SOFEx: un approccio di estrazione autonoma delle caratteristiche per la rilevazione del lieve deterioramento cognitivo e della malattia di Alzheimer utilizzando dataset EEG
Titolo originaleSOFEx: A Self-Organized Feature Extraction Approach for Detecting Mild Cognitive Impairment and Alzheimer's Disease using EEG Datasets.
Brain topography · 2026
Sintesi in italiano
L'articolo presenta SOFEx, un framework adattivo e interpretabile per l'ingegneria delle caratteristiche EEG volto a migliorare la diagnosi precoce della malattia di Alzheimer (AD) e del lieve deterioramento cognitivo (MCI). La diagnosi differenziale tra MCI e AD è complessa in quanto si basa su un'integrazione di dati cognitivi, di imaging, di laboratorio e neurologici. SOFEx sfrutta l'estrazione autonoma di pattern a rose autoorganizzati, una selezione delle caratteristiche fold-wise, classificazione channel-wise e un voto maggioritario iterativo, analizzando complessivamente 1.905 segmenti EEG da 451 registrazioni di 168 partecipanti (59 AD, 7 MCI, 102 controlli). Come classificatore è stato scelto un support vector machine tra cinque confrontati. La validazione principale, tramite leave-one-subject-out (LOSO), ha ottenuto un'accuratezza dell'84,09% (intervallo di confidenza al 95%: 82,38-85,67%), con una sensibilità particolarmente elevata per AD (94,47%), mentre per MCI risultava più bassa (21,18%). Ulteriori schemi di validazione come leave-one-record-out e 10-fold cross-validation raggruppata per partecipanti mostrarono performance maggiori (fino al 96,38%), evidenziando variazioni sostanziali dovute al metodo di validazione. Gli elettrodi frontali e parietali sono risultati maggiormente informativi. Sebbene la discriminazione tra AD e controlli sia promettente, quella per MCI necessita di ulteriori studi. Il lavoro sostiene la potenzialità del framework e ne suggerisce la validazione su coorti cliniche più ampie e indipendenti per verificarne la generalizzabilità.
Sintesi generata con IA. Verifica metodi, risultati e limiti nella pubblicazione originale.
Abstract e pubblicazione originale
L’abstract è consultabile nella fonte originale. Non viene ripubblicato qui perché non risulta verificata una licenza compatibile.
Leggi nella fonte originale ↗Parole chiave
Come citare questo studio
Burak Tasci, Kubra Yildirim, Prabal Datta Barua, Sengul Dogan, Massimo Salvi, Turker Tuncer, Ru-San Tan, Aruna Devi, Ravinesh C Deo, Yan Li, Hasan Mir, Filippo Molinari, U R Acharya. (2026). SOFEx: A Self-Organized Feature Extraction Approach for Detecting Mild Cognitive Impairment and Alzheimer's Disease using EEG Datasets.. Brain topography. DOI: 10.1007/s10548-026-01263-x
Consulta la pubblicazione originale ↗