Decoding brain age predictions from sleep electroencephalography across infancy to adolescence
8.5
来源：
Nature
关键字：
EEG
发布时间：
2025-11-25 03:37
摘要：
本研究利用深度学习技术，通过分析儿童的睡眠脑电图（EEG），成功预测了功能性脑龄（FBA），并探讨了不同睡眠阶段对预测准确性的影响。研究结果显示，FBA在N2、N3和REM睡眠阶段的预测准确性最高，平均绝对误差为0.96年。这一发现为儿童神经发育健康的监测提供了新的非侵入性工具，具有重要的临床应用前景。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
1.0分
business_impact
1.0分
scientific_rigor
1.5分
timeliness_innovation
1.5分
investment_perspective
2.5分
market_value_relevance
1.0分
team_institution_background
0.5分
technical_barrier_competition
1.0分
关键证据
研究表明，功能性脑龄的预测准确性在不同睡眠阶段有显著差异，尤其是在N2、N3和REM阶段。
使用深度学习模型，研究实现了平均绝对误差为0.96年的脑龄预测，显示出良好的临床应用潜力。
该研究基于814名儿童的睡眠数据，提供了对儿童脑发育的深入理解，具有重要的临床意义。
真实性检查
否
AI评分总结
本研究利用深度学习技术，通过分析儿童的睡眠脑电图（EEG），成功预测了功能性脑龄（FBA），并探讨了不同睡眠阶段对预测准确性的影响。研究结果显示，FBA在N2、N3和REM睡眠阶段的预测准确性最高，平均绝对误差为0.96年。这一发现为儿童神经发育健康的监测提供了新的非侵入性工具，具有重要的临床应用前景。