建模自闭症中个体内和试验间的EEG反应变异性

科学领域:

• 神经科学是一个神经科学.
• 生物统计学 生物统计学
• 发展心理学 发展心理学

背景情况:

• 自闭症谱系障碍 (自闭症) 是一种神经发育状况,其特征是社会和沟通障碍.
• 脑电图 (EEG) 是一种非侵入性方法,用于研究自闭症患者的大脑功能.
• 脑电图反应的试验变异性增加是自闭症的潜在生物标志物.

研究的目的:

• 引入非线性混合效应 (NLME) 模型来分析自闭症的试验级EEG数据.
• 量化EEG反应的个体内和试验间的变异性.
• 开发计算上可行的方法来分析大型EEG数据集.

主要方法:

• 多层非线性 (形状不变) 混合效应 (NLME) 模型的应用.
• 使用一种新的小化-最大化 (MM) 算法进行可扩展的估计.
• 对试验级EEG数据的分析,重点关注像延迟和振幅这样的特征.

主要成果:

• 患有自闭症的儿童在视觉唤起潜能 (VEP) 任务期间P1延迟的个体内试验间变异性显著增加.
• 拟议的NLME模型有效量化了响应变异性从杂的试验级EEG数据.
• 模拟证实了MM算法对大数据集的有效性.

结论:

• NLME模型提供了一种精确的方法来评估自闭症患者的EEG反应变异性.
• 特定EEG组件在试验间更大的变异性可能作为自闭症的客观标志物.
• 开发的计算方法使复杂的EEG数据可用于自闭症研究的可扩展分析.