在使用EEG功率比率的儿童中对自闭症谱系障碍的分类,这些比率是在自然主义精神化任务中获得的

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
• 生物医学工程 生物医学工程

背景情况:

• 自闭症谱系障碍 (ASD) 诊断依赖于行为观察,往往导致由于缺乏合格专家而导致延迟.
• 自闭症诊断的平均年龄为4.8岁,这凸显了早期查工具的需要.

研究的目的:

• 评估静态EEG功率光谱特征和EEG特征在自然主义思维理论 (ToM) 任务中的有效性,以区分ASD儿童与典型发育 (TD) 儿童.
• 评估这些EEG特征在早期ASD查中的潜力.

主要方法:

• 一项涉及183名3至11岁的中国儿童 (83名患有自闭症,100名TD) 的横截面诊断研究.
• 在自然主义的ToM任务 (看卡通) 和静止状态条件下收集EEG数据.
• 使用XGBoost机器学习模型,根据EEG特征对ASD进行分类,以精度,AUC,灵敏度和精度来评估性能.

主要成果:

• 心理控制功率比率模型,在ToM任务中使用EEG特征,实现了高精度 (0.925) 和AUC (0.980).
• 静止状态EEG模型表现不佳 (精度为0.549和0.515).
• 跨年龄预测仍然强,保持高准确度和AUC,表明不同年龄组的表现一致.

结论:

• 从自然主义的ToM任务中得出的EEG功率比率有效地区分了自闭症儿童与高精度的TD儿童.
• 这种方法显示出与静态EEG特征相比,在ASD分类中表现优越.
• 这些发现表明,在社会任务期间进行EEG分析对于早期ASD查具有重大潜力.