厄勒布鲁大学研究团队开发出两种人工智能脑电分析模型，能够通过解析大脑电活动准确识别痴呆症患者。这项人工智能脑电分析技术结合时间卷积网络与长短期记忆网络，可区分阿尔茨海默病、额颞叶痴呆及健康人群的脑电信号特征。

研究人员穆罕默德·哈尼夫表示："早期诊断至关重要，以便能够采取积极措施减缓疾病的进展并提高患者的生活质量。"该人工智能脑电分析系统在测试中实现超过80%的准确率，并通过可解释技术展示诊断依据的脑电信号片段。

第二项研究采用联邦学习框架开发轻量化模型，在保护患者隐私前提下达到97%的识别准确率。哈尼夫指出："传统的机器学习模型往往缺乏透明度，并且面临隐私方面的挑战。我们的研究旨在解决这两个问题。"这种人工智能脑电分析方法通过分析α波、β波和γ波等频段信号，捕捉与痴呆症相关的特征模式。

随着技术持续优化，这项人工智能脑电分析工具有望在基层医疗场景推广应用。脑电图检测结合便携式设备，可为痴呆症早期筛查提供便捷解决方案。研究团队计划扩大数据集规模，纳入血管性痴呆等更多病症类型，推动人工智能脑电分析技术在神经医学领域的深入应用。

更多信息： Waqar Khan 等人，《一种用于基于脑电图诊断阿尔茨海默病和额颞叶痴呆的可解释且高效的深度学习框架》，《医学前沿》(Frontiers in Medicine ) (2025)。Muhammad Umair 等人，《基于混合融合 EEGNetv4 和联邦学习的脑电图隐私保护痴呆分类》，《计算神经科学前沿》 (2025)。