面向 EEG 脑疾病诊断与 MMSE 预测的任务导向时空扩散增强网络
机器学习
2026-04-28 v1 人工智能
摘要
脑疾病患者通常表现为认知功能受损，这常通过精神状态检查（MMSE）进行评估。同时，其神经生理异常在脑电图（EEG）中得到体现，为联合建模提供了依据。然而，传统的多任务方法存在特征交织问题，导致在处理异构目标时出现任务间干扰。为解决此挑战，本文提出了用于 EEG 脑疾病诊断与 MMSE 预测的任务导向时空网络（TGSN）并采用扩散增强。具体而言，TGSN 集成多带特征融合模块以捕获 EEG 的互补谱信息。同时，引入利用扩散过程的预训练数据增强模块以增加样本多样性。为建模 EEG 的复杂时空模式，本文提出了门控时空注意力模块，以捕获远程空间依赖性和时间动态。此外，设计了任务导向查询模块以实现任务特定特征提取，从而减轻任务干扰。在 XY02 数据集上评估了 TGSN 的有效性。实验结果表明，所提网络在多种最先进方法中均表现优异，阿尔兹海斯病（AD）/前额时达性痴呆（FTD）分类准确率达 97.78%，AD/FTD/血管性认知功能障碍（VCI）分类准确率达 83.93%，分别比最佳基线提高了 16.39% 和 8.28%。同时，将 MMSE 预测的均方根误差降低至 1.93 和 2.38，分别比最佳基线降低了 1.44 和 1.43。此外，在 DS004504 数据集上的验证表明其具有强大的跨数据集泛化能力。
关键词
引用
@article{arxiv.2604.23964,
title = {Task-guided Spatiotemporal Network with Diffusion Augmentation for EEG-based Dementia Diagnosis and MMSE Prediction},
author = {Xiaoyu Zheng and Xu Tian and Bin Jiao and Kunbo Cui and Hanhe Lin and Lu Shen and Jin Liu},
journal= {arXiv preprint arXiv:2604.23964},
year = {2026}
}