工程师利用人工智能和脑电图脑波分析解码痴呆症类型
佛罗里达大西洋大学的研究团队开发出一种基于深度学习的创新模型,通过分析脑电图(EEG)数据,能够以超过90%的准确率区分阿尔茨海默病和额颞叶痴呆,并精准评估疾病严重程度。该研究发现慢速delta脑波在脑部额叶和中央区域是关键生物标志物,阿尔茨海默病导致更广泛的脑功能障碍,影响顶叶和颞叶等区域,而额颞叶痴呆的影响则相对局限。这一非侵入性、低成本的方法显著提升了诊断特异性,为临床医生提供实时疾病监测工具,有望革新痴呆症诊断流程,推动早期干预和个性化治疗,从而改善数百万患者的生活质量并降低医疗成本,标志着工程学、人工智能与神经科学交叉领域的重大突破。

