多门复发率图:在阿尔茨海默病和前性痴呆症中进行EEG分析的新方法
Huang Zheng1, Xingliang Xiong2, Xuejun Zhang3,4
1School of Psychological and Cognitive Sciences, Peking University, Beijing 100871, China.
Brain sciences
|June 27, 2024
概括
这项研究引入了多值复发率图 (MTRRP) 来分析大脑活动. 在阿尔茨海默氏症中,MTRRP揭示了更高的复杂性复杂性.
科学领域:
- 神经科学是一个神经科学.
- 复杂系统分析 复杂系统分析
- 生物医学信号处理
背景情况:
- 神经退行性疾病如阿尔茨海默氏症 (AD) 和前性痴呆症 (FTD) 显著改变大脑活动动态.
- 分析EEG数据的现有方法可能无法完全捕捉与这些条件相关的复杂,非线性变化.
研究的目的:
- 引入多门复发率图 (MTRRP),一种用于分析复杂系统中的动态模式的新方法.
- 开发一个新的指标,复杂性复杂性,以量化时间序列数据中的结构复杂性.
- 将MTRRP应用于静止状态EEG数据,以区分神经退行性疾病和健康对照.
主要方法:
- 开发多门复发率图 (MTRRP) 来分析跨不同门的复发率.
- 引入的复杂性复杂性,由从MTRRP中得出的复杂度梯度和复杂度赫斯特计算.
- 将MTRRP应用于来自阿尔茨海默氏症 (AD) 患者,前性痴呆症 (FTD) 患者和健康对照者的静止状态EEG数据.
主要成果:
- 与对照组相比,在AD和FTD患者的部区域观察到明显更高的复杂性复杂性复杂性.
- 这种差异在Alpha和Beta频段中特别明显.
- 来自MTRRP的EEG特征通过使用支持向量机器实现了87.7%的分类准确性,并使用了留出一个漏洞的交叉验证.
结论:
- MTRRP是检测神经退行性疾病中独特的神经生理学模式的一个有价值的工具.
- 复杂性的复杂性为评估时间序列数据中的结构复杂性提供了一种新的方法.
- 这些发现支持MTRRP在推进医疗诊断和复杂系统分析研究方面的潜力.
