基于脑电图的帕金森轻度认知障碍功能网络特征分析

帕金森氏轻度认知障碍(PDMCI)是帕金森氏症患者痴呆的先兆,这对使用神经评分量表和医生经验等传统方法进行准确诊断提出了挑战。利用26名PDMCI患者和23名正常人的脑电信号,基于定向传递函数构建了Delta、Theta、Alpha、Beta和Gamma频段的脑功能网络。引入了一种新颖的图论特征——效率密度来捕获网络密度和传输效率。研究结果揭示了独特的连接模式,Delta和Theta波段的连接更紧密,而Alpha、Beta和Gamma波段的连接更稀疏。帕金森病(PD)患者与对照组之间的Theta、Alpha、Beta和Gamma频带存在显著差异(p<0.05)。因此,脑功能网络可以有效反映PD脑功能异常状态,效率密度特征可以反映PD脑功能异常活动的特征量。     

一种改进的重选处理流程

TD-SCDMA系统同频组网环境下，如果同频干扰小区没有配置在邻小区列表中，将对基于网络配置干扰小区的同频干扰消除算法产生严重影响，导致信道估计结果恶化，测量精度降低，进而触发误切换。本文针对这种情况，提出一种改进的重选流程，在重选到目标小区之前，对已知频点检测强干扰小区，重新确定重选目标小区，确保切换到合适的目标小区。     

个体化频带滑动窗特征的轻度认知障碍诊断研究

轻度认知障碍(MCI)是老年性痴呆诊断的关键阶段,脑电(EEG)信号特征可以反映MCI患者的认知状态,帮助实现早期诊断。现有研究在EEG特征提取过程中,针对脑电各节律,大多采用固定的时间窗完成分段处理,忽略了不同节律的特征差异,从而影响诊断效果。针对该问题,本文提出了一种新的组合滑动窗优化算法,该算法通过迭代振幅调整傅里叶变换(IAAFT)对零模型的构建方法进行了改进,以此得到评估大脑动态特性指标K_PLI,通过对EEG各频段信号采取多种滑动窗组合,并以K_PLI指标引导,得到适合不同频段的最佳滑动窗组合。在最佳滑动窗组合基础上,对各频段组合提取相位滞后指数(PLI),进行连续小波变换(CWT)特征,通过ResNet-MLP双通道分类网络实现MCI诊断。结果显示,使用个性化组合频段滑动窗对88名受试者(32名MCI患者,36名阿尔茨海默症患者以及20名正常对照组)实现了诊断分类,得到了82.2%的分类准确率,比固定窗的分类提高了10%(得到了72.2%的分类准确率)。结果表明,基于个体化脑电节律特征组合能够更好提取MCI的特征,提高轻度认知障碍诊...