基于贝叶斯张量建模的阿尔茨海默病影像分类 引言 神经影像学研究是当代神经科学的重要组成部分，极大地丰富了我们对大脑结构和功能的认识。通过这些非侵入性的视觉化技术，研究人员可以更精确地预测某些神经和精神疾病的风险，进而在早期阶段进行干预和治疗，从而改善患者的健康和生活质量。特别是在阿尔茨海默病（Alzheimer’s Disease，以下简称AD）的研究中，神经影像学提供了宝贵的病理机制见解，能跟踪病情进展，识别早期症状并区分其他导致痴呆的原因。 然而，在处理神经影像数据时会面临多个重大挑战，例如数据空间依赖性、高维度及噪声，并且往往难以在异构条件下识别合适的神经生物标志物。为了应对这些复杂的影像数据问题，研究者提出了多种统计和机器学习方法，其中包括基于影像特征的分类模型。 尽管现有的方法有着...

基于改进的集合经验模态分解的脑功能网络用于焦虑分析和检测 学术背景及研究目的 随着现代生活压力的增加，焦虑症（Anxiety）作为一种常见神经系统疾病，正日益成为全球公共卫生领域亟待解决的问题。焦虑症不仅表现在精神障碍上，还涉及注意力、记忆和学习等认知过程的异常表现。COVID-19疫情的爆发进一步增加了焦虑症的患病率。据统计，焦虑症在12个月内的发病率为男性4.80%，女性5.20%。然而，焦虑的病因至今尚未明确，且自愈的概率较低。这些复杂性和不确定性使得早期检测和干预变得尤为重要。然而，传统的焦虑检测方法依赖于面对面访谈和自我评估，不仅费时费力，还受到医生专业经验和患者自我评估的主观因素影响。因此，有必要探索一种客观且准确的焦虑分析和检测方法。 在众多生理信号中，脑电图（EEG）因其高时...