通过振幅转换改善基于EEG的阿尔茨海默病检测中的多尺度模糊透强度

科学领域:

• 生物医学信号处理
• 神经科学是一个神经科学.
• 医学诊断 医学诊断 医学诊断

背景情况:

• 多尺度模糊 (MFE) 对电脑电图 (EEG) 中的信号变化和参数选择敏感.
• 不一致的MFE结果阻碍其用于阿尔茨海默病 (AD) 检测.
• 脑电图分析对于理解AD中大脑变化至关重要.

研究的目的:

• 评估振幅转换在增强AD检测MFE方面的有效性.
• 提高对EEG数据的MFE分析的稳定性和可靠性.
• 将MFE推广为阿尔茨海默病的潜在诊断工具.

主要方法:

• 应用振幅转换预处理到EEG信号.
• 计算的MFE具有不同的嵌入维度 (m) 和相似性标准 (r).
• 进行统计和集群分析,以比较原始和转换数据.

主要成果:

• 振幅转换显著提高了MFE的AD检测能力.
• 通过振幅转换实现了平均73.2%的显著比较百分比.
• 集群分析显示,AD患者和健康受试者在转化后之间的差异化更好.

结论:

• 振幅转换稳定了基于EEG的AD检测的MFE性能.
• 这种预处理增强了MFE作为阿尔茨海默病诊断生物标志物的可靠性.
• 广度转换为更一致,更准确的AD诊断提供了一个有希望的方法.