瑞典厄勒布鲁大学的研究人员成功开发出两种新型人工智能模型，能够有效区分健康个体与痴呆症患者（包括阿尔茨海默病患者）。这些模型通过分析大脑电活动来解读用于诊断目的的脑电图（EEG）信号。
在一项题为《基于脑电图的阿尔茨海默病与额颞叶痴呆可解释高效深度学习诊断框架》的研究中，研究团队结合时序卷积网络与长短期记忆网络（LSTM）分析脑电信号。该方法可区分阿尔茨海默病、额颞叶痴呆及健康个体，诊断准确率超过80%。此外，研究人员采用可解释性人工智能技术，明确标识出影响诊断结果的脑电信号关键部分。
厄勒布鲁大学信息学研究员穆罕默德·哈尼夫（Muhammad Hanif）表示："早期诊断至关重要，这使我们能够采取主动措施延缓疾病进展并提升患者生活质量。传统机器学习模型常缺乏透明度且面临隐私挑战，本研究旨在同时解决这两大问题。"
研究团队在另一项研究中推出了一款体积不足1MB的小型人工智能模型，有效保障患者隐私。该研究题为《基于混合融合EEGNetv4与联邦学习的脑电图隐私保护型痴呆症分类》。通过联邦学习技术，医疗机构可在不共享患者数据的情况下合作训练人工智能系统，该模型在痴呆症分类中的准确率高达97%以上。
人工智能模型通过将脑电信号分解为α、β和γ波频段进行解读，从而识别与痴呆症相关的信号模式。算法能检测长期变化及不同诊断间的细微差异，可解释性人工智能技术则确保了决策过程的透明度。厄勒布鲁大学联合英国、澳大利亚、巴基斯坦和沙特阿拉伯等多国高校机构共同完成了上述研究。
【全文结束】
