在轻度认知障碍和阿尔茨海默病中对EEG连接模式的强有力的评估

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
• 医疗成像医学成像

背景情况:

• 在全球范围内,包括阿尔茨海默氏症 (AD) 在内的痴呆症的患病率正在增加.
• 脑电图 (EEG) 提供了一个低成本的,便携式脑成像解决方案,用于广泛的AD查,特别是在服务不足的地区.
• 脑电图分析的挑战包括噪声和体积传导,需要先进的信号处理技术.

研究的目的:

• 调查基于EEG的功能连接网络在区分健康对照,轻度认知障碍 (MCI) 和早期家族AD之间的实用性.
• 应用自向量对齐 (EA) 来分析来自EEG的连贯性 (iCOH) 网络的虚构部分的拓差异.
• 评估EA作为检测神经退行变化的措施的稳定性和一致性.

主要方法:

• 从从事工作记忆任务的受试者获得了EEG记录,包括健康的对照者,零星的MCI和prodromal家族AD.
• 功能连接网络是使用连贯性的虚构部分 (iCOH) 来构建的,以减轻体积传导效应.
• 用自身向量对齐 (EA) 来量化EEG通道连接模式之间的拓相似性,在各种频段 (delta,theta,alpha,beta) 中进行分析.

主要成果:

• 对于工作记忆任务,在不同频率范围内始终观察到显著的自身向量对齐.
• 高密度EEG显示了对照组和零星MCI组之间的明显对齐模式,对照组显示出更大的一致性.
• 固有向量对齐 (EA) 显示了零星MCI和前期家族AD之间的网络拓学的显著差异,超过了其他连接性测量.

结论:

• 自向量对齐 (EA) 提供了一种可靠的方法来检测EEG功能连接网络的拓差异.
• EA在各频段的一致性提高了对其识别神经退行变化的能力的信心.
• 这种方法对开发可靠的基于EEG的早期阿尔茨海默氏症诊断测试具有显著的前景.