基于脑区定位的帕金森病EEG信号快速检测方法

为解决帕金森病(PD)临床诊断依赖运动症状导致的误诊问题，研究人员通过分析脑电图(EEG)信号开展脑区定位研究。利用连续小波变换(CWT)构建三维时频谱图，结合RGB色彩编码和ResNet18模型，在公开数据集上实现92.86%和90.32%的分类准确率，为PD早期诊断提供新型生物标志物检测工具。

　　

帕金森病(Parkinson's disease, PD)作为全球高发的神经退行性疾病，常伴随轻度认知障碍(MCI)和痴呆进展。当前临床诊断主要依赖运动症状，存在误诊风险，亟需可靠生物标志物。脑电图(EEG)作为非侵入性神经电生理检测手段，展现出巨大诊断潜力。

研究团队创新性地提出基于脑区定位的EEG分析方法，采用两个公开数据集，通过连续小波变换(CWT)将各脑区信号转化为三维时频谱图。为增强特征表达，这些谱图被编码为RGB色彩空间。针对每个脑区单独训练ResNet18模型，并采用留一法交叉验证(LOSOCV)评估性能。

该方法在两个数据集上分别取得92.86%和90.32%的分类准确率，证实了脑区特异性EEG特征对PD诊断的有效性。这项研究为临床提供了可量化、客观的辅助诊断工具，对PD早期筛查和病程监测具有重要意义。