基于小波相干性算法的孤独症儿童脑电评估
2021-04-24李小俚康健楠
自动化学报 2021年3期
张 丹 张 帅 李小俚 康健楠
孤独症(Autistic spectrum disorder,ASD) 是一种先天的影响认知、社会情感、感觉运动、社会交往的神经系统疾病,其三大核心症状包括社会交往障碍、交流障碍和兴趣狭窄及刻板行为,是一种从细胞层面到行为层面表现异常的、复杂的、异质性疾病.病因可能包括遗传因素、环境影响和基因与环境的交互作用[1].导致孤独症和智力障碍风险的基因可能有数百个,其中许多疾病基因与大脑神经通路形成有关,基因的异常表达导致了脑发育的异常[2].2015 年北美孤独症之声发布报告:由于大部分孤独症儿童需要终生养护,在美国的孤独症患者的终生开销大约为200 万美金到240 万美金[3].2018 年美国疾控中心公布,孤独症发病率已高达1/59,我国孤独症患者可能超过1 000 万,0~14 岁的数量可能超过200 万,孤独症发病率之高、影响范围之广、社会危害之大已经成为全人类共同关注和面对的难题.鉴于孤独症的复杂性、异质性,其核心病因与发病机制仍尚不明确,对孤独症的评估与诊断高度依赖于行为观察以及诊断量表,受限于经验和紧缺的资源,诊断水平发展极不平衡,并且主观性强,缺乏客观标准,因此为孤独症的诊断和干预提供客观有效的生物指标尤为重要.
脑电图(Eletroencephalography,EEG)作为一种非侵入式的采集方法,主要测量神经活动信号,具有较高的时间分辨率,已被证明是研究复杂神经精神障碍疾病的有力工具[4-6].此外,在EEG 的研究中,测量自发脑电振荡的静息态脑电具有非……
登录APP查看全文
