探索可解释深度学习在脑电图认知衰退预测中的应用潜力
本研究开发了两种基于自注意力机制的新型深度学习算法,用于分析静息状态脑电图数据预测认知衰退。模型在轻度认知障碍分类任务中取得突破性进展,测试准确率较传统CNN提升8.5%-10%,同时参数量显著减少。研究首次成功实现对健康受试者基于认知评分的分类(准确率56.08%),揭示beta频段频率(13-30Hz)在早期认知缺陷中的关键作用,为阿尔茨海默病早期诊断提供新生物标志物线索,并通过模型可解释性验证了人工智能在医疗应用中的可靠性,为临床前干预开辟了新途径。

