文章《Brief Report: Classification of Autistic Traits According to Brain Activity Recoded by fNIRS Using ε-Complexity Coefficients》在2020年11月18号发表在《自闭症和发育障碍杂志》上。
在诊断自闭症和其它精神障碍时，除了传统的检测和观察方法外，医生越来越多地使用神经影像学方法。这种诊断方法不仅更加客观，而且在医生没有足够行为数据的情况下，例如在病人年轻的时候，往往也能发现疾病的存在。
来自俄罗斯和以色列的研究人员研究了其中一种算法。实验涉及26名被试，其中5人因为信号噪音而被排除在数据样本之外。首先，实验被试完成了自闭症谱系商数测试，根据测试结果，他们被分成两组: 一组有强烈的自闭症特征，另一组有弱自闭症特征。
然后实验被试执行人际同步运动任务: 每个受试者被要求同步移动他们的右手几分钟，同时记录他们的大脑活动。人际同步任务是用于自闭症谱系障碍的诊断的方法之一，因为自闭症谱系障碍患者难以协调联合行动。
研究人员没有使用传统的核磁共振成像或脑电图，而是选择了功能性近红外光谱脑成像技术来记录受试者的大脑活动。
fNIRS 技术是基于使用近红外光测量大脑血管中的氧含量。与功能性磁共振成像相比，fNIRS 是一种更便宜的便携式技术，不易产生噪音，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- 复杂性系数。这种相对较新的数学方法使研究人员能够从复杂而嘈杂的模式中提取出有意义的信息。基于这种方式处理的数据，研究人员使用经典的分类方法，根据执行同步任务时大脑活动的特点将单被试区分成各小组。
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个案例使用神经影像技术对自闭症患者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一致。
fNIRS新技术可以用作自闭症谱系障碍的诊断工具，与EEG/fMRI相比，它在与自闭症谱系障碍患者一起工作时更容易和方便。此外，本研究首次成功地应用 ε- 复杂性理论对 fNIRS 记录的数据进行解码。这为将新算法应用于其它研究奠定了基础。同时这项技术也可以用来研究其它精神障碍和特征。
参考文章：

Brief Report: Classification of Autistic Traits According to Brain Activity Recoded by fNIRS Using ε-Complexity Coefficients 10.1007/s10803-020-04793-w
以上内容来源参考来源，文章经过编译，可能存在错误翻译，仅限学习使用，不用于商业行为，若有侵权及疑问，请后台留言！
继续阅读
阅读原文