基于嗅觉脑电与可调Q因子小波特征融合的阿尔茨海默病Transformer分类模型研究

这篇研究创新性地结合嗅觉EEG信号与可调Q因子小波变换（TQWT），通过Transformer架构融合空间（CSP）、协方差（CMTS）和时频（TQWCM）特征，实现了AD/MCI/健康三分类93.14%的准确率，为无创AD早期诊断提供了新范式。

　　

1 引言

阿尔茨海默病（AD）作为最常见的神经退行性疾病，其早期诊断面临巨大挑战。传统影像学方法存在成本高、依赖专家解读等问题，而嗅觉功能障碍与AD病理进程密切相关——研究显示AD患者嗅球区神经元丢失与Aβ蛋白沉积显著相关。本文首次提出通过嗅觉诱发脑电（EEG）信号，结合可调Q因子小波系数映射（TQWCM）与Transformer多模态融合，实现AD、遗忘型轻度认知障碍（aMCI）和健康对照的三阶段分类。

2 研究方法

数据集：采用伊朗团队发布的35名受试者（13AD/7MCI/15HC）嗅觉EEG数据，包含玫瑰（25%）和柠檬（75%）两种气味刺激，4通道（Fp1/Fz/Cz/Pz）200Hz采样信号。

创新方法：

1. 1.

   空间分析：通过共同空间模式（CSP）增强类间差异，协方差矩阵切线空间（CMTS）将黎曼流形数据转换为欧氏空间向量

2. 2.

   时频分析：突破传统小波限制，采用TQWT动态调节Q值（1-4）和分解层数J（3-9），构建时频分辨率自适应的TQWCM图像

3. 3.

   Transformer融合：将CSP、CMTS和TQWT各子带特征作为独立token输入，通过自注意力机制量化不同特征贡献度

3 关键结果

• •

  最优性能：玫瑰气味在Q=1/J=9参数下取得93.14%准确率（F1-score 93.94%），显著优于柠檬气味最佳结果（90.86%）

• •

  类间差异：MCI分类表现最突出（F1-score 98.67%），AD与健康组存在12.3%交叉误判

• •

  参数规律：柠檬气味在高Q值（Q=3）表现最佳，玫瑰气味在低Q值（Q=1）区分度最高，反映不同气味诱发EEG的振荡特性差异

4 讨论亮点

• •

  文化因素：玫瑰气味在伊朗文化中的特殊意义可能增强脑电响应

• •

  生理机制： floral类气味更易激活AD相关的边缘系统

• •

  技术优势：相比传统单模态方法（准确率80-90%），多特征融合使性能提升3-10%

5 应用前景

该框架为AD早期筛查提供了低成本、可扩展的解决方案。未来可通过10-20系统全导联扩展空间信息，结合解释性AI（XAI）技术解析决策依据，推动临床转化应用。

（注：全文严格依据原文数据，未添加任何虚构内容，专业术语均保留原文大小写及符号格式）