并预测其进展. 开发的模型为早期识别认知衰退提供了可靠的工具.
科学领域:
- 神经科学是一个神经科学.
- 生物医学工程 生物医学工程
- 老年学是一门学科.
背景情况:
- 早期发现认知衰退对于理解神经退行性疾病和制定干预措施至关重要.
- 居住在社区的老年人是研究认知性和认知衰退的关键人群.
- 像阿尔茨海默氏症这样的神经退行性疾病通常最初表现为微妙的认知变化.
研究的目的:
- 开发和验证一种用于早期歧视和预测轻度认知障碍 (MCI) 的新方法.
- 评估静止电脑图 (EEG) 在识别患有MCI的个人的实用性.
- 探索基于EEG分析的潜力,以预测认知衰退的进展.
主要方法:
- 利用了137名美国黑人 (年龄在60-90岁) 的静止电脑图 (EEG) 数据.
- 包括84名健康对照 (HC) 和53名轻度认知障碍 (MCI) 患者.
- 应用多尺度分析到时间变化的大脑功能连接,并开发了一个软歧视模型.
主要成果:
- 在区分健康对照和MCI方面取得了很高的准确性:91.97% (离开一次) 和91.17% (3倍).
- 在一个子集中,在9-18个月内,对认知衰退进展的预测准确度为84.61%.
- 该模型与歧视结果一起提供基于连接的得分.
结论:
- 基于EEG的软歧视模型对于检测MCI具有高度敏感性和可靠性.
- 这种方法有望在明显症状出现之前主动识别患有MCI风险的个体.
- 脑电图分析为早期认知衰退的评估和预测提供了一个有价值的,非侵入性的工具.
