قد يكون تشخيص الخرف تحدياً كبيراً، لكن دراسة حديثة تقدم حلاً مبتكراً عبر استخدام شبكة المكان-زمان الموجهة بالمهام (TGSN) المدعومة بتقنية زيادة الصفات. تهدف هذه الدراسة إلى تحسين تشخيص الخرف والتوقعات الخاصة باختبار الحالة الذهنية (MMSE) عن طريق تحليل البيانات الكهربائية للدماغ (EEG).

بفضل نموذج دمج الميزات متعدد النطاقات، تستطيع TGSN التقاط معلومات طيفية تُعزز من دقة التشخيص. كما تم إدخال وحدة زيادة البيانات المعتمدة على عملية الانتشار لزيادة تنوع العينات، مما يسهم في تحسين نتائج الاختبار.

أحد أبرز ميزات هذا النظام هو وحدة الانتباه المكاني-الزماني القابلة للتحكم، التي تلعب دوراً حيوياً في تحليل الأنماط المعقدة بين الزمان والمكان، وتساعد في التقليل من التداخل بين المهام المختلفة.

تظهر نتائج التجارب على مجموعة بيانات XY02 أن TGSN تتفوق على أساليب أخرى رائدة، محققة دقة تصنيف تصل إلى 97.78٪ لتشخيص مرض الزهايمر (AD) والخرف الجبهي الصدغي (FTD)، و83.93٪ للجمع بين (AD/FTD/القصور المعرفي الوعائي (VCI). كما نجحت في تقليل الخطأ الجذري المتوسط (RMSE) لتوقع درجة MMSE إلى 1.93 و2.38، مما يمثل انخفاضاً مهماً مقارنة بالطرق السابقة.

أخيراً، تؤكد نتائج الاختبار على مجموعة بيانات DS004504 فعالية النظام في تحقيق تعميم قوي عبر البيانات، مما يبشر بمستقبل مشرق في مجال تشخيص خرف الزهايمر وغيرها من الاضطرابات المعرفية.