Single Channel EEG Based Score Generation to Monitor the Severity and Progression of Mild Cognitive Impairment
Notice bibliographique
Résumé
Mild Cognitive Impairment (MCI) is a preliminary stage of Dementia. MCI is determined by behavioral screening measures such as Montreal Cognitive Assessment (MoCA) and Mini-Mental Status Examination (MMSE). Therefore, monitoring the progression of MCI and predicting MoCA scores from objective physiological measures like the EEG is crucial as it will not only help to improve the mental healthcare of the aging population but also to reduce healthcare costs. In this study, we demonstrate a single channel EEG based MoCA score generation method, which is cost-effective and suitable for continuous patient monitoring in the longitudinal study. We collected scalp EEG data while subjects were stimulated with five auditory speech signals. We extracted 590 features from Event-Related Brain Potentials (ERPs), which included time and spectral domain characteristics of the response. The top 11 features, ranked by mutual information, were used for building regression models to generate MoCA scores of the subjects. Robustness of our model was tested using R-squared value, mean square error (MSE), residual's quantile plot, and cook's distance. The analysis shows R-squared=0.78 with MSE=1.63, and residual analysis suggests that the model is acceptable in terms of quantile plot, leverage, and Cook's distance. The outcomes indicate that single-channel based EEG can be used to estimate cognitive scores automatically for severity detection and progression monitoring, which will help us to efficaciously assess the mental health status of elderly people to improve the prognosis and rehabilitation of age-related cognitive impairments.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».