Variational Mixture of Graph Neural Experts for Alzheimer's Disease Recognition across Frequency Bands in EEG Brain Networks
Di cosa parla
Hanno messo a punto un metodo che analizza l'EEG separando il segnale in più bande di frequenza: a ciascuna banda è affidato un “esperto” che descrive la connettività cerebrale, e un meccanismo combina adattivamente i contributi di questi esperti. Lo scopo è distinguere meglio l'Alzheimer da altri tipi di demenza e identificarne gli stadi, superando i limiti delle analisi che considerano l'EEG tutto insieme. Nei test il metodo ha mostrato buone prestazioni; i pesi degli esperti si collegano ai punteggi clinici e le mappe spaziali rivelano alterazioni in bande e regioni coerenti con la neuropatologia dell'Alzheimer.
Cosa permette di osservare
Permette di esplorare se l'analisi separata delle bande di frequenza rende più chiari i segnali che distinguono tipi e stadi di demenza, e come il contributo di ciascuna banda si relazioni ai punteggi clinici e a cambiamenti localizzati nel cervello.
Dalla fonte
Dementia disorders such as Alzheimer's disease (AD) and frontotemporal dementia (FTD) exhibit overlapping electrophysiological signatures in electroencephalography (EEG) that challenge accurate diagnosis. Existing EEG-based methods are limited by full-band frequency analysis, which hinders precise differentiation of dementia subtypes and severity stages. To address this limitation, we propose a Variational Mixture of Graph Neural Experts (VMoGE) framework that integrates multi-band EEG analysis with variational graph neural networks and a mixture-of-experts architecture. Each expert specializes in a specific EEG frequency band and models brain connectivity using a Gaussian Markov Random Field prior, while a variational gating mechanism adaptively integrates expert outputs. This design enables the model to learn frequency-specific brain network representations while modeling latent uncer…