情绪认知分析可以近乎完美地检测帕金森氏症

　　

堪培拉大学（University of Canberra）和科威特科技学院（Kuwait College of Science and Technology）的一个联合研究小组，仅通过分析大脑对观看视频片段或图像等情绪状况的反应，就以近乎完美的准确率，实现了对帕金森病的突破性检测。这些发现提供了一种客观的方法来诊断这种使人衰弱的运动障碍，而不是依赖于临床专业知识和患者自我评估，可能会增加帕金森病患者的治疗选择和整体福祉。这项研究发表在10月17日的科学伙伴杂志《智能计算》上，题为《探索基于脑电图的情感分析和帕金森病检测》。

他们的情绪大脑分析侧重于帕金森病患者和健康人之间内隐情绪反应的差异。帕金森病患者通常被认为在识别情绪方面存在障碍。该团队证明，他们可以仅根据情绪反应的脑部扫描读数，识别F1得分为0.97或更高的患者和健康个体。仅从脑电波数据来看，这种诊断性能的准确率非常接近100%。F1分数是一个结合了精度和召回率的指标，其中1是可能的最佳值。

研究结果显示，帕金森患者表现出特定的情绪感知模式，他们对情绪唤起的理解强于对情绪效价的理解，这意味着他们更能适应情绪的强度，而不是那些情绪的愉快或不愉快。研究还发现，患者最难以识别恐惧、厌恶和惊讶，或者混淆相反的情绪，比如把悲伤误认为快乐。

研究人员记录了脑电图（EEG）数据，测量了20名帕金森患者和20名健康对照者的脑电活动。参与者观看了旨在引发情绪反应的视频片段和图像。在记录脑电图数据后，对多个脑电图描述符进行处理以提取关键特征，并将其转换为视觉表征，然后使用卷积神经网络等机器学习框架对其进行分析，以自动检测与健康组相比，患者如何处理情绪的不同模式。这种处理能够高度准确地区分患者和健康对照组。

使用的关键EEG描述符包括频谱功率矢量和常见空间模式。频谱功率矢量捕获了不同频段的功率分布，这与情绪状态有关。共同的空间模式通过最大化一个类别的方差而最小化另一个类别的方差来增强类别间的可分辨性，从而允许更好的EEG信号分类。

随着研究人员继续完善基于脑电图的技术，情绪脑监测有可能成为帕金森病诊断的广泛临床工具。这项研究表明，将神经技术、人工智能和情感计算结合起来，提供客观的神经健康评估是有希望的。