用于小数据条件下 Alzheimer’s disease 与 Frontotemporal Dementia EEG 筛查的信息论几何 HCFIM 特征

基于摘要分析。本研究针对小数据条件下 Alzheimer’s disease（AD）和额颞叶痴呆（FTD）的静息态 EEG 表征，评估由熵（H）、统计复杂度（C）和 Fisher Information Measure（FIM）构成的信息论几何框架，考察其作为功率谱密度（PSD）特征补充的价值。研究对象是神经退行性疾病的 EEG 辅助筛查方法，并非 BCI 控制任务。 研究使用公开 OpenNeuro 数据，包含 29 名健康对照、36 名 AD 患者和 23 名 FTD 患者。经预处理的闭眼静息态 19 通道 EEG 被分为多个 epoch，转换为有限概率分布，再映射至 HC、HFIM 平面及 HCFIM 空间，并聚合为被试级特征。作者先用合成信号检验概率域几何的行为，再比较区域及侧化表征与 PSD 基线；摘要称采用了考虑数据泄漏风险的被试级验证，但具体划分和模型选择流程尚未验证。 作者报告，在区域表征中，AD 最一致的几何位移出现在颞区 alpha 节律，使用 Permutation entropy，m = 4、τ = 1，inter/intra ratio 为 0.847，silhouette 为 0.141；FTD 则出现在颞区宽频信号，对应数值分别为 1.140 和 0.073。作者强调，这些 silhouette 值反映的是较弱且相互重叠的组间几何结构，而非清晰分离的簇。 在上述被试级验证框架下，作者报告，AD 分类中 PSD + HCFIM 配合 Extra Randomized Trees 达到 ROC AUC = 0.818、Balanced Accuracy = 0.803；加入侧化差异后，ROC AUC 为 0.832、敏感度为 0.833，但特异度下降。FTD 分类中，仅区域 HCFIM 特征取得最高 ROC AUC（0.810），区域 PSD + HCFIM 取得最佳 Balanced Accuracy（0.740）。侧化分析突出 FTD 左颞区宽频几何位移，但未改善分类。 这些结果支持将 HCFIM 视为待独立验证的谱特征补充，而非已确立的诊断工具。有限概率分布的完整构造、预处理、epoch 设置、交叉验证与调参协议、消融及统计信息尚未验证；临床或设备特异性效用也不能由本摘要确认。该材料为预印本。