换一批基于机器学习的脑电图标志物对轻度认知障碍患者的早期筛查研究
Early screening of machine learrung-based EEG markers in patients with MCI
摘要目的 评估脑电图的功能连接和功率谱密度指标与机器学习方法相结合提取的电生理数据是否能为轻度认知障碍(mild cognitive impairment,MCI)的筛查提供一种客观指标.方法 选取2022年11月至2024年2月就诊于北京市昌平区医院门诊和病房的27例MCI患者为观察组,22例认知功能正常者为对照组.两组均接受全面的神经心理测评,包括简易智力状态检查量表(MMSE)、蒙特利尔认知评估量表(MoCA)、临床痴呆评定量表等.同时期采用Neuroscan 21通道脑电采集系统记录脑电数据.同时计算相位锁定值(PLV)、加权相位滞后指数(weighted phase lag index,wPLI)和计算功率谱密度(PSD),并使用支持向量机(SVM)进行分类,同时计算ROC曲线和计算ROC曲线下面积(AUC).结果 使用SVM对两组的PLV进行分类,AUC最高出现在α1频段和α2频段,分别为0.861和0.872.wPLI的AUC最高出现在α2频段和β1频段,分别为0.858和0.826.PSD的AUC最高出现在8频段和β2频段,分别为0.846和0.883.结论 基于机器学习的EEG可以对MCI患者进行区分,并具有很好的精确度.
更多相关知识
栏目名称
DOI
10.3969/j.issn.1672-2671.2025.01.003
发布时间
2025-04-28（万方平台首次上网日期，不代表论文的发表时间）
基金项目
:北京市卫生健康科技成果
适宜技术推广项目（BHTPP2022088）
- 浏览15
- 被引0
- 下载10
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
