使用相锁定值来确定神经反治疗响应在注意力缺陷多动性障碍

科学领域:

• 神经科学是一个神经科学.
• 生物医学工程 生物医学工程
• 机器学习 机器学习

背景情况:

• 神经反是一种针对多动症的非侵入性脑训练技术,但治疗的有效性在个体之间有很大差异.
• 许多患者对神经反无反应,这突显了在开始治疗之前评估治疗疗效的预测方法的需要.
• 关于预测神经反成功的先前研究,特别是使用缓慢的皮质潜能,已经显示出有限的准确性.

研究的目的:

• 探索EEG频段的功能性大脑连接,以预测神经反治疗的有效性.
• 开发和验证一个算法来预测神经反治疗多动症障碍的成功.
• 为了确定最佳的大脑电极用于神经反治疗,以提高效率.

主要方法:

• 利用了来自60名超活跃学生 (7-14岁) 接受神经反的EEG数据.
• 应用了五步算法,包括信号预处理,α和β频段的提取,以及相锁值分析,以评估功能性脑叶连接.
• 采用了机器学习分类器,包括支持向量机和提升方法,在使用t测试和遗传算法来识别最佳电极 (C3,FZ,F4,CZ,C4,F3) 的特征选择后使用t测试和遗传算法.

主要成果:

• 拟议的算法在预测多动症个体的可治疗性方面达到90.6%的准确率.
• 有效地确定了神经反治疗的关键电极,将其数量从32个减少到6个.
• 使用有限的数据,证明了快速预测治疗结果的能力.

结论:

• 引入了一个高度准确的算法 (90.6%) 预测神经反治疗结果在多动症障碍.
• 通过识别最佳电极并减少所需电极的数量,显著提高了处理效率.
• 能够预测患者对神经反治疗的反应,通过避免不必要的会议来节省时间和财务资源.