佛罗里达大西洋大学研究人员开发深度学习模型检测并评估阿尔茨海默病与额颞叶痴呆
佛罗里达大西洋大学工程与计算机科学学院研究人员成功开发新型深度学习模型,通过分析脑电图信号中的时空脑活动模式实现阿尔茨海默病与额颞叶痴呆的精准检测及严重程度评估。该模型对痴呆症与认知正常者的区分准确率达90%以上,疾病严重程度预测相对误差分别低于35%和15.5%,创新性地将特征选择与两阶段设计结合使FTD与AD区分准确率提升至84%,为临床提供低成本无创实时诊断工具,通过融合卷积神经网络与注意力机制LSTM技术,首次在脑电图数据中揭示慢波δ节律作为关键生物标志物的区域特异性差异,有望推动痴呆症早期筛查与个性化干预发展。

