与发育性阅读障碍相关的EEG中的异常功能连接模式及其对查的潜在用途

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
• 机器学习应用 机器学习应用

背景情况:

• 发育性阅读障碍 (DD) 是一种常见的学习障碍,可疑有神经支.
• 脑电图 (EEG) 测量与机器学习相结合,显示了DD查的潜力.
• 以前的研究往往缺乏对独立数据集的验证,这限制了实际应用.

研究的目的:

• 开发和验证一种基于EEG的查方法来检测中国儿童发育性阅读障碍症.
• 通过功能连接 (FC) 分析来研究DD的神经相关物.
• 用独立样本评估机器学习模型对DD检测的性能.

主要方法:

• 在休息状态和口头工作记忆任务中记录了130名中国儿童 (82名DD,48名典型发育) 的EEG数据.
• 功能连接 (FC) 通过使用皮尔森相关系数 (PCC),相锁定值 (PLV) 和rho (RHO) 测量计算在三角形,三角形,α和β频段.
• 一个卷积神经网络 (CNN) 在独立的参与者样本上进行了训练和验证,以确保稳定性.

主要成果:

• 贝塔频段连接测量,特别是眼睛开放的RHO和眼睛关闭的PLV,显示出最高的区分能力.
• 该模型实现了高的样本内准确性 (97.47%),但较低的,虽然显著的,交叉样本准确性 (64.99%).
• 患有DD的儿童表现出改变的 - ,中央和正面 - 中央连接模式,与阅读能力相关.

结论:

• 初步证据表明,DD的中国儿童有功能网络异常,可以通过EEG识别.
• 开发的基于EEG的查方法显示出潜力,但需要在更大,更多样化的队列中进一步验证.
• 目前的模型性能是探索性的,还不足以在没有改进的情况下进行临床部署.