在卷积神经网络中利用静态电脑学光谱功率来分类初级渐进性失言症
Christina Quinn1, Alex Craik2, Rachel Tessmer3,4
1Department of Communication Sciences and Disorders, University of Houston, 3871 Holman St, Houston, TX, 77204, USA.
Neuroimage. Reports
|March 31, 2025
概括
静止电脑图 (EEG) 在初级渐进性失语症 (PPA) 变体中显示出明显的功率光谱密度 (PSD) 模式. 这些EEG生物标志物对分类PPA亚型和帮助诊断有希望.
科学领域:
- 神经科学是一个神经科学.
- 生物标志物 生物标志物
- 神经学 神经学
背景情况:
- 初级渐进性失言症 (PPA) 涵盖了几个神经退行性语言障碍.
- 了解PPA变体的神经生理基础对于准确的诊断和治疗至关重要.
- 静止电脑图 (EEG) 提供了一种非侵入性方法来研究大脑活动.
研究的目的:
- 通过静态EEG研究PPA变体 (逻辑,语义,非流动) 的相对功率光谱密度 (PSD) 差异.
- 评估PSD作为卷积神经网络 (CNN) 在PPA分类中的输入的实用性.
- 将当前的发现与以前关于PPA神经生理学的研究进行比较.
主要方法:
- 从静止状态EEG (眼睛打开和关闭) 中对delta,theta,alpha和beta频段的相对PSD的分析.
- 在不同PPA变体和健康对照之间比较PSD模式.
- 卷积神经网络 (CNN) 的应用用于使用PSD数据进行PPA分类.
主要成果:
- 洛戈的PPA显示了增加的delta/theta和降低的β频段PSD,与振荡减速一致.
- 语义PPA显示了振荡式超速的证据,与之前的报道形成鲜明对比.
- 非流动的PPA显示了中间的光谱功率模式.
- 在区分PPA与对照组时,CNN取得了良好的表现 (F1=0.851),在四向分类时 (F1=0.586) 取得了适度的表现.
结论:
- 静止状态EEG衍生的PSD模式显示了PPA变体之间的明显差异.
- PSD分析具有作为PPA诊断和分类的神经生理学生物标志物的潜力.
- CNNs可以有效地利用EEG PSD数据来识别PPA,这需要进一步调查.
