En metod för demensdiagnos baserad på multivariate analys av EEG och hjärninspirerade beräkningar

Syfte och mål

Projektet handlar om nya beräkningsmetoder för analys av multivariata EEG data syftande till att identifiera biomarkörer för demens. Kärnan av den föreslagna metoden för explorativ sökning efter spatio-spektro-temporala EEG-mönster har sitt ursprung i en hjärninspirerad algoritm föreslagen av KTH-gruppen för att studera principerna för informationsbearbetning i hjärnans hierarkiskt organiserade nätverk. Vi undersökte tillämpbarheten av denna nyutvecklade nätverk algoritm som en metod för både oövervakad och partiellt övervakad mönsteranalys på tidsvariata EEG.

Resultat och förväntade effekter

Som förväntat uppvisade den hjärninspirerade nätverksmodellen förmåga att extrahera relevanta särdrag, klassificera och genomföra klusteranalys (oövervakad mode) av EEG mönster. Vi också demonstrerade den beräkningsmässiga skalbarheten hos våra metoder. Våra resultat antydde att nivån av heterogenicitet observerad i EEG-klustringen av Alzheimerpatientgruppen kan erbjuda en möjlighet att identifiera nya kliniskt relevanta subgrupper. Tyvärr kunde denna hypotes inte undersökas eftersom nödvändiga kliniska data var inte tillgängliga inom projektets tidsramar.

Upplägg och genomförande

Projektet implementerades till största delen som ett samarbete mellan KTH och MentisCura. Under den initiala fasen utvärderade vi EEG-särdrag extraherade med vår nya metod på ett begränsat dataset. I nästa fas fokuserade vi på att utveckla och utvärdera våra nätverksalgoritmer på ett mer utmanande dataset med multipla diagnostiska kategorier av demens, som tillhandahölls av MentisCura. I den finala fasen tillämpade KTH-partnern den utvecklade metoden för extraktion av nya datarepresentationer och klustring av dessa inom en bred kategori av Altzheimerpatienter.