相关实验视频
Updated: Jan 17, 2026
07:37
Assessment and Communication for People with Disorders of Consciousness
Published on: August 1, 2017
9.6K
基于EEG时间和光谱特征的意识障碍的客观评估
Wanqing Dong1, Yi Yang2, Tong Wu1
1School of Integrated Circuits and Electronics, Beijing Institute of Technology, Beijing 100081, P. R. China.
International journal of neural systems
|September 23, 2025
概括
这项研究确定了关键的EEG生物标志物,并比较了机器学习和深度学习模型,用于评估意识障碍 (DOC) 患者的意识,从而提高诊断准确性.
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
- 计算神经科学是一种神经科学.
背景情况:
- 在有意识障碍 (DOC) 的患者中评估意识是具有挑战性的.
- 现有的研究主要使用静止状态EEG,但任务状态EEG提供了更丰富的数据.
- 听觉范式显示出对DOC的床边检测有希望.
研究的目的:
- 为了确定有效的EEG生物标志物用于DOC患者的意识评估,使用一个听觉奇怪的范式.
- 系统地比较各种机器学习 (ML) 和深度学习 (DL) 分类器的性能,以分类DOC状态.
- 开发一个改进的分类模型,以提高诊断准确度.
主要方法:
- 在听觉奇怪范式中,从最小意识状态 (MCS),植物状态 (VS) 患者和健康对照 (HC) 收集了EEG数据.
- 在时间频率领域,连接性和非线性动态中确定了生物标志物.
- 将ML (SVM,LDA,RF,XGBoost,DT) 和DL (EEGNet,ShallowConvNet) 分类器进行比较,并开发了一个集成模型.
主要成果:
- 在MCS和VS患者中,N100和MMN的幅度低于HC.
- 与MCS和HC相比,VS患者表现出更高的Delta功率和更低的α/β功率.
- ShallowConvNet实现了最佳的个人分类性能;合奏模型进一步提高了准确性.
- N100,MMN,Delta,Alpha和Beta功率被确定为重要的生物标志物.
结论:
- 使用听觉奇怪范式的任务状态EEG分析可以有效地区分意识状态.
- 特定的EEG特征 (N100,MMN,Delta,Alpha,Beta功率) 是重要的生物标志物.
- 先进的ML和DL模型,特别是组合方法,显著提高了DOC意识评估的准确性.
