基于特征融合方法的轻微认知衰退静息态脑电数据自动检测技术研究

摘要

轻微认知衰退是阿尔茨海默病的早期阶段,而利用脑电信号进行轻微认知衰退的特征提取与分类是诊断轻微认知衰退的重要方法。在基于脑电人工智能轻微认知衰退自动检测技术中,现有研究只提取脑电波信号中的某一个特征或简单地拼接多个特征,这会导致这些方法并不能较好地考虑特征之间的相关性,并且会引发维度灾难的问题;提出了一种基于卷积神经网络的轻微认知衰退静息态脑电数据自动检测算法,通过提取脑电的功率谱及脑网络特征,并通过矩阵运算的方式对这两种特征进行融合,利用卷积神经网络对融合后的特征进行分类,该方法在上海某医院采集的数据集上获得较高的准确率。此外,通过输入特征集的不同子集,该方法找到了对轻微认知衰退最有贡献的几组特征,从而具有一定的可解释性。在本数据集上证明了功率脑网络对于轻微认知衰退自动诊断的优势。