脑活动可以揭示自闭症性状的严重程度

一组来自俄罗斯和以色列的研究人员采用了一种新的算法，通过研究受试者的大脑活动来对自闭症人格特征的严重程度进行分类。

本文简介：根据FNIRS使用ε-复杂性系数重新编码的大脑活动的自闭症分类分类自闭症和发育障碍杂志。

在诊断自闭症和其他精神疾病时，除了传统的检测和观察外，医生越来越多地使用神经成像方法。这样的诊断方法不仅更加客观，而且在医生没有足够的行为数据的情况下，比如当病人年纪还小的时候，还能揭示疾病的存在。

在诊断方法开发中的一个重要任务是选择可以识别某些算法的算法大脑活动模式。自从大脑细胞每秒钟产生许多电脉冲，原始数据往往不足以做出任何结论。必须先对数据进行处理。

来自俄罗斯和以色列的研究人员团队研究了这些算法之一。实验涉及26个健康的受试者，但由于噪声信号导致的最终样品中排除了5个。首先，参与者完成了自闭症谱仪，并根据试验结果，分为两组：具有强大自闭症的人和自闭症特征薄弱的人。

然后，参与者执行了一个人际同步运动任务：要求每个主题与研究人员的右手同步地移动几分钟，同时记录其大脑活动。人际同步任务通常用于诊断自闭症谱系障碍，因为ASD的人难以协调联合行动。

研究人员而不是传统的MRI或EEG，而是选择近红外光谱（FNIR）的功能靠近红外光谱（FNIR）来记录受试者的大脑活动。

FNIRS技术是基于使用红外线测量大脑血管中的氧气水平。与fMRI不同的是，fNIRS是一种价格更便宜、携带更方便、不发出噪音的技术，因此这种神经成像技术非常适合研究自闭症患者的大脑活动。

为了分析大脑活动数据，研究人员使用了ε-复杂性系数。这种相对较新的数学方法允许研究人员从复杂和嘈杂的模式中提取有意义的信息。基于这种方式处理的数据，研究人员使用经典分类方法，在执行同步任务时，根据大脑活动的特征将受试者分成组。

通过这些算法的实验，科学家们能够达到90%以上的预测准确率:在10个案例中，有9个案例使用神经成像对受试者自闭症特征的严重程度进行评估，结果与参与者一开始填写的问卷结果相吻合。

这项新技术可以作为自闭症谱系障碍的诊断工具，因为与功能磁共振成像相比，它在治疗自闭症谱系障碍患者时更容易获得和方便。

此外，本研究首次成功地应用了ε-复杂性理论，以解码记录的Fnirs的数据。这开辟了使用的可能性新算法在其他与Fnirs技术的研究中。

'我们使用了ε-复杂性方法，该方法已经在过去几年中开发了博士。Darkhovsky B.S.，我们在研究中开发了一种基于FNIRS脑活动记录的患者进行分类算法。由此产生的无模型技术时间序列分析可以使用在违反传统分析方法的先决条件的情况下 - 例如，在使用明显的非稳定性的ECG和EEG信号时。因此，该技术可用于研究其他精神障碍和特色，在数据中出现的模式，“HSE大学计算机科学高级讲师尤里·杜布诺·尤里·杜布诺斯（Hse University）。