基于深度学习的脑龄预测模型跨多中心EEG数据集的泛化能力评估

《IEEE Transactions on Biomedical Engineering》：Assessing the robustness of deep learning based brain age prediction models across multiple EEG datasets

本研究针对脑电图（EEG）数据因采集设备和人群差异导致的模型泛化难题，系统评估了深度学习（DL）模型在跨数据集脑龄预测中的稳健性。通过留一数据集出（LODO）和留一数据集入（LODI）两种交叉验证框架，对1805种超参数配置进行测试，发现使用1-45Hz全频段数据能显著提升模型性能。结果表明，DL模型能够学习到可迁移的年龄相关EEG特征，在年龄分布较广的数据集上表现出强相关性（Pearson's r最高达0.84），为EEG生物标志物的临床转化提供了重要基准。

　　

随着人工智能（AI）在医疗领域的深入应用，脑电图（EEG）因其无创、低成本的优势，成为认知障碍和病理解码的重要工具。然而，EEG数据易受采集设备、电极类型、人群社会经济背景等多种因素影响，导致不同数据集之间存在显著分布偏移。这种数据集偏移会严重削弱深度学习（DL）模型在新数据上的性能，制约其临床推广。特别是在轻度认知障碍（MCI）人群的痴呆风险预测等场景中，标注数据往往仅存在于少数中心，而模型需在多年随访后才能验证其预测效果。因此，评估DL模型在完全未见数据集上的泛化能力，成为推动EEG技术临床落地的关键挑战。

为此，由Thomas Tveitst?l、Mats Tveter等多国学者联合开展的研究，以年龄作为目标变量，系统探索了DL模型在跨数据集EEG数据上的泛化能力。该研究已发表于《IEEE Transactions on Biomedical Engineering》。研究人员收集了五个静息态EEG数据集（TDBRAIN、LEMON、SRM、Miltiadous和Wang），涵盖健康人群、抑郁症、阿尔茨海默病等不同群体，总样本量超过1700例。研究设计了留一数据集出（LODO）和留一数据集入（LODI）两种交叉验证策略，分别模拟多中心联合训练和单中心训练的临床场景。通过对1805种超参数配置的大规模测试，包括深度学习架构（Inception网络、Deep4Net、ShallowFBCSPNet）、频段滤波（δ、θ、α、β、γ及1-45Hz全频段）、域适应方法（域对抗学习、卷积Monge映射归一化CMMN）等变量的系统优化，全面评估了模型在未见数据上的预测性能。

关键技术方法包括：使用MNE-Python和autoreject进行EEG数据预处理（去除前30秒信号、1-45Hz带通滤波、分段为5-10秒时长数据段）；采用区域池化（RBP）、球面样条插值或生物物理插值处理不同导联配置；引入样本重加权策略平衡数据集间样本量差异；通过域对抗学习和CMMN减少域间分布偏移；利用随机森林和fANOVA方法量化超参数重要性。

性能评估结果

研究发现，模型性能高度依赖于源数据集与目标数据集的配对组合。在LODO设置下，模型在TDBRAIN、LEMON和SRM等年龄分布较广的数据集上表现出较强的相关性（Pearson's r分别为0.63、0.84、0.75），而在年龄范围较窄的Miltiadous和Wang数据集上预测性能显著下降（Pearson's r仅为0.23和0.10）。LODI实验中，性能波动更大（Pearson's r介于-0.11至0.84之间）。值得注意的是，使用目标数据集的平均年龄对模型截距进行校正后，部分R²分数得到显著提升。模型预测结果与真实年龄的散点图显示，在年龄跨度大的数据集上，预测值与真实值呈明显线性趋势，而在小样本数据集上则出现系统性偏差。

超参数重要性分析

通过fANOVA方法对高性能区域的超参数贡献度进行分解发现，频段滤波是影响模型泛化能力的最关键因素。使用1-45Hz全频段数据相比单一频段能显著提升预测性能（图4、图5）。在LODO实验中，频段滤波与DL架构的交互效应为第二重要因素；而在LODI实验中，频段滤波与数据归一化的交互效应更为突出。相比之下，域适应技术（如CMMN和域对抗学习）并未表现出稳定的性能增益，其重要性远低于基础预处理和模型架构选择。

讨论与意义

本研究首次在大规模跨数据集框架下验证了DL模型从EEG信号中提取脑龄相关特征的泛化能力。结果表明，尽管模型在年龄分布狭窄或临床人群特异的数据集上表现不佳，但在年龄跨度较大的数据集中展现了稳定的相关性。这一发现为EEG生物标志物的跨中心应用提供了实证支持。研究强调，全频段信息的保留是提升模型鲁棒性的关键，而复杂的域适应技术并未显著优于经验风险最小化基线。此外，研究揭示了在小样本场景下模型选择的高方差问题，提示在低资源数据集中需采用更稳健的评估策略。

研究的局限性包括仅使用静息态闭眼数据，未探索时频域等其他特征表示；数据集中非欧洲人群样本较少，限制了跨人口泛化能力的全面评估；未涉及模型可解释性分析。未来工作可结合多中心临床终点（如痴呆转化），进一步验证EEG生物标志物的临床效用。

总之，该研究通过系统性的基准测试，证明了DL模型能够从EEG中学习可迁移的年龄相关模式，为开发鲁棒的跨数据集EEG分析工具奠定了重要基础。研究成果对推动EEG在认知障碍早期诊断中的临床应用具有积极意义。