近日，团队成员李建平等在邱丽娜老师的指导下在SCI期刊Frontiers in Neuroscience（影响因子: 5.152、JCR Q2）发表研究论文《Parkinson’s disease detection based on multi-pattern analysis and multi-scale convolutional neural networks》，并于2022年7月27日在线发表，发表网址为：

https://doi.org/10.3389/fnins.2022.957181

        帕金森病(PD)是一种复杂的神经退行性疾病。目前，PD的早期诊断仍极具挑战性，对PD的脑表征仍缺乏共识，迫切需要一种更高效、更稳健的PD检测方法。为了进一步探索基于脑活动的PD特征，实现对PD患者(包括OFF—未用药患者和ON—用药患者)的有效检测，本研究对PD患者的脑功能活动进行了基于脑激活和脑功能连通性的多模式分析，提出了一种基于多尺度卷积神经网络(MCNN)的新型PD检测模型。通过对两个独立静息状态脑电图(EEG)数据集的多频段功率谱密度(PSD)和锁相值(PLV)特征的分析，我们发现HC与PD患者(包括OFF和ON用药)之间的PSD和PLV存在显著差异，尤其是β和γ波段，这两个波段对PD检测非常有效。而且，结合使用以PSD为代表的脑激活和以PLV为代表的功能连接模式，可以有效提高PD检测的性能。此外，我们提出的MCNN模型显示了PD自动检测的巨大潜力，交叉验证精度、灵敏度、特异性和接收者工作特征曲线下的面积都在99%以上。我们的研究可能有助于进一步了解PD的特征，并为未来基于自发性脑电图活动的PD诊断提供新思路。