Characterizing Alzheimer’s Disease Severity via Resting-Awake EEG Amplitude Modulation Analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Changes in electroencephalography (EEG) amplitude modulations have recently been linked with early-stage Alzheimer's disease (AD). Existing tools available to perform such analysis (e.g., detrended fluctuation analysis), however, provide limited gains in discriminability power over traditional spectral based EEG analysis. In this paper, we explore the use of an innovative EEG amplitude modulation analysis technique based on spectro-temporal signal processing. More specifically, full-band EEG signals are first decomposed into the five well-known frequency bands and the envelopes are then extracted via a Hilbert transform. Each of the five envelopes are further decomposed into four so-called modulation bands, which were chosen to coincide with the delta, theta, alpha and beta frequency bands. Experiments on a resting-awake EEG dataset collected from 76 participants (27 healthy controls, 27 diagnosed with mild-AD, and 22 with moderate-AD) showed significant differences in amplitude modulations between the three groups. Most notably, i) delta modulation of the beta frequency band disappeared with an increase in disease severity (from mild to moderate AD), ii) delta modulation of the theta band appeared with an increase in severity, and iii) delta modulation of the beta frequency band showed to be a reliable discriminant feature between healthy controls and mild-AD patients. Taken together, it is hoped that the developed tool can be used to assist clinicians not only with early detection of Alzheimer's disease, but also to monitor its progression.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle