Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference · 2025
Analysis of Resting-State EEG Features in Alzheimer's Disease and Frontotemporal Dementia with Bayesian Hierarchical Models.
СтатьяНазвание и аннотация: Перевод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Angerbauer Raphael, Indelicato Elisabetta, Cesari Matteo
Аннотация
Electroencepholography (EEG) biomarkers are crucial for studying neurodegenerative diseases such as Alzheimer's disease (AD) and frontotemporal dementia (FTD). Traditional analyses often require correction for multiple comparisons, reducing sensitivity. We applied Bayesian hierarchical models (BHM) to EEG spectral power and connectivity measures to improve inference. Using EEG data from 88 subjects (36 AD, 23 FTD, 29 controls), we compared BHM and linear models (LM). BHM identified more significant group differences than LM, revealing neurophysiological alterations in AD and FTD and highlighting the advantages of hierarchical modeling for EEG analysis.