在视觉反增益条件下的EEG微态特征在识别早期帕金森病患者时表现出高灵敏度
Zhixian Gao1,2,3, Shiyang Lv4, Xiangying Ran5
1School of Medical Engineering, Xinxiang Medical University, Xinxiang, People's Republic of China.
Journal of neuroengineering and rehabilitation
|January 20, 2026
概括
脑电图 (EEG) 微态分析显示了对早期发现帕金森病 (PD) 的前途. 这种方法准确地识别了早期PD患者,在运动认知任务期间使用大脑网络动态,提供了潜在的客观诊断生物标志物.
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
- 医学诊断 医学诊断 医学诊断
背景情况:
- 早期帕金森病 (PD) 诊断是具有挑战性的,原因是细微的症状和依赖主观的临床评估.
- 当前的诊断方法往往会在晚期确认PD,强调需要客观的早期生物标志物.
- 确定可量化的生物标志物对于及时干预和改善患者结果至关重要.
研究的目的:
- 研究电脑电图 (EEG) 微态参数作为帕金森病 (PD) 早期检测的客观生物标志物的潜力.
- 评估EEG微态参数的分类性能,握力和它们的融合,以区分早期PD患者与健康对照.
- 评估视觉反获取条件对大脑网络动态的影响及其在早期PD的诊断实用性.
主要方法:
- 在不同的视觉反收益下,招募了20名早期PD患者和18名健康对照人进行视觉引导的运动认知 (VMC) 任务.
- 同时记录脑电图 (EEG) 和握力数据.
- 应用了EEG微态分析来提取时间动态参数和计算的握力参数 (RMSE,CV).
- 开发和评估机器学习模型,使用EEG微态,握力和多式联络特征进行分类.
主要成果:
- 早期的PD患者在休息状态下与对照人群相比显示了改变的EEG微状态模式 (增加微状态A的发生/覆盖,减少微状态B的覆盖).
- 在VMC任务期间观察到微状态参数 (B,A,C) 的显著差异,随视觉反收益而变化.
- 在所有增强条件下,PD患者的握力表现较差.
- EEG微态参数模型,特别是在高视觉反增益下,达到高达100%的分类准确性,优于握力和多式模式模型.
结论:
- 脑电图微态分析揭示了早期PD患者在休息状态和VMC任务期间异常的大脑网络动态.
- 从VMC任务中获得的EEG微态参数模型显示了早期PD诊断的高灵敏度.
- 脑电图微态参数显示出作为PD早期检测的客观生物标志物的巨大潜力,特别是在特定任务条件下.
