自适应时空编码网络

静息态EEG认知评估

该网络从静息态脑电中提取重复时空模式，实现客观、精准的认知评估，在痴呆与轻度认知障碍筛查中敏感度与特异度均达0.97。

Sun, Jingnan · Shen, Anruo · Sun, Yike · 陈小刚 · 李云霞 · 高小榕 · 鲁白

npj Digital Medicine 2024

参数信息

平均绝对误差 (MAE)

3.12 %

敏感度

0.97

特异度

0.97

敏感度（神经反馈数据集）

0.867

特异度（神经反馈数据集）

1

敏感度（TMS数据集）

0.833

技术优势

客观量化评估

模型从静息态脑电中提取重复时空模式，输出连续的认知分数，避免主观量表的不一致性。

筛查准确率高

在痴呆和轻度认知障碍筛查中敏感度与特异度均达0.97，漏诊和误诊风险低。

跨范式迁移

模型在神经反馈和TMS数据集上仍保持较高敏感度，说明其能够适应不同干预场景下的脑电变化。

应用场景

• 认知障碍早期筛查：提供客观量化评分，辅助社区大规模筛查痴呆与轻度认知障碍。
• 神经反馈训练评估：评估神经反馈训练前后认知变化，指导训练方案调整。
• 脑疾病辅助诊断：自动提取静息态脑电特征，辅助医生诊断脑疾病。