通过局部皮质激活和全球功能连接的融合,通过基于游戏的刺激和移动EEG系统来表征自闭症谱系障碍

科学领域:

• 神经科学是一个神经科学.
• 发展心理学 发展心理学
• 生物医学工程 生物医学工程

背景情况:

• 社交互动缺陷是自闭症谱系障碍 (ASD) 的核心特征,受个人经验和社会环境的影响.
• 神经成像研究已经确定了社交障碍与ASD患者脑活动变化之间的联系.
• 目前对自闭症的行为评估可能是主观的,缺乏精确的准确性.

研究的目的:

• 开发和验证一种用于评估和识别自闭症的新方法,使用基于社交认知游戏的范式与脑电图 (EEG) 信号特征相结合.
• 在社交交互任务期间,研究典型发育 (TD) 个体和自闭症前青少年和青少年之间脑活动和功能连接的神经生理差异.
• 评估机器学习模型在基于EEG衍生的神经生理特征的ASD特征的有效性.

主要方法:

• 招募典型发育 (TD) 参与者和自闭症前青少年/青少年参加社会认知游戏.
• 在游戏期间记录了12通道脑电图 (EEG) 信号,然后进行预处理以分析局部大脑活动 (ERP,时间频率特征) 和全球功能连接 (PLI).
• 采用机器学习模型,特别是支持向量机器,以评估ASD特征的神经生理特征.

主要成果:

• 自闭症患者表现出明显的事件相关潜力 (ERP) 差异,包括较低的晚期积极潜力 (LPP) 幅度和较大的P200幅度在平行区域与TD参与者相比.
• 在ASD组中,在社交任务中观察到theta同步减少和异常的功能连接模式.
• 使用ERP和大脑振荡特征的机器学习模型实现了高性能指标 (100%的灵敏度,91.7%的特异性,95.8%的准确性) 用于自闭症特征.

结论:

• 患有自闭症的社交互动困难与特定的,可量化的大脑激活和连接模式有关.
• 拟议的社会培训接口和基于EEG的神经生理特征显示出作为ASD客观和准确的认知评估工具的巨大潜力.
• 这种方法为识别和理解自闭症提供了传统,潜在主观的行为评估的有希望的替代方案.