基于EEG的多频带空间特征增强用于ADHD和健康儿童的分类
信号处理
2025-04-08 v1 计算机视觉与模式识别
摘要
注意力缺陷多动障碍（ADHD）是儿童中常见的神经发育障碍，表现为注意力、活跃性和冲动性方面的困难。早期、准确的ADHD诊断对于有效的干预和管理至关重要。脑电图（EEG）信号因其高时间分辨率和捕捉神经动力学能力，已成为ADHD检测的非侵入且高效的工具。本研究提出一种用于将ADHD儿童与健康儿童分类的方法，基于基准数据集中的EEG数据。实验中有61名ADHD患儿和60名健康儿童，包括男女，年龄范围为7至12岁。EEG信号记录于19个通道，处理后提取出功率谱密度（PSD）和谱熵（SE）特征，跨五个频段，形成包含190维特征的综合特征集。为评估分类性能，我们使用具有径向基核（RBF）核的支持向量机（SVM），其平均交叉验证准确率达到99.2%，标准差为0.0079，表明方法具有高度的鲁棒性和精确性。这些结果凸显了空间特征与机器学习结合用于EEG数据的ADHD分类潜力。本工作为开发面向儿童ADHD早期诊断和评估的非侵入式、数据驱动工具贡献了力量。
引用
@article{arxiv.2504.04664,
title = {Classification of ADHD and Healthy Children Using EEG Based Multi-Band Spatial Features Enhancement},
author = {Md Bayazid Hossain and Md Anwarul Islam Himel and Md Abdur Rahim and Shabbir Mahmood and Abu Saleh Musa Miah and Jungpil Shin},
journal= {arXiv preprint arXiv:2504.04664},
year = {2025}
}