Aperçu: G.M.
CONTEXTE ET OBJECTIFS:
Le "trouble du spectre de l'autisme" (TSA) est un trouble du flux d'informations du système cérébral humain pouvant entraîner des problèmes secondaires pour le patient. Ce n'est que lorsque les TSA sont diagnostiqués par des méthodes cliniques que les problèmes secondaires peuvent être détectés. Par conséquent, le diagnostic de TSA à un âge précoce et chez les jeunes enfants peut prévenir ses effets secondaires.
MÉTHODES:
En utilisant l'algorithme de graphique de visibilité (VG), cette étude examine le canal unique C3 des signaux EEG et présente les différences entre les caractéristiques topologiques des réseaux complexes résultant de ces signaux. La note moyenne (AD) peut être une méthode de détection des échantillons avec et sans TSA.
RÉSULTATS:
Avec une précision de 81/67%, la classe TSA peut être discernée.
CONCLUSIONS
Le "trouble du spectre de l'autisme" (TSA) est un trouble du flux d'informations du système cérébral humain pouvant entraîner des problèmes secondaires pour le patient. Ce n'est que lorsque les TSA sont diagnostiqués par des méthodes cliniques que les problèmes secondaires peuvent être détectés. Par conséquent, le diagnostic de TSA à un âge précoce et chez les jeunes enfants peut prévenir ses effets secondaires.
MÉTHODES:
En utilisant l'algorithme de graphique de visibilité (VG), cette étude examine le canal unique C3 des signaux EEG et présente les différences entre les caractéristiques topologiques des réseaux complexes résultant de ces signaux. La note moyenne (AD) peut être une méthode de détection des échantillons avec et sans TSA.
RÉSULTATS:
Avec une précision de 81/67%, la classe TSA peut être discernée.
CONCLUSIONS
Le présent document démontre que les classes cibles TSA et NC peuvent être distinguées dès l’âge précoce par l’utilisation des signaux EEG du canal C3 du cerveau et des caractéristiques topologiques de son réseau (AD et caractéristiques connexes telles que RADACC et RADMPL).
Comput Methods Programs Biomed. 2019 Aug;177:277-283. doi: 10.1016/j.cmpb.2019.06.006. Epub 2019 Jun 8.
Diagnosis of autism spectrum disorder based on complex network features
Bajestani GS1, Behrooz M2, Khani AG3, Nouri-Baygi M4, Mollaei A5.
Abstract
BACKGROUND AND OBJECTIVES:
Autism spectrum disorder (ASD) is a disorder in the information flow of the human brain system that can lead to secondary problems for the patient. Only when ASD is diagnosed by clinical methods can the secondary problems be detected. Hence, diagnosis of ASD at an early age and in young children can prevent its secondary effects.METHODS:
By employing the visibility graph (VG) algorithm, the present study examines the C3 single-channel of EEG signals and presents the differences among the topological features of complex networks resulting from these signals. The average degree (AD) can be a method for the detection of normal and ASD samples.RESULTS:
With an accuracy 81/67%, the ASD class can be discerned.CONCLUSIONS:
The current paper demonstrates that only by the usage of EEG signals of the brain's C3 channel and the topological features of its network (AD and related features, such as RADACC and RADMPL) can ASD and NC target classes be distinguished at an early age.
Copyright © 2019 Elsevier B.V. All rights reserved.
- PMID:31319956
- DOI:10.1016/j.cmpb.2019.06.006
Aucun commentaire:
Enregistrer un commentaire