用于界定自闭症谱系障碍客观度量的脑电图（EEG）方法（扩展版）
信号处理
2019-07-03 v1 信息检索
机器学习
神经与进化计算
机器学习
摘要
自闭症谱系障碍（ASD）是一种发育障碍，常损害儿童大脑的正常发育。据 CDC 估计，美国每 6 名儿童中就有 1 名患有发育障碍，每 68 名儿童中就有 1 名患有 ASD。该病症会对人的听觉、社交和沟通能力产生负面影响。总体而言，ASD 的症状和严重程度差异广泛，因此使用了“谱系”一词。已知 ASD 的主要成因之一是遗传。迄今为止，尚未发现合适的 ASD 治愈方法。早期诊断是 ASD 长期治疗的关键，但由于缺乏适当的客观度量，这颇具挑战。主观度量往往耗时、耗资源，且存在假阳性或假阴性。亟需高效的客观度量，能以更少代价尽早辅助诊断该疾病。EEG 通过置于头皮各处的电极测量大脑电信号，这些信号可用于研究复杂的神经精神问题。研究表明，EEG 有潜力作为包括 ASD 在内的多种神经系统疾病的生物标志物。本章将概述利用机器学习算法通过 EEG 测量对 ASD 进行分类的应用。
引用
@article{arxiv.1907.01515,
title = {Electroencephalogram (EEG) for Delineating Objective Measure of Autism Spectrum Disorder (ASD) (Extended Version)},
author = {Yasith Jayawardana and Mark Jaime and Sashi Thapaliya and Sampath Jayarathna},
journal= {arXiv preprint arXiv:1907.01515},
year = {2019}
}