DICE-Net: EEG信号におけるアルツハイマー検出のための新しい畳み込みトランスフォーマーアーキテクチャ

目的：アルツハイマー病（AD）は、高齢者の相当数に影響を及ぼす進行性神経変性疾患です。EEGは、ADまたは他の認知症のタイプの迅速な診断と分類のための有望なツールとして浮上しています。本論文では、Dual-Input Convolution Encoder Network（DICE-net）を用いたAD EEG分類の新しいアプローチを提案します。方法：36人のAD患者、23人の前頭側頭型認知症（FTD）、および29人の年齢匹敵健康個体（CN）の記録を使用しました。ノイズ除去後、バンドパワーとコヒーレンス特徴を抽出し、畳み込み、トランスフォーマーエンコーダー、およびフィードフォワード層からなるDICE-netに供給しました。主な結果：我々の結果は、DICE-netがAD-CN問題において83.28%の精度を達成し、Leave-One-Subject-Outバリデーションを使用していくつかのベースラインモデルを上回り、良好な一般化性能を達成したことを示します。意義：我々の発見は、畳み込みトランスフォーマーネットワークがAD患者と対照群の分類のためにEEG信号の複雑な特徴を効果的に捉え、FTDなどの他のタイプの認知症にも拡張可能であることを示唆しています。このアプローチは、早期診断の正確性を向上させ、ADのより効果的な介入の開発につながる可能性があります。