针对儿童自闭症谱系障碍的多模式数据驱动评估系统:多模式获取平台的开发和试点验证

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
• 发展心理学 发展心理学

背景情况:

• 自闭症谱系障碍 (ASD) 诊断依赖于主观工具,如ADOS和CARS,这些工具在准确性和效率上有局限性.
• 早期和准确的ASD查对于及时干预和改善结果至关重要.
• 现有的诊断方法可能耗时,可能无法捕捉到ASD特征的全部谱.

研究的目的:

• 开发和验证一个便携式的,多模式的数据采集平台,用于早期自闭症谱系障碍 (ASD) 查.
• 整合各种数据流,包括EEG,ECG,语音和面部表情,以进行全面的ASD评估.
• 评估平台在确定ASD和对照组之间的区分特征方面的有效性.

主要方法:

• 开发一个便携式多模式数据采集系统,集成EEG,心电图,语音,面部表情和评分尺度数据.
• 利用数据融合和分析的算法框架来生成个性化的诊断报告.
• 与七名参与者进行了试点研究,以验证该系统在早期ASD查中的有效性.

主要成果:

• 多式联运平台发现ASD和对照组之间存在显著差异.
• 关键发现包括更短的语音暂停时间 (41.8%的减少,p < 0.001),增加了EEG δ频段功率 (226%的增加,p = 0.0015),以及大约的减少 (38.5%的减少,p < 0.0001).
• 试点数据支持用于ASD评估的多模式数据融合的有效性.

结论:

• 与传统工具相比,开发的多模式ASD评估系统在低成本,高准确性和用户友好性方面表现出优势.
• 该系统具有广泛应用在基于家庭的自闭症查和早期干预方面的强大潜力.
• 预计进一步的数据扩展和技术优化将提高其ASD的临床实用性和诊断准确性.