基于围模糊的复杂性分析,以促进幼儿的多动症诊断

科学领域:

• 神经科学是一个神经科学.
• 儿科神经学 儿科神经学
• 生物医学工程 生物医学工程

背景情况:

• 注意缺陷多动症 (ADHD) 是儿童中普遍存在的一种神经发育状况.
• 早期和准确的诊断对于有效的干预和管理至关重要.
• 脑电图 (EEG) 提供了一种非侵入性方法来评估大脑活动.

研究的目的:

• 调查基于EEG的神经生物标志物的疗效,以便在幼儿中早期检测ADHD.
• 使用EEG数据比较机器学习模型来分类ADHD和典型发育 (TD) 儿童.
• 确定最佳的EEG特征和数据段,以提高诊断准确度.

主要方法:

• 在休息期间记录了30名ADHD儿童和30名TD儿童 (4-7岁) 的8通道无线可穿戴EEG数据和Kiddie连续性能测试 (K-CPT).
• 提取了相对功率光谱密度 (PSD) 和复杂值 (样本,转换,SVD,模糊).
• 采用k-最近邻居 (kNN),支持矢量机 (SVM) 和XGBoost分类器,用于特征选择.

主要成果:

• 结合休息状态和K-CPTEEG数据,与单一状态数据相比,显示出更高的区分能力.
• 通过使用右叶的β功率和叶的模糊变,获得了90%的最佳分类准确度.
• 相对PSD和复杂度指标显示,在区分ADHD与TD儿童方面,有显著的潜力.

结论:

• 来自EEG的相对PSD和复杂度指标显示,它们是支持早期ADHD诊断的客观工具.
• 鉴定的EEG特征可以作为开发有针对性的早期干预策略的有价值的神经生物标志物.
• 可穿戴式EEG技术提供了一种可行的方法,用于收集幼儿的神经生理学数据用于诊断目的.