用EEG改进ADHD诊断:预处理和时间细分对分类准确性的影响
Sandra García-Ponsoda1, Alejandro Maté2, Juan Trujillo1
1Lucentia Research Group - Department of Software and Computing Systems, University of Alicante, Rd. San Vicente s/n, San Vicente del Raspeig, 03690, Spain; ValgrAI - Valencian Graduate School and Research Network of Artificial Intelligence, Camí de Vera s/n, Valencia, 46022, Spain.
Computers in biology and medicine
|November 1, 2024
概括
预处理和细分脑电图 (EEG) 数据可以改善注意力缺陷/多动症 (ADHD) 诊断. 后来的EEG段和特定通道产生了最高的准确性,这表明认知疲劳影响了ADHD的分类.
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
- 临床心理学 临床心理学
背景情况:
- 电脑电图 (EEG) 信号对于诊断注意力缺陷/多动障碍 (ADHD) 非常重要.
- 脑电图数据中的噪音和人工物可能会损害诊断的准确性和可靠性.
- 先进的预处理和细分技术对于提高EEG的ADHD分类至关重要.
研究的目的:
- 用EEG评估预处理和细分对ADHD诊断的影响.
- 为了确定最佳的EEG段,通道和特征,以准确地分类ADHD.
- 通过EEG分析探索认知疲劳在ADHD诊断中的作用.
主要方法:
- 应用工件子空间重建 (ASR) 和独立组件分析 (ICA) 用于EEG预处理.
- 分段的EEG记录和提取的统计学意义上的特征.
- 利用支持矢量机 (SVM),K-近邻 (KNN) 和XGBoost模型用于在不同EEG细分和频道中进行分类.
主要成果:
- 在以后的EEG段上训练的机器学习模型在ADHD分类中显示出明显更高的准确性.
- 使用来自P3,P4和C3通道的数据实现了最高准确率86.1%.
- 促成分类的关键特征包括库尔托斯,卡茨碎形维度和Delta,Theta和Alpha波段的功率光谱.
结论:
- 脑电图预处理和细分对于可靠的ADHD诊断至关重要.
- 认知疲劳可能在区分ADHD方面发挥重要作用,特别是在后期的EEG段.
- 对认知疲劳和高级细分策略的进一步研究可以提高ADHD诊断的准确性.
