表 1. Studies on EEG-based brain age prediction using machine learning methods.

应用机器学习方法进行EEG脑龄预测的研究

文献	样本量	年龄	数据类型	模型	结果评价
[31]	4 506	18～80岁	睡眠EEG	SVR	MAE = 7.6年， = 0.83
[33]	92	28～40周	早产儿EEG	SVR	MAE = 0.79周
[34]	39	< 28周	早产儿EEG	SVR	r = 0.936
[35]	96	28～40周	皮层诱发电位	SVR	MAE = 1.55周
[36]	73	24～31周	早产儿EEG	SVR	MAE = 2.1周
[11]	2 634	0～95岁	静息EEG	四种基于协方差的方法（Upper、Log diagonal、SPoC和Riemann）	R2 = 0.8，AUC = 0.9
[20]	723	2月～ 18岁	睡眠EEG	GPR	MAE = 1.25年，R2 = 0.85
[32]	5 144	> 50岁	睡眠EEG	广义线性模型+Softplus函数	BAI： 非痴呆组：0.20；有症状者：0.58；MCI：1.65；痴呆：4.18
[37]	4 877	>40岁	睡眠EEG	惩罚线性回归	风险比= 1.12
[38]	5 200	18～81岁	睡眠EEG	岭回归模型	R2 = 0.3～0.5
[39]	30	27～42周	早产儿EEG	线性混合效应模型	MAE = 1.51周，R2 = 0.8
[40]	1 538	5～18岁	静息EEG	RFR	MAE = 1.22年，r = 0.53～0.74
[10]	1 851	29～45周	新生儿EEG	梯度推进模型	AUC = 0.984
[41]	468	平均34.8岁	静息EEG	嵌套交叉验证 + 堆叠回归集成模型	MAE = 6.87年，R2 = 0.37，r = 0.6，RMSE = 8.46
[42]	596	30～93岁	静息EEG	SVR+弹性网回归 + 径向基函数核高斯过程	MAE = 3.681年，R2 = 0.927，r = 0.965