相关实验视频
Updated: Jun 7, 2025
11:50
EEG Mu Rhythm in Typical and Atypical Development
Published on: April 9, 2014
25.7K
基于自闭症儿童机器学习算法的可穿戴EEG神经反:一个随机的,安慰剂控制的研究
Xian-Na Wang1,2, Tong Zhang3,4, Bi-Cheng Han5
1Capital Medical University School of Rehabilitation Medicine, Beijing, 100068, China.
Current medical science
|November 20, 2024
概括
这项研究表明,使用人工智能的可穿戴EEG神经反显著改善了自闭症谱系障碍 (ASD) 儿童的表达语言和认知意识. 这种脑-计算机接口为ASD干预提供了一个有前途的新辅助技术.
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:
- 行为干预可以改善自闭症谱系障碍 (ASD) 中的脑电图 (EEG) 动态.
- 镜像神经元基于mu节奏的EEG神经反训练可以提高ASD患者的行为功能.
研究的目的:
- 为了评估一个可穿戴的mu节奏神经反系统的有效性,为被诊断为自闭症的儿童提供机器学习算法.
主要方法:
- 一项随机的,安慰剂控制的研究,涉及60名3-6岁的自闭症儿童.
- 参与者被分配到积极的mu节奏神经反或假的神经反训练中.
- 干预发生在两个以中心为基础的地点,超过60个会议,与两个组的可比行为程序.
主要成果:
- 两组人都在语言,社会和问题行为方面表现出显著的改善.
- 与安慰剂组相比,神经反组在表达性语言 (P=0.013) 和认知意识,包括联合注意力 (P=0.003) 中表现出显著更大的收益.
结论:
- 由人工智能驱动的可穿戴EEG神经反代表了一种新的脑电脑接口应用程序.
- 这项技术显示出作为对ASD有针对性的干预的辅助工具的前景.
- 它解决了与ASD行为症状有关的核心大脑机制.
