基于脑电图的自闭症谱系障碍的识别:系统性审查
Jing Li1, Xiaoli Kong1, Linlin Sun2
1School of Computer Science and Engineering, Tianjin University of Technology, Tianjin, 300384, China.
Computers in biology and medicine
|February 1, 2024
概括
本综述探讨了使用脑电图 (EEG) 信号来识别自闭症谱系障碍 (ASD). 机器学习和深度学习为ASD儿童提供客观,高效和准确的自动诊断.
科学领域:
- 神经科学是一个神经科学.
- 计算生物学 计算生物学
- 医疗信息学 医疗信息学
背景情况:
- 自闭症谱系障碍 (ASD) 是一种影响社会沟通和行为的神经发育状况.
- 目前的诊断方法耗时,缺乏客观的生物标记.
- 早期和准确的ASD诊断对于儿童的有效干预至关重要.
研究的目的:
- 全面审查基于EEG的方法来识别ASD.
- 评估传统的机器学习和深度学习方法来诊断ASD.
- 讨论使用EEG信号自动化ASD诊断的挑战和机遇.
主要方法:
- 审查关于用于ASD检测的EEG信号分析现有文献.
- 对EEG数据应用的传统机器学习技术的分析.
- 对深度学习模型的评估,以从EEG模式中识别ASD.
主要成果:
- 脑电图分析可以揭示ASD个体的异常同步神经元活动.
- 机器学习和深度学习为传统的自闭症诊断提供了客观有效的替代方案.
- 基于EEG的各种方法显示出自动化ASD识别的前景.
结论:
- 基于EEG的方法显示出对客观和自动自闭症诊断的希望.
- 需要进一步的研究来克服挑战并提高诊断效率.
- 这一审查有助于通过EEG信号分析自动识别ASD.


