大脑活动可以揭示自闭症特征的严重程度
来自俄罗斯和以色列的一组研究人员通过研究受试者的大脑活动，应用了一种新的算法来对自闭症人格特征的严重程度进行分类。
《简要报告:用ε-复杂度系数fNIRS记录脑活动对自闭症特征进行分类》发表于《中华人民大学学报》自闭症与发育障碍杂志。
在诊断自闭症和其他精神障碍时，除了传统的测试和观察外，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，往往会揭示出疾病的存在。
在诊断方法的发展中，一个重要的任务是选择一种能够识别某些疾病的算法大脑活动模式。自大脑细胞每秒产生许多电脉冲，原始数据往往不足以作出任何结论。首先必须处理数据。
来自俄罗斯和以色列的一组研究人员研究了其中一种算法。该实验涉及26名健康受试者，但由于信号嘈杂，有5人被排除在最终样本之外。首先，参与者完成自闭症谱商测试，根据测试结果，将他们分为两组:自闭症特征强的组和自闭症特征弱的组。
然后，参与者进行了一项人际同步运动任务:每个受试者被要求与研究人员同步移动右手几分钟，同时记录他们的大脑活动。人际同步任务通常用于自闭症谱系障碍的诊断，因为自闭症患者很难协调共同行动。
与传统的核磁共振或脑电图不同，研究人员选择了功能性近红外光谱(fNIRS)来记录受试者的大脑活动。
FNIRS技术是基于使用红外光测量大脑血管中的氧气水平。与fMRI不同，fNIRS是一种更便宜、更便携的技术，而且不会产生噪音，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-复杂度系数。这种相对较新的数学方法使研究人员能够从复杂和嘈杂的模式中提取有意义的信息。以这种方式处理的数据为基础，研究人员使用经典的分类方法，根据执行同步任务时大脑活动的特征，将受试者分成几组。
通过对这些算法的实验，科学家们能够达到90%以上的预测准确率:在90%的情况下，使用神经成像对受试者自闭症特征严重程度的评估与参与者一开始填写的问卷结果一致。
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，它在与ASD患者一起工作时更容易获得和方便。
此外，本研究首次成功地将ε-复杂度理论应用于近红外光谱记录的数据解码。这就提供了使用新算法在其他使用近红外光谱技术的研究中
“在我们的研究中，我们使用了过去几年由达克霍夫斯基博士(dr. Darkhovsky B.S)开发的ε-复杂度方法，开发了一种基于近红外光谱(fNIRS)大脑活动记录对患者进行分类的算法。”得到的无模型技术时间序列分析可用于违反传统分析方法先决条件的情况-例如，当处理明显非平稳的ECG和EEG信号时。因此，该技术可用于其他领域的研究精神障碍研究报告的合著者、HSE大学计算机科学高级讲师尤里·杜布诺夫(Yuri Dubnov)说:“这些特征和模式出现在数据中。”
进一步探索
