基于新型脑功能网络度量定义的阿尔茨海默病生物标志物

基于摘要分析。该研究以阿尔茨海默病（AD）的 EEG 生物标志物为研究对象，将多尺度分析与嵌入空间理论结合，提出基于 generalized composite multiscale entropy vector（GCMSEV）的脑功能网络构建策略，用于量化异常功能连接并区分 AD 患者与正常对照；其主要贡献是功能连接度量及疾病相关拓扑标志物，而非 BCI 解码方法。 方法方面，作者使用功能网络分析与种子分析比较 AD 和对照的连接模式，再以机器学习评估相关特征的判别能力。摘要未给出 GCMSEV 的具体计算公式、嵌入参数、多尺度设置、连接定义或网络阈值，因此尚不能确认该度量与常用功能连接指标的机制差异及比较优势。 作者报告，AD 患者在全头皮范围表现出连接减弱，长距离连接尤其明显，额叶与其他区域之间的连接也显著降低。作者将这一现象解释为与额叶枢纽相关的信息传递受损，但摘要中的连接差异本身不足以确立因果机制。作者报告，以额叶内部连接及左额叶—右枕叶连接作为预测特征，在 AD 患者与正常受试者的分类中取得超过 96% 的 Accuracy 和 0.98 的参数化曲线下面积；摘要未说明被试数量、数据划分、是否按被试独立验证及对照基线，故这些结果只能在其尚待核实的评估协议下理解。 复现与证据核对重点包括 EEG 采集与预处理、GCMSEV 参数、连接特征筛选流程、分类器及验证划分，以及统计检验和对照指标。实验协议、消融及统计信息尚未验证。该材料支持将其视为 EEG 疾病标志物研究，尚不支持推导其在 BCI 任务中的有效性或临床可用性。