关于使用野外EEG检测MCI的挑战
信号处理
2025-01-31 v1 机器学习
摘要
最近的研究表明，使用易于获取的脑电图(EEG)数据检测轻度认知障碍(MCI)正在取得有前景的成果，这将有助于为痴呆患者提供及时且有效的治疗。然而，这类系统的可靠性和实际应用性尚不明确。本文中，我们研究了开发基于EEG的稳健MCI检测方法的潜在局限性和挑战，方法是使用两种截然不同的数据集：1) CAUEEG，该数据集由专家神经科学家在受控环境下收集和标注;2)GENEEG，该数据集是在一般实践诊所收集和标注的新数据集，通常是在进行常规MCI诊断的环境中。我们发现，大多数以往工作所采用的数据集较小，倾向于产生高方差模型，进行过于自信的预测，在实际应用中不可靠。此外，数据集之间的分布迁移使得跨域泛化具有挑战性。最后，我们表明，由于特征分布与对照组的重叠性，基于EEG的MCI检测可能面临根本性的局限。我们呼吁在可操作的环境(如一般实践诊所)中更努力地收集高质量数据，以推动这一重要目标的非侵入性MCI检测取得进展。
引用
@article{arxiv.2501.17871,
title = {On the challenges of detecting MCI using EEG in the wild},
author = {Aayush Mishra and David Joffe and Sankara Surendra Telidevara and David S Oakley and Anqi Liu},
journal= {arXiv preprint arXiv:2501.17871},
year = {2025}
}
备注
10 pages