在阿尔茨海默病中对参数声化EEG信号的听觉歧视

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
• 听觉感知是一种听觉感知.

背景情况:

• 阿尔茨海默病 (AD) 诊断需要可访问的,非侵入性的生物标志物,特别是在专业专业知识有限的地方.
• 声化将神经生理数据转化为声音,为信息传输提供了一条新的感觉途径.
• 目前的阿尔茨海默病诊断方法在不同的临床环境中往往缺乏可访问性.

研究的目的:

• 评估未经训练的人类听众是否可以使用电脑电图 (EEG) 数据区分阿尔茨海默病 (AD) 患者和健康对照组.
• 评估听觉感知作为分析复杂神经生理模式的方法的潜力.
• 探索 sonification 作为一个可访问的生物标志物用于早期AD检测.

主要方法:

• 分析了来自65名参与者的EEG数据 (36名AD,29名对照者),使用光谱分析提取频段功率和光谱.
• 通过参数映射,提取的特征被声化,从而创建了EEG模式的听觉表示.
• 没有EEG经验的8名评估人员盲目分类了参与者,仅仅基于通过网络接口听取 sonified 数据.

主要成果:

• 听众的平均分类准确率为76.12%,明显高于机会 (p = 0.001).
• 听众之间准确度的变化表明对特定听觉线索的持续感知.
• 结果表明, sonified EEG 数据包含了用于AD检测的歧视性信息.

结论:

• 参数EEG声化有效地保留了对阿尔茨海默病有区别的神经生理信息.
• 音频化EEG的审计评估使得AD患者和对照人群之间有机会区分.
• 声化为可访问的神经退行性疾病评估和潜在的诊断工具开发提供了一种可行的,互补的方法.