相关实验视频
Updated: Feb 18, 2026

11:50
EEG Mu Rhythm in Typical and Atypical Development
Published on: April 9, 2014
26.6K
静止状态EEG微态跨自闭症特征的维度谱:从典型的发展到诊断的ASD
Tania Karina Garcia Vite1, Achilleas Pavlou2, Christina Pari3
1University of Essex, Wivenhoe Park, Colchester CO4 3SQ, United Kingdom; CYENS Centre of Excellence, Lellou Demetriades, Plateia Dimarchou 1, Nicosia 1016.
Behavioural brain research
|February 16, 2026
概括
自闭症谱系障碍 (ASD) 显示出碎片化的大脑动态,EEG微状态的发作较短,更频繁. 这些大脑网络的变化延伸到更广泛的自闭症现象型,支持对自闭症的维度视图.
科学领域:
- 神经科学是一个神经科学.
- 大脑动力学 大脑动力学
- 自闭症研究 自闭症研究
背景情况:
- 自闭症谱系障碍 (ASD) 与非典型的大规模大脑动态有关.
- 了解这些动态在更广泛的自闭症现象型中如何表现至关重要.
研究的目的:
- 调查成年人与自闭症和典型的成年人与不同自闭症特征的成年人脑电图微态动态.
- 探索时间,空间和过渡微状态参数的变化.
主要方法:
- 将七类静止状态EEG微态模型 (A-G) 应用于三个组:临床ASD,典型的高自闭特征 (TD-High) 和典型的低自闭特征 (TD-Low).
- 比较时间参数,空间覆盖,解释差异和过渡概率 (观察和随机校正).
主要成果:
- 与两组TD相比,ASD组表现出全球分散的脑动态模式,较短,更频繁的微观状态发作和减少持续时间变化.
- 微态C显示ASD的解释变异和覆盖率降低. 微态E和G显示增加了解释差异和覆盖范围,从TD-Low到TD-High到ASD.
- 过渡分析显示,在AC微状态组合中,短距离过渡减少,在ASD中,从这些状态向其他状态的过渡增加,TD-High显示中间模式.
结论:
- 脑电图微态分析揭示了与自闭症相关的大脑网络组织的维度模式,从亚临床特征延伸到临床诊断.
- 这些发现支持自闭症的维度解释,EEG微态作为自闭症特征频谱中的网络变化的生物标志物.

