基于多尺度熵特征优化算法的MCI早期诊断及敏感脑区分析

摘要：

轻度认知障碍(MCI)是阿尔兹海默病诊疗的关键时期,迫切需要早发现,早干预.针对MCI早期诊断问题,特别是早期诊断的敏感脑区定位问题,提出一种基于多尺度熵的脑电信号特征提取优化算法,即多尺度熵特征优化算法.该算法通过构建多重尺度序列,并充分考虑各序列贡献程度,最大程度挖掘细节信息.共采集49名受试者临床脑电信号数据,其中实验组(MCI组)28名,正常对照组21名.对比分析实验组与对照组,MCI组16通道多尺度熵特征优化算法熵值均低于对照组,且前额叶、前颞叶以及中颞叶脑区具有显著性差异(P＜0.01).仅以此特征作为分类器输入特征,分析前额叶、前颞叶以及中颞叶3个脑区,其脑区诊断测试集识别率分别为83.33％、86.67％、73.33％.进一步,分析识别率最高的前颞叶两通道的AUC值分别为0.753与0.733.多尺度熵特征优化算法熵特征能够充分反应脑电信号变化,是可以作为MCI早期诊断的一种特征标记,前颞叶脑区可以为评估MCI患者脑认知功能状态的敏感脑区提供研究支持.

关键词：多尺度熵特征优化算法、早期诊断、敏感脑区定位、轻度认知障碍

所属期刊栏目：42

分类号：R318(医用一般科学)

资助基金：河北省自然科学基金;中国博士后科学基金

在线出版日期：2023-07-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：274-280