通过时空EEG模式解码衰老和认知功能:介绍基于时空信息的相似性分析
Wang Wan1,2, Zhilin Gao1, Zhongze Gu1
1State Key Laboratory of Digital Medical Engineering, School of Biological Science and Medical Engineering, Southeast University, Nanjing 210096, China.
Chaos (Woodbury, N.Y.)
|November 8, 2024
概括
本研究介绍了基于空间时间信息的相似性 (STIBS) 分析,用于脑电图 (EEG) 数据. 通过揭示年轻,认知健康个体的复杂,非随机的大脑模式,STIBS有效地区分了衰老和认知功能.
科学领域:
- 神经科学是一个神经科学.
- 认知科学 认知科学
- 生物物理学的生物物理.
背景情况:
- 分析高维脑电图 (EEG) 时间序列对于理解大脑衰老和认知功能至关重要.
- 基于距离的传统方法在EEG数据中面临复杂的时空动态挑战.
研究的目的:
- 开发一种创新的方法,即基于时空信息的相似性 (STIBS) 分析,用于表征多通道EEG数据.
- 探索与衰老和认知表现相关的大脑活动的时空模式.
主要方法:
- 状态空间压缩使用全球场功率的多通道EEG.
- 基于信息的相似性分析,以量化对对差异和时空模式的非随机性.
- 扩展到大脑区域的对抗性STIBS (bra-STIBS) 和在XGBoost模型中的应用.
主要成果:
- 根据模式的复杂性和随机性,STIBS有效地区分年轻人和老年人.
- 衰老和认知衰退与更随机的时空模式相关.
- 基于STIBS的XGBoost模型在识别衰老 (93.05%) 和认知功能 (例如注意力74.29%) 中取得了高准确性.
结论:
- STIBS分析为研究与衰老相关的神经生物学变化提供了一个新的工具.
- 该方法提供了对大脑非线性时空动态及其与认知的联系的见解.
- STIBS显示出作为认知状态和衰老的生物标志物的潜力.
