bioRxiv（Neuroscience）· Mohamed Radwan·2026-10-22 08:00· 3 天前AI 评分38

基于频率分辨连接图的 EEG 模型分类阿尔茨海默病与额颞叶痴呆

Frequency-Resolved Connectivity Graphs for EEG-Based Classification of Alzheimer and Frontotemporal Dementia

AI 导读

研究构建基于 EEG 的频率分辨连接图模型，以 Coherence、PLV 和 PLI 在五个频段的连接特征作为多维边特征，区分阿尔茨海默病（AD）和额颞叶痴呆（FTD）与健康对照（CN）。

AI 要点

团队

Mohamed Radwan

主要结果

留一被试交叉验证下，AD vs CN 准确率 81.13%，FTD vs CN 76.06%；参数量 15.9 万和 28.2 万，对比基线 1.705 亿。

解决什么问题

用频域分辨的 EEG 连接图特征区分阿尔茨海默病、额颞叶痴呆与健康对照。

方法

以相干性、相位锁定值（PLV）和相位滞后指数（PLI）在五个频段构成多维边特征，构建 EEG 图模型，采用留一被试交叉验证。

局限

从研究设计看，为基于公开数据集的分类研究，未涉及临床诊断验证；随机交叉验证下 AD 准确率低于 DICE-net。

AI 依据原文整理，未经人工核对。