基于静息态脑电图的机器学习模型在阿尔茨海默病诊断中的研究进展.pdfVIP

基于静息态脑电图的机器学习模型在阿尔茨海默病

诊断中的研究进展

【摘要】阿尔茨海默病（AD）特征性病理改变通常早于临床症状十余年，且目前

尚无有效的根治手段，因此其早期诊断对延缓疾病进展至关重要。基于静息态脑

电图（rs-EEG）的机器学习模型，凭借rs-EEG无创、低成本、高时间分辨率等

优势以及机器学习强大的数据分析能力，正在AD早期诊断方面展现出广阔前景。

本文围绕基于rs-EEG的传统机器学习与深度学习在AD早期诊断中的研究进展

进行综述，并探讨融合rs-EEG、颅脑MRI与临床评估指标的多模态技术应用前

景，以期为临床上早期精准诊断AD提供参考。

【关键词】阿尔茨海默病；静息态脑电图；机器学习；深度学习；多模态融合

阿尔茨海默病（Alzheimersdisease，AD）是一种以进行性认知障碍为核

心表现的常见神经退行性疾病，主要病理特征为脑内淀粉样蛋白（amyloid-β，

Aβ）沉积形成老年斑、tau蛋白过度磷酸化形成神经原纤维缠结，最终导致突

触功能障碍和神经元丢失[1-2]。研究表明，AD特征性病理改变通常早于临床症

状数年甚至十余年，且目前尚无根治AD的有效方法，因此其早期诊断对延缓疾

病进展有至关重要的意义[3]。

静息态脑电图（