在老年人中,轻度认知障碍预测和认知得分回归使用EEG拓数据分析和机器学习,在情感回忆范式中评估意识
Tomasz M Rutkowski1,2,3, Tomasz Komendziński3, Mihoko Otake-Matsuura1
1RIKEN Center for Advanced Intelligence Project, Tokyo, Japan.
Frontiers in aging neuroscience
|January 19, 2024
概括
这项研究确定了脑电图 (EEG) 生物标志物,以检测健康老年人中轻度认知障碍 (MCI) 的早期迹象,并可能使用拓数据分析预测痴呆风险.
科学领域:
- 神经科学是一个神经科学.
- 机器学习 机器学习
- 生物标志物发现发现
背景情况:
- 轻度认知障碍 (MCI) 是痴呆症的早期阶段.
- 情感回忆刺激可以帮助开发基于EEG的生物标志物来检测MCI.
研究的目的:
- 评估工作记忆并确定健康神经科学中的EEG生物标志物.
- 使用EEG预测健康老年人中MCI的早期迹象.
- 要区分健康的认知衰老和MCI.
主要方法:
- 拓数据分析 (TDA) 用于多变量EEG数据进行特征提取.
- 无监督集群和机器学习 (随机森林) 用于分类和回归.
- 在令人情感回忆的摄影环境中进行EEG实验.
主要成果:
- 成功实施了TDA特征提取和MCI分类.
- 集群,UMAP和随机森林准确地预测了MCI阶段和蒙特利尔认知评估 (MoCA) 成绩.
- 脑电图和室内摄影区分了健康衰老和MCI.
结论:
- 这项研究表明了TDA和EEG在MCI检测方面的潜力.
- 限制包括一个小的,不平衡的样本大小.
- 未来的研究需要更大的,平衡的,跨文化研究.
