Journal of Neural Engineering（Crossref）·2026-11-05 06:52· 5 小时前精选AI 评分58

上海交大Jianjun Meng团队用EEG解码序列听觉预期，评估意识障碍诊断与预后

Decoding sequence auditory expectations for clinical diagnostic and prognostic assessment of prolonged disorders of consciousness

AI 导读

上海交通大学Jianjun Meng团队提出一种低任务需求的意识障碍检测策略，用改良局部-全局范式解码患者对序列听觉刺激中全局规律的预期，并基于单试次分类结果建立意识评估标准。

AI 要点

团队

上海交通大学机械工程学院 Jianjun Meng 团队，第一作者 Ruijie Luo，共 10 位作者。

主要结果

20 例 DOC 患者中，诊断平衡准确率 68.8%（敏感度 50%、特异度 87.5%），预后平衡准确率 60.5%（敏感度 50%、特异度 71%）。

解决什么问题

针对任务需求与患者残余意识不匹配、机器学习检测框架个体评估能力有限的问题，提出低需求 DOC 检测策略。

方法

用改良 local-global 范式解码序列听觉刺激中全局规律的预期；以 CCA、PCA、xDAWN 三种单试次分类框架做个体化检测，并建立意识评估标准。

局限

从研究设计看，为单中心 20 例患者队列，敏感度均为 50%。

AI 依据原文整理，未经人工核对。

AI 推荐理由

材料给出20名意识障碍患者的诊断与预后平衡准确率，可与任务式EEG范式在同类人群中的表现对照。