表 2. Studies on EEG-based brain age prediction using deep learning methods.

应用深度学习方法进行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
[43]	140	< 32周	静息EEG	CNN	MAE = 1.03周，R2 = 0.82
[44]	7 048	1～103岁	睡眠EEG	MIMFs + CNN	MAE = 13.76年
[45]	1 274	5～88岁	静息EEG	DCNN	MAE = 5.96年，R2 = 0.81
[46]	43	23～28周	早产儿EEG	CNN	重复率 = 96%
[18]	225	> 8岁	睡眠EEG	DenseNet	准确率 = 86%，BAI =（–0.6 ± 2.7）年
[47]	4 215	20～70岁	睡眠EEG	DenseNet	MAE = 5.4年，r = 0.8
[48]	5 282	> 18岁	睡眠EEG	DenseNet	MAE = 4.8年，r = 0.86
[49]	546	2～88岁	静息EEG	LSTM、GRU、BLSTM、BGRU	MAE = 7
[50]	375	8月～20岁	静息EEG	BLSTM、Transformer	准确率 = 86%
[51]	60	6～55岁	静息EEG	Deep BLSTM、LSTM	准确率 = 97.5%
[52]	13 616	0～100岁	睡眠EEG	Swin transformer、CNN、DenseNet	MAE = 4.19年，r = 0.97
[53]	13 299	20～90岁	睡眠EEG	CNN+LSTM+attention	MAE = 5.8年，r = 0.839
[54]	5 306	—	fMRI、EEG	GCN	MAE = 5.34年，R2 = 0.37，F = 0.59，RMSE = 6.9