Detail publikace

A neurophysiological model based on resting state EEG functional connectivity features for assessing semantic long-term memory performance

AMIN, H.; AHMED, A.; YUSOFF, M.; MOHAMAD SAAD, M.; MALIK, A. A neurophysiological model based on resting state EEG functional connectivity features for assessing semantic long-term memory performance. Biomedical Signal Processing and Control, 2025, vol. 99, no. 1, p. 1-11. ISSN: 1746-8108.
Název česky
Neurofyziologický model založený na funkcích funkční konektivity EEG v klidovém stavu pro hodnocení výkonnosti sémantické dlouhodobé paměti
Typ
článek v časopise
Jazyk
anglicky
Autoři
AMIN, H.
AHMED, A.
YUSOFF, M.
MOHAMAD SAAD, M.
Malik Aamir Saeed, prof., Ph.D. (UPSY)
URL
Klíčová slova

Machine Learning Model, EEG, Electroencephalogram, Semantic, Long term memory,
functional connectivity

Abstrakt

Stávající metody hodnocení dlouhodobé paměti (LTM) spoléhají převážně na
psychometrické testy nebo klinická expertní pozorování. V této studii navrhujeme
objektivní metodu hodnocení schopnosti sémantické LTM pomocí funkční konektivity
elektroencefalografie v klidovém stavu (EEG). Byla analyzována data od 68
účastníků, přičemž funkční konektivita byla odvozena z fázových informací EEG
theta (4-8 Hz), frekvenčních pásem alfa (8-13 Hz) a gama (30-45 Hz) napříč celou
pokožkou hlavy v klidovém stavu. Odpovědi účastníků byly zaznamenávány během
úlohy vyvolání paměti během čtyř sezení. K modelování skóre LTM byla použita
vícenásobná lineární regrese. Navrhovaná metoda úspěšně predikovala retenci LTM
po 30 minutách s výkonnostními metrikami F(18,49) = 2,216, p = 0,014, R = 0,670;
2 měsíce retence, F(18,45) = 3,057, p < 0,001, R = 0,742; 4 měsíce retence,
F(18,42) = 2,237, p = 0,016, R = 0,700; a 6 měsíců retence, F(18,36) = 1,988, p =
0,039, R = 0,706, v daném pořadí. Tato metoda navíc dosáhla minimálně o 27 bodů
nižšího Bayesian Information Criterion (BIC) ve srovnání se standardním
psychometrickým testem RAPM ve všech obdobích uchovávání. Tato zjištění
naznačují, že sémantická schopnost LTM u zdravých mladých jedinců může být
objektivně kvantifikována pomocí funkční konektivity EEG v klidovém stavu. Tento
přístup je příslibem pro budoucí aplikace při porozumění a řešení pod standardním
výkonem při učení studentů.

Rok
2025
Strany
1–11
Časopis
Biomedical Signal Processing and Control, roč. 99, č. 1, ISSN 1746-8108
DOI
10.1016/j.bspc.2024.106799
UT WoS
001313705500001
EID Scopus
2-s2.0-85203428307
BibTeX 
@article{BUT189541,
  author="AMIN, H. and AHMED, A. and YUSOFF, M. and MOHAMAD SAAD, M. and MALIK, A.",
  title="A neurophysiological model based on resting state EEG functional connectivity features for assessing semantic long-term memory performance",
  journal="Biomedical Signal Processing and Control",
  year="2025",
  volume="99",
  number="1",
  pages="1--11",
  doi="10.1016/j.bspc.2024.106799",
  issn="1746-8108",
  url="https://www.sciencedirect.com/science/article/pii/S1746809424008577?dgcid=coauthor"
}
Nahoru