对基于物联网的EEG信号进行注意力缺陷多动症 (ADHD) 检测.
J Aarthy Suganthi Kani1, S Immanuel Alex Pandian2, Anitha J3
1Research Scholar, Department of Electronics and Communication Engineering, Karunya Institute of Technology and Sciences Karunya Nagar, Coimbatore, Tamil Nadu, India.
Computer methods in biomechanics and biomedical engineering
|September 20, 2024
概括
本研究介绍了一种基于物联网的创新系统,用于使用EEG信号检测注意力缺陷多动症 (ADHD). 提出的方法实现了高准确性,帮助临床医生在客观的ADHD诊断.
科学领域:
- 生物医学工程 生物医学工程
- 神经科学是一个神经科学.
- 计算机科学 计算机科学
背景情况:
- 注意缺陷多动性障碍 (ADHD) 是一种常见的儿童行为障碍.
- 目前的ADHD诊断依赖于主观评估,缺乏客观标记.
- 早期识别对于减轻ADHD对生活结果的影响至关重要.
研究的目的:
- 开发一种基于物联网 (IoT) 的创新性ADHD检测系统.
- 利用电脑电图 (EEG) 信号进行客观的ADHD识别.
- 提高诊断的准确性和支持临床决策.
主要方法:
- 脑电图信号处理与最小至最大的正常化.
- 提取高级特征:改进了模糊特征,碎形维度,波形变换和非线性特征.
- 开发一种混合PUDMO算法,以实现最佳特征选择和分类器重量调整.
- 实施一个混合检测系统,集成IDBN和LSTM分类器.
主要成果:
- 拟议的PUDMO算法实现了0.9649.9的高精度.
- 显著优于现有的方法 (例如,SLO,SOA,SMA,BRO,DE,POA,DMOA) 的性能.
- 证明了混合分类系统在ADHD检测中的有效性.
结论:
- 基于物联网的EEG分析为ADHD检测提供了一个有希望的客观方法.
- 混合PUDMO算法增强了特征选择和分类器性能.
- 这项技术可以帮助临床医生做出更知情和客观的ADHD诊断.
更多相关视频
13:09Using Brain Activation nir-HEG/Q-EEG and Execution Measures CPTs in a ADHD Assessment Protocol
Published on: April 1, 2018
10.3K
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
15.6K
