从EEG信号中自动检测阿尔茨海默病,使用改进的AFS-GA混合算法
Ruofan Wang1, Qiguang He1, Lianshuan Shi1
1School of Information Technology Engineering, Tianjin University of Technology and Education, Tianjin, 300350 China.
Cognitive neurodynamics
|November 18, 2024
概括
这项研究引入了一种新的混合人工智能模型 (IAFS-GA),用于使用EEG信号检测阿尔茨海默病. 该模型有效地选择最佳的大脑通道,在识别AD患者方面实现高准确性.
科学领域:
- 神经科学是一个神经科学.
- 人工智能的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 阿尔茨海默病 (AD) 是一种进展性神经退行性疾病,具有微妙的早期症状.
- 脑电图 (EEG) 是阿尔茨海默病检测的关键工具,但确切的诊断是具有挑战性的.
- 早期干预对于管理认知衰退和AD进展至关重要.
研究的目的:
- 开发一种混合人工智能模型 (IAFS-GA) 以在AD检测中进行最佳EEG通道选择.
- 提高使用EEG信号诊断阿尔茨海默病的准确性和效率.
- 探索第二阶差异图 (SODP) 和分析对AD相关EEG特征的实用性.
主要方法:
- 使用SODP和分析从ADEEG信号中提取几何和复杂性特征.
- 应用Pearson相关性和Relief算法用于特征排名和融合.
- 开发并实施混合改进的人工鱼群算法 (IAFS) 和遗传算法 (GA) 进行最佳道选择.
- 利用一个天真的贝叶斯分类器来识别AD患者.
主要成果:
- 对于AD检测,IAFS-GA模型实现了93.53%的分类准确度.
- 报告了高性能指标:98.74%的灵敏度,98.25%的特异性和97.82%的AUC.
- 该研究证明了混合算法和SODP特征在基于EEG的AD诊断中的有效性.
结论:
- IAFS-GA框架有效地确定了用于AD检测的最佳EEG通道.
- 这种方法为快速和准确的阿尔茨海默病诊断提供了一个有希望的工具.
- 这些发现有助于减少误诊率,并促进对神经系统疾病的理解.
