Key points are not available for this paper at this time.
A doença de Parkinson (DP) é uma doença neurodegenerativa complexa. No momento, o diagnóstico precoce da DP ainda é extremamente desafiador, e ainda há uma falta de consenso sobre a caracterização cerebral da DP, sendo urgentemente necessário um método de detecção da DP mais eficiente e robusto. Para explorar ainda mais as características da DP com base na atividade cerebral e alcançar a detecção efetiva de pacientes com DP (incluindo OFF e ON medicamentos), neste estudo, foi realizada uma análise de múltiplos padrões com base na ativação cerebral e na conectividade funcional cerebral na atividade funcional cerebral de pacientes com DP, e foi proposto um novo modelo de detecção da DP baseado em rede neural convolucional de múltiplas escalas (MCNN). Com base na análise da densidade espectral de potência (PSD) e dos recursos de valor de fase bloqueada (PLV) de múltiplas bandas de frequência de dois conjuntos de dados independentes de eletroencefalografia (EEG) em estado de repouso, descobrimos que havia diferenças significativas em PSD e PLV entre controles saudáveis (HCs) e pacientes com DP (incluindo OFF e ON medicamentos), especialmente nas bandas β e γ, que foram muito eficazes para a detecção da DP. Além disso, o uso combinado da ativação cerebral representada por PSD e padrões de conectividade funcional representados por PLV pode melhorar efetivamente o desempenho da detecção da DP. Além disso, nosso modelo MCNN proposto mostra grande potencial para detecção automática da DP, com precisão, sensibilidade, especificidade e área sob a curva característica de operação do receptor, todas acima de 99%. Nosso estudo pode ajudar a entender melhor as características da DP e fornecer novas ideias para o diagnóstico futuro da DP com base na atividade espontânea do EEG.
Marc C Loiselle (Sáb,) estudou essa questão.