Automated diagnosis of autism: in search of a mathematical marker

Traduction: G.M.

Rev Neurosci. 2014 Aug 14.  [Epub ahead of print]

Diagnostic automatique de l'autisme: à la recherche d'un marqueur mathématique

Bhat S, Acharya UR, Adeli H, Bairy GM, Adeli A.

Abstract

Abstract Autism is a type of neurodevelopmental disorder affecting the memory, behavior, emotion, learning ability, and communication of an individual. An early detection of the abnormality, due to irregular processing in the brain, can be achieved using electroencephalograms (EEG). The variations in the EEG signals cannot be deciphered by mere visual inspection. Computer-aided diagnostic tools can be used to recognize the subtle and invisible information present in the irregular EEG pattern and diagnose autism. This paper presents a state-of-the-art review of automated EEG-based diagnosis of autism. Various time domain, frequency domain, time-frequency domain, and nonlinear dynamics for the analysis of autistic EEG signals are described briefly. A focus of the review is the use of nonlinear dynamics and chaos theory to discover the mathematical biomarkers for the diagnosis of the autism analogous to biological markers. A combination of the time-frequency and nonlinear dynamic analysis is the most effective approach to characterize the nonstationary and chaotic physiological signals for the automated EEG-based diagnosis of autism spectrum disorder (ASD). The features extracted using these nonlinear methods can be used as mathematical markers to detect the early stage of autism and aid the clinicians in their diagnosis. This will expedite the administration of appropriate therapies to treat the disorder.

Résumé

L'autisme est un type de trouble neurologique du développement qui affecte la mémoire, le comportement, les émotions, la capacité d'apprentissage et la communication d'une personne. La détection précoce d'une anomalie, en raison du traitement irrégulier dans le cerveau, peut être obtenue en utilisant des électroencéphalogrammes (EEG). Les variations dans les signaux EEG ne peuvent pas être déchiffrées par simple inspection visuelle. Des outils de diagnostic assisté par ordinateur peuvent être utilisés pour reconnaître l'information subtile et invisible présente dans le modèle d'EEG irrégulièr et diagnostiquer l'autisme. Cet article présente une revue de l'état de l'art dans domaine du diagnostic automatisé de l'autisme basé sur l'EEG. Divers domaine temporel, le domaine fréquentiel, le domaine temps-fréquence, et la dynamique non linéaire pour l'analyse de signaux EEG dans l'autisme sont décrits brièvement. Un objectif de l'examen est l'utilisation de la dynamique non linéaire et de la théorie du chaos pour découvrir les biomarqueurs mathématiques pour le diagnostic de l'autisme analogues aux marqueurs biologiques. Une combinaison de l'analyse temps-fréquence et l'analyse dynamique non linéaire est l'approche la plus efficace pour caractériser les signaux physiologiques non stationnaires et chaotiques pour le diagnostic automatisé basé sur l'EEG des troubles du spectre autistique (TSA). Les caractéristiques extraites en utilisant ces méthodes non-linéaires peuvent être utilisées comme marqueurs mathématiques pour détecter le stade précoce de l'autisme et aider les médecins dans leur diagnostic. Cela permettra d'accélérer l'administration de thérapies appropriées pour traiter le trouble.

PMID: 25153585