基于虚拟现实的双模数据驱动的轻度认知障碍评估使用MCIformer
Yanjie Zhang1, Yang Pan2, Shanshan Feng3
1Department of Aeronautical and Aviation Engineering, The Hong Kong Polytechnic University, 999077, Hong Kong Special Administrative Region.
Computer methods and programs in biomedicine
|March 13, 2026
概括
这项研究引入了一种新的虚拟现实 (VR) 评估,通过结合运动数据和大脑活动来早期检测轻度认知障碍 (MCI). 双模态方法显著提高了认知衰退的诊断准确度.
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:
- 轻度认知障碍 (MCI) 评估对于早期对抗阿尔茨海默病 (AD) 的干预至关重要.
- 虚拟现实 (VR) 提供了引人入胜和生态有效的认知评估.
- 现有的VR方法往往忽略了认知衰退的微妙运动和神经指标.
研究的目的:
- 开发一种双模,数据驱动的VR评估,整合动力学和功能近红外光谱 (fNIRS) 数据用于MCI检测.
- 为了捕捉微妙的运动缺陷和神经连接的变化,表明早期的认知障碍.
- 提高MCI评估工具的准确性和全面性.
主要方法:
- 开发了一个VR系统,从健康和MCI参与者收集同步的动力学和fNIRS数据.
- 从运动轨迹中提取动力学特征 (光滑,协调,稳定性).
- 分析了fNIRS数据,以表示功能性大脑网络和区域间连接.
- 拟议的MCIformer,一种使用变压器用于动态序列和图形变压器用于fNIRS网络的双模融合模型.
主要成果:
- 双模系统在MCI分类中实现了90%的准确性.
- 这显著优于仅使用动力学数据 (80%) 或fNIRS数据 (85%) 的模型.
- 运动模式和大脑连接的整合通过提供补充信息来增强分类.
结论:
- 基于VR的双模式方法显示了在社区环境中准确,可扩展的MCI早期诊断的潜力.
- 这种方法支持用于认知健康的先进大脑行为监测系统的开发.
- 这些发现突显了整合各种数据模式以进行强大的认知评估的价值.
