Deine Seite wird geladen …
Frontiers in neurology
Von Zhang P, Tong W, Jiang L und 4 weiteren.
Inhalt auf Englisch
This exploratory study evaluates Multi-Scale Information Retention Transform (MSIRT), a feature-fusion framework for electroencephalography (EEG)-based Alzheimer's disease (AD) classification.
Ward bringt diese Artikel in dieselbe App wie deine Karten und Fragen. Ein kostenloses Konto für Ward, Suture, Osler und Prognia.
Ratios between differential entropies were removed, and all EEG amplitudes were converted to volts before feature extraction because the transform is not invariant to arbitrary physical units. Revised MSIRT combines fuzzy entropy (FE), permutation entropy (PE), and differential entropy (DE) using training-fold normalization and cross-feature products. The framework was evaluated on OpenNeuro ds004504 (29 healthy controls and 36 participants with AD) using participant-level cross-validation.
With Random Forest (RF) held fixed, direct concatenation achieved 84.62% accuracy and an area under the receiver operating characteristic curve (AUC) of 0.8956, whereas revised MSIRT achieved 86.15% accuracy and an AUC of 0.9004. An interaction-only control achieved 80.00% accuracy and an AUC of 0.8908. Because the no-product transform is feature-wise strictly monotonic, it was treated as an RF invariance control rather than a source of new predictive information. The paired AUC difference between revised MSIRT and concatenation was 0.0048 (bootstrap 95% confidence interval, -0.0067 to 0.0192; paired permutation p = 0.3780). In 20 sex-balanced resamples, revised MSIRT had a mean AUC of 0.8846.
These results do not establish statistical superiority or clinical utility.
Erschienen in Frontiers in neurology. Das Abstract steht hier so, wie es veröffentlicht wurde, und bleibt das Werk seiner Autoren; den vollständigen Artikel liest du an der Quelle.
Prognia führt diesen Artikel zum Nachschlagen und für die Aus- und Weiterbildung. Er ist keine medizinische Beratung. Lies immer das Original und halte dich an die aktuellen Leitlinien und lokalen Standards, bevor du danach handelst.
