使用低成本EEG耳机估计大脑年龄:对大规模查和大脑优化的有效性和影响

科学领域:

• 神经科学是一个神经科学.
• 人工智能的人工智能
• 生物技术是生物技术.

背景情况:

• 大脑衰老受病态,遗传,环境和生活方式因素的影响.
• 由于晚期的症状诊断,早期发现大脑衰老是具有挑战性的.
• 当前的诊断方法在症状出现时往往很困难或无效.

研究的目的:

• 开发一种具有成本效益和广泛适用的方法来评估与年龄有关的大脑健康和功能.
• 使用机器学习和静止电脑图 (RS-EEG) 来估计大脑年龄.
• 创建一个用于早期检测和监测大脑衰老的工具.

主要方法:

• 在健康个体的RS-EEG记录上训练了一种机器学习算法.
• 使用了低成本的EMOTIV EPOC X耳机来获取数据.
• 与健康参与者的独立测试组对模型进行了验证.

主要成果:

• 在时间和估计的大脑年龄之间达到0.582的相关系数 (偏差校正后r=0.963).
• 在一周内证明了0.750的测试-重新测试相关性 (偏差校正后的0.939).
• 该模型在从RS-EEG数据中估计大脑年龄方面表现强.

结论:

• 开发的基于RS-EEG的大脑年龄估计技术是评估大脑一般健康状况的有希望的工具.
• 低成本和易于实施表明,它有可能广泛用于临床,工作场所和家庭.
• 这种技术可以有效地监测干预措施对大脑健康的影响.