一个全面的EEG数据集和自闭症谱系障碍的绩效评估.
Melinda Melinda1, Prima D Purnamasari2, Fahmi Fahmi3
1Department of Electrical and Computer Engineering, Universitas Syiah Kuala, Banda Aceh, Indonesia. melinda@usk.ac.id.
Scientific reports
|October 7, 2025
概括
独立组件分析 (ICA) 和离散波纹转换 (DWT) 提高了自闭症谱系障碍 (ASD) 检测的脑电图 (EEG) 信号质量. ICA在消噪方面表现出色,而DWT保留了信号特征,以便更好地对ASD进行分类.
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
- 信号处理 信号处理
背景情况:
- 早期诊断自闭症谱系障碍 (ASD) 对干预和降低医疗保健成本至关重要.
- 电脑电图 (EEG) 是一种非侵入性工具,用于识别与ASD相关的神经模式.
- 改善EEG信号质量对于准确检测ASD至关重要.
研究的目的:
- 评估三种EEG预处理技术的有效性:巴特沃思,离散波段变换 (DWT) 和独立组件分析 (ICA).
- 提高EEG信号质量,以改善自闭症谱系障碍的分类.
- 使用各种信号质量指标和Hjorth参数来比较这些技术的性能.
主要方法:
- 应用Butterworth,DWT和ICA预处理到来自神经类型和ASD个体的EEG信号.
- 使用信号与噪声比 (SNR),平均绝对误差 (MAE),平均平方误差 (MSE),光谱 (SE) 和功率光谱密度 (PSD) 评估性能.
- 计算Hjorth参数 (活动,流动性,复杂性) 来分析神经动态.
主要成果:
- ICA产生了最高的SNR (86.44神经类型,78.69ASD),表明优异的消音.
- 在DWT中,错误指标最低 (MAE: 4785.08,MSE: 309,690对于ASD),信号完整性得到保护.
- 与ASDEEG相比,神经类型EEG的Hjorth参数显示出更高的活性和复杂性.
结论:
- 对于在ASDEEG分析中需要高信号清晰度的应用,ICA是最佳的.
- DWT提供了一个平衡的方法,有效地保护了ASD分类的信号特征.
- 这些发现支持开发基于EEG的先进诊断工具,用于早期发现ASD和临床支持.
