探索与任务相关的EEG用于跨主体预测中年成人早期阿尔茨海默病易感性,使用多步光谱分析

科学领域:

• 神经科学是一个神经科学.
• 生物医学工程 生物医学工程

背景情况:

• 早期预测阿尔茨海默病 (AD) 风险至关重要,但具有挑战性.
• 静止电脑电图 (EEG) 对准确的风险评估有局限性.

研究的目的:

• 调查使用任务状态EEG信号用于改进阿尔茨海默病风险检测的可行性.
• 为了确定特定的EEG特征和任务,预测AD风险.

主要方法:

• 在多源干扰任务 (MSIT) 和斯特恩伯格记忆任务 (STMT) 中收集的EEG数据.
• 使用多步法提取的时间频率特征和应用的维度缩小.
• 选择了子空间特征 (F24,F216),并使用TFAAT和PBTST进行了分析.

主要成果:

• 使用TFAAT功能集的MSIT任务使用支持矢量机 (SVM) 实现了58%的ROC AUC.
• 使用PBTST功能集的STMT任务显示了使用后勤回归的分类能力.
• 前额前β频段功率频谱成为潜在的AD风险标志物.

结论:

• 任务状态EEG信号显示出优越的分类潜力,超过休息状态EEG用于AD风险预测.
• 特定的认知任务和EEG特征可以提高早期检测的准确性.
• 这些发现支持开发用于阿尔茨海默病的基于EEG的新生物标志物.