-
题名个体化频带滑动窗特征的轻度认知障碍诊断研究
- 1
-
-
作者
李昕
屈中杰
李梓澎
尹立勇
苏芮
-
机构
燕山大学电气工程学院
河北省测量技术与仪器重点实验室
河北省秦皇岛市第一医院神经内科
河北医科大学医学影像学院
-
出处
《电子测量与仪器学报》
CSCD
北大核心
2024年第2期182-189,共8页
-
基金
河北省自然科学基金(F2022203005,F2019203515)
燕山大学与秦皇岛市第一医院医务人员交叉特色项目(UY202201)
+1 种基金
河北省科技计划项目(236Z2004G)
河北省教育厅科学研究项目(QN2024061)资助。
-
文摘
轻度认知障碍(MCI)是老年性痴呆诊断的关键阶段,脑电(EEG)信号特征可以反映MCI患者的认知状态,帮助实现早期诊断。现有研究在EEG特征提取过程中,针对脑电各节律,大多采用固定的时间窗完成分段处理,忽略了不同节律的特征差异,从而影响诊断效果。针对该问题,本文提出了一种新的组合滑动窗优化算法,该算法通过迭代振幅调整傅里叶变换(IAAFT)对零模型的构建方法进行了改进,以此得到评估大脑动态特性指标KPLI,通过对EEG各频段信号采取多种滑动窗组合,并以KPLI指标引导,得到适合不同频段的最佳滑动窗组合。在最佳滑动窗组合基础上,对各频段组合提取相位滞后指数(PLI),进行连续小波变换(CWT)特征,通过ResNet-MLP双通道分类网络实现MCI诊断。结果显示,使用个性化组合频段滑动窗对88名受试者(32名MCI患者,36名阿尔茨海默症患者以及20名正常对照组)实现了诊断分类,得到了82.2%的分类准确率,比固定窗的分类提高了10%(得到了72.2%的分类准确率)。结果表明,基于个体化脑电节律特征组合能够更好提取MCI的特征,提高轻度认知障碍诊断的正确率与特异性,是一种有效的脑电特征提取方法。
-
关键词
滑动窗
零模型
连续小波变换
相位滞后指数
-
Keywords
sliding windows
zero model
continuous wavelet transform
phase lag index
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
