AI-Driven Framework for Accurate Detection of Alzheimer’s Disease in EEG

Alzheimer’s Disease (AD) is a rapidly growing neurodegenerative disorder that severely impairs cognitive function, particularly among older adults. 

Early detection is critical for timely intervention and effective management. While electroencephalography (EEG) provides a non-invasive, cost-effective tool with high temporal resolution for diagnosing Alzheimer’s Disease (AD), traditional EEG-based approaches often struggle to extract informative features accurately from complex brain signals, thus limiting their diagnostic performance. 

This study addresses these challenges by proposing a novel artificial intelligence-based framework that integrates feature fusion with a Convolutional Long Short-Term Memory (Conv-LSTM) architecture.

La enfermedad de Alzheimer (EA) es un trastorno neurodegenerativo de rápido crecimiento que deteriora gravemente la función cognitiva, sobre todo entre los adultos mayores.

Su detección precoz es fundamental para poder intervenir a tiempo y tratarla con eficacia. Aunque la electroencefalografía (EEG) proporciona una herramienta no invasiva y rentable con una alta resolución temporal para el diagnóstico de la enfermedad de Alzheimer (EA), los métodos tradicionales basados en EEG a menudo tienen dificultades para extraer características informativas con precisión a partir de señales cerebrales complejas, lo que limita su rendimiento diagnóstico.

Este estudio aborda estos retos proponiendo un novedoso marco basado en inteligencia artificial que integra la fusión de características con una arquitectura Conv-LSTM (Conv-Long Short-Term Memory).

La maladie d'Alzheimer est une affection neurodégénérative en pleine expansion qui altère gravement les fonctions cognitives, en particulier chez les personnes âgées.

La détection précoce est essentielle pour une intervention rapide et une prise en charge efficace. L'électroencéphalographie (EEG) est un outil non invasif, rentable et à haute résolution temporelle pour diagnostiquer la maladie d'Alzheimer, mais les approches traditionnelles basées sur l'EEG peinent souvent à extraire avec précision des caractéristiques informatives à partir de signaux cérébraux complexes, ce qui limite leurs performances en matière de diagnostic.

Cette étude relève ces défis en proposant un nouveau cadre basé sur l'intelligence artificielle qui intègre la fusion des caractéristiques avec une architecture de mémoire convolutive à long terme (Conv-LSTM).

La malattia di Alzheimer (AD) è una patologia neurodegenerativa in rapida crescita che compromette gravemente le funzioni cognitive, soprattutto negli adulti più anziani.

La diagnosi precoce è fondamentale per un intervento tempestivo e una gestione efficace. Sebbene l'elettroencefalografia (EEG) fornisca uno strumento non invasivo, economico e ad alta risoluzione temporale per la diagnosi della malattia di Alzheimer (AD), gli approcci tradizionali basati sull'EEG spesso faticano a estrarre con precisione le caratteristiche informative da segnali cerebrali complessi, limitando così le loro prestazioni diagnostiche.

Questo studio affronta queste sfide proponendo un nuovo framework basato sull'intelligenza artificiale che integra la fusione di caratteristiche con un'architettura Convolutional Long Short-Term Memory (Conv-LSTM).

A doença de Alzheimer (DA) é um distúrbio neurodegenerativo que cresce rapidamente e prejudica gravemente a função cognitiva, principalmente entre os idosos.

A detecção precoce é fundamental para a intervenção oportuna e o gerenciamento eficaz. Embora a eletroencefalografia (EEG) seja uma ferramenta não invasiva, econômica e com alta resolução temporal para o diagnóstico da doença de Alzheimer (DA), as abordagens tradicionais baseadas em EEG muitas vezes têm dificuldade para extrair com precisão recursos informativos de sinais cerebrais complexos, limitando assim seu desempenho diagnóstico.

Este estudo aborda esses desafios ao propor uma nova estrutura baseada em inteligência artificial que integra a fusão de recursos com uma arquitetura de memória convolucional de curto prazo (Conv-LSTM).

Marco basado en IA para la detección precisa de la enfermedad de Alzheimer en EEG