基于值差异的EEG频道选择技术用于自动检测ADHD
Shishir Maheshwari1, Kandala N V P S Rajesh2, Vivek Kanhangad3
1Department of Electronics and Communication Engineering, Motilal Nehru National Institute of Technology Allahabad, Prayagraj, Uttar Pradesh, India.
PloS one
|April 3, 2025
概括
这项研究引入了一种自动化方法,用于使用电脑电图 (EEG) 分析检测儿童的注意力缺陷多动症 (ADHD). 新型差 (EnD) 方法实现了99.29%的准确性,超过了现有方法.
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
- 机器学习 机器学习
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障碍.
- 准确和早期发现ADHD对于有效的干预和管理至关重要.
- 现有的ADHD检测方法往往缺乏效率,需要大量的手动输入.
研究的目的:
- 利用电脑电图 (EEG) 数据开发一种自动化和高度准确的ADHD检测方法.
- 引入一种基于差 (EnD) 的新通道选择方法,用于识别显著的EEG通道.
- 评估拟议方法的性能与现有技术相比.
主要方法:
- 使用基于差 (EnD) 的方法来选择最重要的EEG通道.
- 从使用离散波纹转换 (DWT),实证模式分解 (EMD) 和对称加权局部二进制模式 (SLBP) 的选定的频道中提取特征.
- 采用k-最近邻居 (k-NN),集合分类器和支持向量机 (SVM) 进行自动分类.
主要成果:
- 拟议的基于EndD的频道选择方法在公共数据库中实现了最高准确率99.29%.
- 基于的传统道选择方法的EnD方法始终表现优于EnD方法.
- 与现有方法相比,开发的自动化ADHD检测系统表现出优异的性能.
结论:
- 拟议的自动化ADHD检测系统,利用基于EndD的EEG通道选择,提供了一个高度准确和高效的诊断工具.
- EnD方法有效地识别了关键的EEG通道,提高了分类性能.
- 这种方法在改善儿童多动症的早期诊断和管理方面具有显著的潜力.
