定量脑电图在轻度认知障碍数字化筛查中的应用
顾剑鹏1
宋玉磊1
殷海燕1
尹婷婷1
孙凤仪1
杨冰清1
赵鸣晖2
徐桂华1
柏亚妹1
1.南京中医药大学护理学院,江苏 南京市 2100232.东南大学仪器科学与工程学院,江苏 南京市 210096
摘要：目的 探讨轻度认知障碍(MCI)患者在数字化认知筛查任务中前额叶定量脑电图(qEEG)特征,并分析其用于MCI患者筛查的应用价值.
方法 选取2024年7月至8月江苏省南京市40个社区的592例MCI患者(MCI组)和317例正常认知老年人(对照组).两组均接受蒙特利尔认知评估量表-北京版(MoCA-BJ)评估.采用便携式脑电仪采集前额叶脑电数据,通过快速傅里叶变换进行功率谱分析.采用XGBoost算法构建基于qEEG功率特征的MCI识别模型,采用受试者工作特征曲线(ROC)评估模型的识别性能.
结果 与对照组相比,MCI组筛查任务中前额叶δ、α和β频段功率显著升高(P<0.05);δ频段功率与MoCA-BJ总分、视空间与执行能力、注意力和延迟回忆评分呈显著负相关(r=-0.269、-0.169、-0.133、-0.171,P<0.001);α频段功率与MoCA-BJ总分、注意力和延迟回忆评分呈负相关(r=-0.113、-0.075、-0.091,P<0.05).基于δ和α频段功率构建的XGBoost模型识别MCI,ROC曲线下面积为0.91,准确率为0.81,精准率为0.89,F1分数为0.84,召回率为0.80,特异性为0.81.
结论 MCI患者在数字化筛查任务中表现出前额叶δ和α频段功率升高,且与认知功能下降有关;基于qEEG功率特征构建XGBoost模型可以实现MCI的早期预测.
关键词：老年人轻度认知障碍数字化筛查定量脑电图XGBoost算法
分类号：R749.1(精神病学)
论文发表日期：2025-11-25
在线出版日期：2025-12-03（本平台首次上网日期，不代表文献的发表时间）
页数：8( 1314-1321 )
英文信息