休息状态EEG功能连接性用于脑功能分析和阻塞性睡眠呼吸暂停的严重程度分类

科学领域:

• 神经科学是一个神经科学.
• 睡眠医学 睡眠医学
• 生物医学工程 生物医学工程

背景情况:

• 阻塞性睡眠呼吸暂停 (OSA) 是全球普遍存在的睡眠障碍,显著影响大脑功能.
• 静止电脑图 (EEG) 为研究大脑活动提供了一种可行,经济有效和高时间分辨率的方法.
• 了解OSA的神经效应对于开发有效的诊断和治疗策略至关重要.

研究的目的:

• 调查休息状态EEG功能连接 (FC) 与OSA严重性相关的变化.
• 探索FC指标作为OSA严重程度分类的生物标志物的潜力.
• 开发和验证机器学习模型,用于使用EEG衍生功能的OSA严重性预测.

主要方法:

• 一大群968名参与者接受了夜间多睡眠学 (PSG) 和15分钟的休息状态脑电图采集.
• 参与者被分为健康对照组和轻度,中度和重度OSA组,基于呼吸暂停-呼吸暂停指数 (AHI).
• 静态EEGFC使用相关性,连贯性,PLV和PLI进行计算,随后进行图形理论分析和机器学习模型的多变量特征选择.

主要成果:

• 观察到增加的FC与更高的OSA严重程度,表明神经补偿,以及特定大脑区域的区域性下降.
• 图形理论分析表明,OSA患者的大脑网络中的中心性降低和拓重组.
• 机器学习模型,特别是基于Corr的XGBoost模型,在使用选定的FC特征来分类OSA严重程度时,实现了高精度 (0.79) 和AUC (0.90).

结论:

• 静止状态EEGFC显示与OSA严重程度相关的大脑功能的显著改变.
• 来自EEG的FC指标是OSA严重程度分类的有希望的非侵入性,无任务和可解释的工具.
• 这种方法有助于准确评估OSA的严重程度,而不会干扰自然的睡眠模式.