基于脑电图信号的脑年龄预测模型及其在患有自闭症谱系障碍的儿童中的应用
Yi Ju1, Tong Zhao2, Zaifen Gao3
1First Hospital, Peking University, Beijing, China.
Frontiers in neurology
|July 3, 2025
概括
这项研究开发了一种基于EEG的深度学习模型,用于预测患有自闭症谱系障碍 (ASD) 的儿童的大脑年龄. 该模型作为评估ASD大脑发育的客观生物标志物具有前途.
科学领域:
- 神经科学是一个神经科学.
- 生物标志物 生物标志物
- 计算精神病学是一种计算精神病学.
背景情况:
- 自闭症谱系障碍 (ASD) 缺乏对大脑发育异常的客观生物标志物.
- 目前的评估依赖于行为观察,需要更客观的措施.
研究的目的:
- 开发和验证一个客观的生物标志物来评估ASD的大脑发育,使用脑电图 (EEG) 和深度学习.
- 评估基于EEG的大脑年龄预测模型的潜力,用于ASD的临床评估.
主要方法:
- 一个深度学习模型,特别是一个Gate Recurrent Unit (GRU) 神经网络,被构建用于从EEG数据中预测大脑年龄.
- 该模型在659名典型发育儿童和98名患有自闭症儿童的数据上进行了训练和验证.
- 分析了ASD患者和健康对照人群之间的大脑年龄差异.
主要成果:
- 自动EEG-脑AGE预测模型的准确性很高,在整个大脑水平上,相关系数 (r值) 超过0.8 (高达0.91).
- 对于ASD组,整个大脑的r值达到0.76,亚大脑区域的值从0.66到0.7.7不等.
- 在不同大脑模型中,ASD中的平均大脑年龄差距 (Brain AGE) 估计在0.64至1.18年之间.
结论:
- 成功构建了一个EEG-Brain AGE预测模型,能够评估个人的大脑发育.
- 这种模型显示了作为评估自闭症谱系障碍中大脑发育的客观生物标志物的潜力.
