多维度脑电图分析揭示了阿尔茨海默病和额颞叶痴呆患者不同的神经生理学特征

《Journal of NeuroEngineering and Rehabilitation》：Multi-dimensional EEG analysis reveals distinct neurophysiological patterns in Alzheimer’s and frontotemporal dementia

本研究采用综合分析框架，结合频谱、非线性动力学和图论方法，对阿尔茨海默病（AD）、额颞叶痴呆（FTD）及健康对照（HC）的36例AD、23例FTD和29例HC的EEG信号进行分类。结果显示，AD以 后部θ增强及α/β波功率降低为特征，FTD表现为中心区域中度改变，图论分析在分类中表现最优（准确率81.36%），为区分AD与FTD的神经机制研究提供依据。

　　

摘要

背景

神经退行性疾病的发病率不断上升，尤其是阿尔茨海默病（AD）和额颞叶痴呆（FTD），这给全球的医疗保健带来了日益严峻的挑战。脑电图（EEG）为研究潜在的神经机制提供了一种有前景的方法，然而相关研究的结果并不一致。本研究采用了一种综合的分析框架，结合了频谱分析、非线性动力学和图论方法来表征AD和FTD患者的EEG特征。

方法

我们分析了36名AD患者、23名FTD患者以及29名健康对照者的EEG记录，并建立了机器学习模型，通过分类准确率和接收者操作特征曲线下面积（AUC）来评估模型性能。

结果

基于聚类的群体级分析显示，AD和FTD之间存在明显且频率依赖性的EEG变化。AD患者的后脑区域异常更为显著，表现为θ波活动增强以及α波和β波功率降低，而FTD患者的改变较为中等，且信号分布更偏向中心区域。非线性动力学分析进一步表明，不同频率段的信号复杂性存在疾病特异性差异。图论分析揭示了这两种疾病在脑组织结构上的明显差异。此外，机器学习结果显示，图论指标在区分AD和FTD方面具有最高的分类性能，准确率为81.36%。

结论

这些发现描绘了AD和FTD在多个分析维度上的不同神经生理特征，证明了图论分析在区分痴呆亚型方面的有效性，为进一步研究AD与FTD之间的神经机制差异奠定了基础。