《Frontiers in Neuroscience》：Clustered pattern projection for EEG dementia classification: evaluating the reliability of disorder patterns
编辑推荐：
引言：基于脑电图（EEG）的阿尔茨海默病（AD）与额颞叶痴呆（FTD）相对于认知正常（CN）对照的分类，通常通过对稳定的疾病相关模式进行解释。然而，计算模型中与分类相关的EEG响应也可能呈现碎片化或弱保留状态，使得受试者级可靠性难以评估。本研究探讨了复发性类疾
引言：基于脑电图（EEG）的阿尔茨海默病（AD）与额颞叶痴呆（FTD）相对于认知正常（CN）对照的分类，通常通过对稳定的疾病相关模式进行解释。然而，计算模型中与分类相关的EEG响应也可能呈现碎片化或弱保留状态，使得受试者级可靠性难以评估。本研究探讨了复发性类疾病EEG模式是否能为痴呆分类中的受试者级判别组织提供探索性证据。方法：研究人员分析了包含AD、FTD和CN受试者的公开静息态EEG数据集。将聚类模式投影（CPP）应用于基于动态模式分解（DMD）的时段描述符以构建基于原型的EEG表征。分类采用线性支持向量机（SVM），在嵌套留一受试者交叉验证（LOSO-CV）框架下完成。受试者级可靠性进一步通过基于裕度的分析进行检验。结果：CPP表现出具有竞争力的受试者级性能，尤其在FTD vs. CN分类任务中，该场景下静息态判别模式通常比AD中更不一致。此外，在严格受试者级验证下观察到任务依赖的受试者级裕度模式，表明裕度分析可作为一种有用的探索性工具来评估所学EEG表征的可靠性。讨论：这些发现表明，痴呆分类中的EEG泛化不应仅通过保留的典型生物标志物来解释。相反，复发性类疾病模式可能有助于计算可检测的决策结构，且CPP提供了一种在严格受试者级验证下检验此类模式的框架。
研究背景与动机：痴呆作为进行性神经退行综合征带来沉重全球负担，其中AD占比60%–70%，FTD因与AD症状重叠而鉴别困难。静息态闭眼（EC）EEG在AD中常表现为低频慢化等稳定异常，但在FTD中判别模式更弱且异质；传统研究多假设疾病模式跨受试者稳定，但计算模型常捕获到碎片化、弱保留的响应，受试者级可靠性存疑。已有工作表明睁眼（EO）条件下被视作“退化”的响应经CPP原型投影仍可含分类结构，但EC条件下是否能泛化至严格受试者级验证尚未明确。该研究发表于《Frontiers in Neuroscience》，旨在回答“弱/无序EEG响应是否含可复现的受试者级决策结构”这一问题，以OpenNeuro ds004504的88名受试者（36 AD、23 FTD、29 CN，EC静息态，19通道10–20系统，500 Hz）为队列，开展DMD-CPP表征与裕度可靠性分析。
主要关键技术方法：研究人员对每受试者全程录音划分为10连续时段，每段再切为非重叠2 s片段，对每段做堆叠DMD（栈长S=48，截断秩R=100，保留4–40 Hz模态，取幅值修正后构建19×50模式图并向量化得z∈?MP）；CPP阶段以余弦不相似度做分层分裂聚类（参数τsup, nmin, hstop网格搜索）得各类medoid字典B∈?MP×K，时段描述符与字典原子算余弦相似得K维特征，正负类字典拼接后标准化，由线性SVM分类；验证采用嵌套LOSO-CV（外环留一受试者，内环同框架选超参，以受试者10时段多数投票决断，7随机种子重复），并以PCA保留方差基线对照。可靠性方面，取每受试者时段级SVM有符号裕度m的中位绝对值、IQR与符号一致度，做TP–FP等组的置换检验与Cliff's δ。
研究结果：
3.1 种子平均ROC曲线：DMD-CPP在三项二分类AUC均高于DMD-PCA，FTD vs. CN达0.864±0.012（PCA 0.831±0.022），AD vs. CN为0.795±0.006，AD vs. FTD仅0.622±0.014，说明CPP聚类原型比全局方差PCA更保留类别信息，且疾病–对照易于亚型间区分。
3.2 受试者级分类性能：平衡准确率、精确率、宏F1、MCC同样CPP占优；FTD vs. CN平衡准确率0.8515±0.0312、MCC 0.7052±0.0296为各任务最高，AD vs. FTD虽CPP优于PCA（MCC 0.2900 vs 0.1238）但绝对水平仍低。所有指标均在时段不泄露的受试者级验证下获得。
3.3 类特定medoid模式：EC下三组频带范围相近，差异在空频组织与复发性；CN medoid高频短促、低频复杂，AD低频较弱但稳定，FTD在8–13 Hzα突出且13–30 Hzβ呈碎片化复发，支持“无序样配置可作锚点”的假设。
3.4 受试者级决策裕度分布：AD vs. CN中TP中位|m|大于FP（1.813 vs 0.898），FTD vs. CN中TP的IQR(m)低于FP与TN（0.533 vs 0.873/1.005），AD vs. FTD四类重叠大；表明区隔所用裕度维度具任务依赖性。
3.5 置换裕度分析：AD vs. CN的TP–FP中位|m|差Δmed=1.480±0.236（pmed=0.0364，Cliff's δ=0.474±0.135），符号一致度δ检验显著；FTD vs. CN的IQR(m)方向正确（Δmed=?0.361）但种子间p不稳定；AD vs. FTD无稳健分离。说明可靠性须以跨种子复现而非单看视觉medoid为准。
讨论浓缩：研究人员指出，EC静息态下FTD对照分类最佳并非因单一稳定低频标志，而是α与不规则β构型在类字典内复发；裕度分析显示FTD正确者时段内离散度更低，提示“无序≠噪声”，只要跨受试者复发即可能成决策锚。AD vs. FTD共享网络扰动故即便CPP优于PCA仍难分。DMD提供非平稳模态基，CPP将其压缩为可复现medoid相似坐标，二者互补；PCA虽也抓到部分FTD信息但缺受试者级裕度支撑。EC结论与前期EO-AD退化响应可互证。局限含FTD样本小、只用二分类、medoid非神经直接证据、用公开预处理数据受ASR/ICA等影响、CPP计算耗时（AD-CN任务8483 s vs PCA 532 s）。意义在于把“准确率”推进到“受试者级决策几何可靠性”评估框架。
结论翻译：本研究探讨弱、碎片化或类疾病EEG响应是否能形成复发性受试者级判别结构，尤在疾病–对照痴呆分类中。研究人员用DMD时段描述符与CPP在严格嵌套LOSO-CV下发现，DMD-CPP具竞争力受试者级性能（尤FTD vs. CN），并产生任务依赖裕度结构，非准确率单独可捕获。medoid与裕度分析表明DMD特征可在表征层暴露类疾病静息态模式，CPP将复发性类特定模态配置转为原型表征。AD vs. CN可靠性主现于TP–FP中位裕度距，FTD vs. CN加现受试者内裕度离散度证据。AD vs. FTD仍最难，但结果支持受限观点：分类相关EEG信息无须仅现作稳定典型生物标志物；复发性类疾病模式若跨受试者时段一致出现，可在严格验证下贡献受试者级决策结构，但本研究属探索性非实用鉴别诊断证据。DMD-CPP结合裕度分析提供了在受试者级验证下评估EEG表征性能与可靠性的计算框架。
