Résumé: Une nouvelle étude a atteint une précision presque parfaite dans la détection de la maladie de Parkinson en analysant les réponses cérébrales aux stimuli émotionnels à l’aide de l’EEG et de l’IA. Les chercheurs ont découvert que les patients atteints de la maladie de Parkinson traitent leurs émotions différemment, ayant du mal à reconnaître la peur, le dégoût et la surprise et se concentrant davantage sur l’intensité émotionnelle que sur la valence.
Les données EEG de 20 patients et 20 témoins sains ont été analysées à l’aide de l’apprentissage automatique, atteignant un score F1 de 0,97 pour la précision du diagnostic. Cette avancée technologique offre une méthode de diagnostic objective et non invasive, susceptible de révolutionner la détection précoce et le traitement de la maladie de Parkinson.
Faits clés
- Précision diagnostique : L’analyse émotionnelle basée sur l’EEG a obtenu un score F1 de 0,97 pour identifier la maladie de Parkinson.
- Modèles d’émotion : Les patients atteints de la maladie de Parkinson reconnaissent mieux l’excitation émotionnelle que la valence, confondant souvent les émotions opposées.
- Intégration de l’IA : Les cadres d’apprentissage automatique ont traité les données EEG pour différencier les patients des contrôles avec une grande précision.
Source: Informatique intelligente
Une équipe de recherche commune de l’Université de Canberra et du Koweït College of Science and Technology a réalisé une détection révolutionnaire de la maladie de Parkinson avec une précision presque parfaite, simplement en analysant les réponses cérébrales à des situations émotionnelles comme regarder des clips vidéo ou des images.
Les résultats offrent un moyen objectif de diagnostiquer le trouble du mouvement débilitant, au lieu de s’appuyer sur l’expertise clinique et l’auto-évaluation des patients, améliorant potentiellement les options de traitement et le bien-être général des personnes touchées par la maladie de Parkinson.
L’étude a été publiée le 17 octobre dans Informatique intelligenteun journal scientifique partenaire, dans un article intitulé « Exploration de l’analyse affective basée sur l’électroencéphalographie et de la détection de la maladie de Parkinson ».
Leur analyse du cerveau émotionnel se concentre sur la différence dans les réactions émotionnelles implicites entre les patients atteints de la maladie de Parkinson, dont on pense généralement qu’ils souffrent de troubles de la reconnaissance des émotions, et les individus en bonne santé.
L’équipe a démontré qu’elle pouvait identifier les patients et les individus en bonne santé avec un score F1 de 0,97 ou plus, sur la seule base des lectures des réponses émotionnelles par scanner cérébral.
Cette performance diagnostique est très proche de la précision de 100 % à partir des seules données sur les ondes cérébrales. Le score F1 est une métrique qui combine précision et rappel, où 1 est la meilleure valeur possible.
Les résultats montrent que les patients atteints de la maladie de Parkinson présentaient des schémas de perception émotionnelle spécifiques, comprenant mieux l’excitation émotionnelle que la valence émotionnelle, ce qui signifie qu’ils sont plus sensibles à l’intensité des émotions plutôt qu’à leur caractère agréable ou désagréable.
Il a également été constaté que les patients avaient le plus de difficultés à reconnaître la peur, le dégoût et la surprise, ou à confondre des émotions de valences opposées, comme confondre tristesse et bonheur.
Les chercheurs ont enregistré des données d’électroencéphalographie – ou EEG – mesurant l’activité électrique cérébrale de 20 patients atteints de la maladie de Parkinson et de 20 témoins sains.
Les participants ont regardé des clips vidéo et des images conçus pour déclencher des réactions émotionnelles.
Après l’enregistrement des données EEG, plusieurs descripteurs EEG ont été traités pour extraire les caractéristiques clés et ceux-ci ont été transformés en représentations visuelles, qui ont ensuite été analysées à l’aide de cadres d’apprentissage automatique tels que les réseaux neuronaux convolutionnels, pour la détection automatique de modèles distincts dans la façon dont les patients traitaient les émotions. par rapport au groupe sain.
Ce traitement a permis une différenciation très précise entre les patients et les témoins sains.
Les principaux descripteurs EEG utilisés incluent les vecteurs de puissance spectrale et les modèles spatiaux communs. Les vecteurs de puissance spectrale capturent la répartition de la puissance sur diverses bandes de fréquences, connues pour être en corrélation avec les états émotionnels.
Les modèles spatiaux communs améliorent la discriminabilité interclasse en maximisant la variance pour une classe tout en la minimisant pour une autre, permettant ainsi une meilleure classification des signaux EEG.
À mesure que les chercheurs continuent de perfectionner les techniques basées sur l’EEG, la surveillance émotionnelle du cerveau pourrait devenir un outil clinique largement répandu pour le diagnostic de la maladie de Parkinson.
L’étude démontre la promesse de combiner la neurotechnologie, l’IA et l’informatique affective pour fournir des évaluations objectives de la santé neurologique.
À propos de l’actualité de la recherche sur la maladie de Parkinson, les émotions et l’IA
Auteur: Xu Wen Liu
Source: Informatique intelligente
Contact: Xuwen Liu – Informatique intelligente
Image: L’image est créditée à Neuroscience News
Recherche originale : Accès libre.
« Explorer l’analyse affective basée sur l’électroencéphalographie et la détection de la maladie de Parkinson» de Ramanathan Subramanian et al. Informatique intelligente
Abstrait
Explorer l’analyse affective basée sur l’électroencéphalographie et la détection de la maladie de Parkinson
Bien que la maladie de Parkinson (MP) soit généralement caractérisée par des troubles moteurs, il existe également des preuves d’une diminution de la perception des émotions chez les patients parkinsoniens.
Cette étude examine l’utilité des signaux d’électroencéphalographie (EEG) pour comprendre les différences émotionnelles entre la MP et les contrôles sains (HC), et pour la détection automatisée de la MP.
En employant des méthodes traditionnelles d’apprentissage automatique et d’apprentissage profond sur plusieurs descripteurs EEG, nous explorons (a) la reconnaissance des émotions dimensionnelles et catégorielles et (b) la classification PD versus HC à partir de plusieurs descripteurs caractérisant les signaux EEG émotionnels.
Nos résultats révèlent que les patients parkinsoniens comprennent mieux l’excitation que la valence et, parmi les catégories d’émotions, la peur, le dégoût et la surprise avec moins de précision, et la tristesse avec plus de précision.
Les analyses d’étiquetage erroné confirment les confusions entre les émotions de valence opposée pour les données PD. Les réponses émotionnelles EEG permettent également d’obtenir une reconnaissance PD versus HC presque parfaite.
Cumulativement, notre étude démontre que (a) l’examen des réponses implicites permet à lui seul (i) de découvrir des déficiences liées à la valence chez les patients atteints de MP et (ii) de différencier la MP de l’HC et que (b) l’analyse EEG émotionnelle est une méthode écologiquement valable, efficace, outil pratique et durable pour le diagnostic de la MP par rapport aux auto-évaluations, aux évaluations d’experts et à l’analyse de l’état de repos.