基于通过多尺度模糊 entropy 的大脑复杂性分析来检测阿尔茨海默病的新型指标

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
• 医学诊断 医学诊断 医学诊断

背景情况:

• 阿尔茨海默病 (AD) 是一种神经退行性疾病,影响记忆和认知.
• 目前用于AD的诊断方法,如神经成像和认知测试,具有包括成本,侵入性和主观性在内的局限性.
• 电脑电图 (EEG) 为评估大脑活动提供了一种非侵入性,低成本,高时间分辨率的替代方案.

研究的目的:

• 引入一种新的度量,多尺度模糊 (MFE),用于客观地使用EEG检测阿尔茨海默氏病.
• 开发和验证基于EEG的算法,用于评估AD特征的大脑复杂性异常.
• 为临床医生提供一个具有成本效益的工具,以帮助早期的AD干预和患者护理.

主要方法:

• 在不同频段使用MFE对35名健康受试者 (HS) 和35名AD患者进行了脑模式的研究.
• 开发了基于MFE值的检测算法,以识别AD相关的大脑复杂性异常.
• 在24个EEG测试记录上验证了基于MFE的算法.

主要成果:

• 基于MFE的方法在区分HS和AD患者时取得了83%的准确性.
• 该算法显示诊断概率比为25和马修斯相关系数为0.67.
• 该方法显示了在轻度认知障碍 (MCI) 的受试者中识别大脑复杂性异常的潜力.

结论:

• 对EEG信号的多尺度模糊 (MFE) 分析是诊断阿尔茨海默病的可行方法.
• 开发的基于MFE的算法为AD检测提供了一个客观且具有成本效益的工具.
• 需要进一步的研究来探索该算法的识别MCI及其更广泛的临床应用的潜力.