听觉ERP用于儿童ADHD检测的分类
I Mercado-Aguirre1, K Gutiérrez-Ruiz2, S H Contreras-Ortiz1
1Biomedical Engineering Program, Universidad Tecnológica de Bolívar, Cartagena de Indias, Colombia.
Journal of medical engineering & technology
|March 21, 2025
概括
这项研究表明,便携式脑电图 (EEG) 可以帮助诊断儿童的注意力缺陷多动症 (ADHD). 机器学习模型使用EEG数据实现了高精度,提供了一个补充诊断工具.
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
- 儿科 儿科 儿科
背景情况:
- 注意缺陷多动症 (ADHD) 是一个常见的儿童神经发育状况.
- 目前的ADHD诊断依赖于行为症状和临床评估,而脑电图 (EEG) 作为补充工具.
- 需要客观有效的诊断方法来改善对ADHD的早期发现和干预.
研究的目的:
- 开发和评估一种机器学习方法,用于对患有ADHD的儿童和对照对象的EEG记录进行分类.
- 评估便携式EEG系统作为ADHD诊断的客观工具的潜力.
主要方法:
- 在使用便携式耳机的47名儿童 (22名ADHD患者,25名对照) 记录了EEG信号,这些儿童在2色奇特的范式中使用便携式耳机.
- 从听觉事件相关潜力 (ERP),频段,混乱量化和双光谱分析中提取了特征.
- 支持矢量机 (SVM) 和树木算法用于分类.
主要成果:
- SVM和Trees算法实现了最高的性能,精度为86.36%,灵敏度为95.45%.
- 该研究确定了相关的EEG特征,这些特征使ADHD儿童与对照儿童有所区别.
- 便携式EEG系统展示了客观ADHD评估的潜力.
结论:
- 使用机器学习分析的便携式EEG系统可以有效地补充标准ADHD临床评估.
- 这种方法提供了一个客观的,时间效率高的,可访问的方法来支持早期的ADHD诊断.
- 基于EEG的分类的高精度和灵敏度对于减少误诊和及时干预至关重要.
