机器学习在基于EEG的痴呆症诊断中的应用:分类和差异诊断
Yixuan Huang1, ZhenYu Li2, Fangzhou Liu2
1Department of Neurology, State Key Laboratory of Complex Severe and Rare Disease, Peking Union Medical College Hospital, Chinese Academy of Medical Science and Peking Union Medical College, Beijing, China.
Journal of Alzheimer's disease : JAD
|July 28, 2025
概括
电脑电图 (EEG) 在识别阿尔茨海默氏症 (AD) 和监测痴呆阶段方面表现有前途. 机器学习模型有效地区分中度至重度痴呆症和认知正常的个体.
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
- 人工智能的人工智能
背景情况:
- 脑电图 (EEG) 是一种通过大脑活动模式检测阿尔茨海默病 (AD) 的非侵入性技术.
- 有限的研究存在于EEG与认知障碍严重程度的相关性.
研究的目的:
- 通过机器学习研究EEG在区分痴呆症水平和类型方面的潜力.
- 探索EEG在整个痴呆症频谱中的实用性.
主要方法:
- 在EEG数据上使用基于规则的表示学习的机器学习模型.
- 分析了431名参与者的数据:认知正常 (CU),轻度,中度和重度痴呆.
- 包括91名参与者的生物标志物结果 (77名AD,14名前性痴呆症).
主要成果:
- 成功区分了CU与中度至重度痴呆症 (AUC 0.8475).
- 从65岁以下的阿兹海默症患者中显著的CU (AUC 0.8170).
- 努力区分痴呆类型和轻度/中度阶段.
结论:
- 脑电图显示了早期AD识别和监测痴呆症各个阶段的潜力.
- 脑电图可以帮助诊断和跟踪认知衰退的严重程度和类型.
- 需要进一步的研究来完善EEG的区分痴呆症亚型和早期/轻度阶段的能力.


