适应时空编码网络用于使用静止状态EEG进行认知评估

科学领域:

• 神经科学是一个神经科学.
• 医疗技术 医疗技术 医学技术

背景情况:

• 认知障碍,以神经退行性损伤为特征,导致认知功能下降.
• 目前临床认知评估缺乏客观性,精确性和方便性.
• 早期发现和进度评估对于管理认知衰退至关重要.

研究的目的:

• 开发和验证一种客观,准确和方便的认知评估方法.
• 利用静止电脑图 (EEG) 数据用于认知功能评估.
• 改善认知障碍和痴呆症的早期检测和监测.

主要方法:

• 收集了743名参与者 (健康,轻度认知障碍 (MCI) 和痴呆症) 的静止状态EEG数据和认知等级得分.
• 开发了一个基于静止状态EEG数据的自适应时空编码框架.
• 验证了模型在神经反和跨磁刺激 (TMS) 数据集上的表现.

主要成果:

• 开发的EEG框架在测试中实现了3.12%的平均绝对误差 (MAE).
• 该模型在认知评估中表现出高灵敏度 (0.97) 和特异性 (0.97).
• 对外部数据集的验证证实了该模型在反映认知变化的有效性.

结论:

• 适应时空编码框架有效地从静止状态EEG中提取相关模式.
• 这种新的方法为认知疾病的诊断和评估提供了一个有前途的工具.
• 该方法显示了在各种临床和研究场景中应用的潜力.