探索大脑前额叶皮层区域在患有ADHD的儿童中与机器学习的作用:含义和见解
Manjusha Pradeep Deshmukh1, Mahi Khemchandani2, Paramjit Mahesh Thakur3
1Professor, Computer Engineering department, Saraswati College of Engineering, Navi Mumbai, India.
这项研究引入了实证模式分解和机器学习,以改善注意力缺陷多动症 (ADHD) 诊断. 研究结果显示,ADHD患者的前额叶皮质活动差异,可能提高诊断准确性和治疗.
科学领域:
- 神经科学是一个神经科学.
- 计算精神病学是一种计算精神病学.
背景情况:
- 注意缺陷多动症 (ADHD) 是一种神经发育障碍,影响注意力,多动性和冲动性.
- 目前的ADHD诊断依赖于问卷等主观方法,这可能导致不准确性和患者的痛苦.
研究的目的:
- 用信号处理和机器学习开发一种新的,客观的ADHD诊断方法.
- 通过分析电脑电图 (EEG) 数据,探索ADHD的神经生物学基础.
主要方法:
- 经验模式分解 (EMD) 用于从EEG数据中提取特征.
- 一个深度信念网络 (DBN) 分类器被训练了从EMD的内在模式函数 (IMF) 衍生的统计参数.
- 主要组件分析 (PCA) 用于减小维度.
主要成果:
- 分析侧重于前额叶皮质通道 (Fp1,Fp2),揭示了ADHD患者的独特模式.
- 这项研究证实了前额叶皮质在调节ADHD患者注意力,行为和情绪方面的作用.
- 这些发现与关于前额叶功能 (如规划和决策) 的既定神经科学一致.
结论:
- 这项研究为了解ADHD的神经生物学机制提供了一种新的计算方法.
- 拟议的方法有可能提高诊断准确度,并个性化ADHD的治疗策略.
- 这项工作可能会为患有ADHD的个体带来更好的结果.
更多相关视频
10:02Event Related Potentials ERPs and other EEG Based Methods for Extracting Biomarkers of Brain Dysfunction: Examples from Pediatric Attention Deficit/Hyperactivity Disorder ADHD
Published on: March 12, 2020
05:48The Adventures of Fundi Intervention Based on the Cognitive and Emotional Processing in Attention Deficit Hyperactive Disorder Patients
Published on: June 12, 2020
相关概念视频
Attention-Deficit/Hyperactivity Disorder
Diagnostic Criteria and Symptoms
To diagnose ADHD, symptoms must manifest before age 12 and be evident across multiple settings....
Role of Cerebellum and Prefrontal Cortex in Memory
Information Processing Approach
