使用脑电图用于临床检查认知障碍的分类

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
• 人工智能的人工智能

背景情况:

• 认知障碍 (CI) 由神经元退化引起,并通过轻度,中度和重度阶段进展.
• 量化CI对于有效的治疗决策和管理至关重要.
• 现有的方法可能需要复杂的程序,对CI患者构成挑战.

研究的目的:

• 开发和验证一种使用电脑电图 (EEG) 信号量化认知障碍 (CI) 阶段的方法.
• 为了比较人工神经网络 (ANN) 和卷积神经网络 (CNN) 在分类CI阶段的性能.
• 为早期CI检测建立一种简单,非侵入性的方法.

主要方法:

• 从参与者那里获得了静止状态EEG信号.
• 非局部和局部同步测量是从相振幅合和相锁定值得出的,产生了160个特征.
• 两个分类网络,ANN和CNN,使用5倍交叉验证技术构建和评估.

主要成果:

• 该ANN的最大准确率达到了85.11%.
• 美国有线电视新闻网利用EEG特征的地形图像与更少的输入,实现了94.75%的平均准确性.
• 在分类CI阶段方面,CNN表现优于ANN.

结论:

• 提出的基于CNN的方法有效量化认知障碍的阶段,准确度高.
• 这种方法提供了一个简化的EEG获取流程,适合CI主题.
• 该方法显示了早期识别CI症状的潜力,对照组和试验组之间没有重叠.