使用低密度EEG用于PPA和MCI的分类
Panteleimon Chriskos1,2, Kyriaki Neophytou1, Christos A Frantzidis2,3
1Department of Neurology, Johns Hopkins School of Medicine, Baltimore, MD, United States.
Frontiers in human neuroscience
|February 24, 2025
概括
低密度脑电图 (EEG) 成功地区分了健康的对照组 (HC),轻度认知障碍 (MCI) 和初级渐进性失言症 (PPA) 个体. 这种具有成本效益的方法为快速诊断神经系统疾病提供了一个有希望的途径.
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:
- 从临床上看,区分初级渐进性失言症 (PPA) 和轻度认知障碍 (MCI) 是重要的,但具有挑战性.
- 对神经系统疾病的有效和可访问的诊断工具的需求越来越大.
研究的目的:
- 调查使用低密度脑电图 (EEG) 来同时分类PPA,MCI和健康对照 (HC) 个体的可行性.
- 建立一个低成本和时间效率高的自动诊断方法.
主要方法:
- 从8名MCI,14名PPA和8名HC参与者收集了3分钟的8频道EEG记录.
- 应用了相对波纹 Entropy 方法来导出功能连接,图形理论指标和能量节奏.
- 利用k-最近邻近和支持向量机器分类器进行基于特征的分类.
主要成果:
- 在HC-MCI,HC-PPA和MCI-PPA对对比中实现了100%的个别分类准确性.
- 在三组分类 (HC-MCI-PPA) 中获得了77.78%的准确性.
结论:
- 证明了短,低密度EEG记录的潜力,用于准确的HC,MCI和PPA的自动分类.
- 突出了快速,低成本和准确诊断这些神经系统疾病的临床影响.
- 建议以后用更大的样本大小进行研究,以确认可通用性和临床适用性.
