通过基于脑电图的动态局部图形理论指标诊断自闭症谱系障碍
Hao Luo1, Shuo Yang1, Nanxiang Zhang1
1Department of Medical Statistics, School of Public Health, Sun Yat-sen University, 510080 Guangzhou, Guangdong, China.
Journal of integrative neuroscience
|May 30, 2024
概括
对脑电图 (EEG) 数据的动态图理论分析揭示了自闭症谱系障碍 (ASD) 的新生物标志物. 最佳参数确定了特定的大脑连接模式,用于准确的ASD诊断.
科学领域:
- 神经科学是一个神经科学.
- 生物标志物发现发现
- 计算精神病学是一种计算精神病学.
背景情况:
- 自闭症谱系障碍 (ASD) 在诊断方面存在挑战,原因是缺乏可靠的生物标志物.
- 之前关于自闭症生物标志物的研究集中在静态大脑连接上,忽视了动态和空间相互作用.
研究的目的:
- 整合动态功能连接和局部图形理论指标,以识别用于ASD诊断的强大的生物标志物.
- 解决自闭症谱系障碍研究中静态功能连接性分析的局限性.
主要方法:
- 收集了20名自闭症患者和25名对照组的休息和睡眠电脑电图 (EEG) 数据.
- 应用了对EEG数据的滑动窗口方法,计算了五个子频段的动态局部图形理论指标.
- 使用支持-向量-机器复发-特征-消除方法来进行特征选择和生物标志物识别.
主要成果:
- 带有3秒窗口和50%移动步骤的动态图形理论指标实现了ASD的95.2%分类精度.
- 平均值,中位数和四分位数间范围的指标表现出100%的准确性与最小的特征.
- 选择的特征主要涉及额头区域和Beta子频段.
结论:
- 在ASD诊断中动态图形理论分析的最佳参数被确定为3秒的窗口宽度和50%的移动步骤.
- 额叶和Beta子频段内动态局部图形理论指标的异常显示出作为有价值的ASD诊断生物标志物的有望性.
