基于被动FPVS-EEG BCI和机器学习的老年人认知功能障碍早期检测——扩展版
神经元与认知
2025-04-16 v1 人机交互
机器学习
摘要
早期痴呆诊断需要对结构性和功能性脑变化都敏感的生物标志物。虽然结构性神经影像生物标志物已取得显著进展，但针对早期认知衰退的客观功能生物标志物仍是一个关键未满足的需求。当前认知评估通常依赖行为反应，易受努力程度、练习效应和教育背景等因素影响，从而阻碍了早期和准确的检测。本文提出了一种新方法，利用轻量级卷积神经网络（CNN）直接从脑电图（EEG）数据推断认知功能障碍水平。该方法采用被动式快速周期视觉刺激（FPVS）范式，无需明确的行为反应或任务理解，即可实现客观的工作记忆功能测量，独立于主动认知任务中固有的混杂因素，为早期和无偏见地检测认知衰退提供了新的可行途径。
引用
@article{arxiv.2504.10973,
title = {Early Detection of Cognitive Impairment in Elderly using a Passive FPVS-EEG BCI and Machine Learning -- Extended Version},
author = {Tomasz M. Rutkowski and Stanisław Narębski and Mihoko Otake-Matsuura and Tomasz Komendziński},
journal= {arXiv preprint arXiv:2504.10973},
year = {2025}
}
备注
4 pages, 4 figures, exteded version of an abstract accepted for a poster presentation at the 47th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC2025), Copenhagen, Denmark, July 14-17, 2025