探索阿尔茨海默病和额颞叶痴呆中的脑网络组织：交叉图转移熵方法
信号处理
2024-09-26 v1
摘要
痴呆症对我们老龄化社会构成了日益严峻的挑战。额颞叶痴呆 (FTD) 和阿尔茨海默病 (AD) 是早发性痴呆的主要原因。FTD 和 AD 在发病、进展和治疗反应方面表现出独特的特征。特别是，FTD 往往面临漫长的诊断过程，并且由于症状重叠常被误诊为 AD。本研究利用静息态 EEG 记录的脑电活动复杂网络模型来解决误诊问题。它比较了 AD 和 FTD 之间的网络组织，突出了连接性差异，并检查了不同频段 EEG 信号在区分 AD 和 FTD 中的重要性。分析使用了公开可用的 EEG 数据集，包含 36 名 AD 患者和 23 名 FTD 患者。采用交叉图转移熵 (CPTE) 来测量 EEG 信号之间的同步性并构建连接矩阵。CPTE 在参数设置、计算效率和鲁棒性方面具有优势。分析显示两组之间的聚类系数 (CC)、子图中心性 (SC) 和特征向量中心性 (EC) 存在显著差异。由于神经退行性变较低，FTD 表现出更高的连接性，特别是在 delta、theta 和 gamma 频段。基于 CPTE 的网络参数有效区分了两组，准确率为 87.58%，其中 gamma 频段的准确率最高，达到 92.87%。因此，基于 CPTE 的 AD 和 FTD 患者 EEG 数据复杂网络分析揭示了脑网络组织的显著差异。该方法显示出识别独特特征的潜力，并为各种形式痴呆症的潜在病理生理过程提供了见解，从而有助于准确诊断和治疗。
引用
@article{arxiv.2409.16823,
title = {Exploring Brain Network Organization in Alzheimer Disease and Frontotemporal Dementia: A Crossplot Transition Entropy Approach},
author = {Shivani Ranjan and Lalan Kumar},
journal= {arXiv preprint arXiv:2409.16823},
year = {2024}
}