MétaCan
Menu
Retour à la cohorte
Enregistrement W3216654098 · doi:10.18280/ts.380528

Investigating EEG Signals of Autistic Individuals Using Detrended Fluctuation Analysis

2021· article· en· W3216654098 sur OpenAlexvenueno aff
Menaka Radhakrishnan, Avantika Kothandaraman, Gauri Madaan, Harini Machavaram

Notice bibliographique

RevueTraitement du signal · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueComplex Systems and Time Series Analysis
Établissements canadiensnon disponible
Organismes subventionnairesDepartment of Science and Technology, Ministry of Science and Technology, India
Mots-clésDetrended fluctuation analysisElectroencephalographyHurst exponentAutism spectrum disorderPsychologyPattern recognition (psychology)Similarity (geometry)ScalpMismatch negativityAudiologyAutismComputer scienceArtificial intelligenceDevelopmental psychologyNeuroscienceMathematicsStatisticsMedicine

Résumé

récupéré en direct d'OpenAlex

To record all electrical activity of the human brain, an electroencephalogram (EEG) test using electrodes attached to the scalp is conducted. Analysis of EEG signals plays an important role in the diagnosis and treatment of brain diseases in the biomedical field. One of the brain diseases found in early ages include autism. Autistic behaviours are hard to distinguish, varying from mild impairments, to intensive interruption in daily life. The non-linear EEG signals arising from various lobes of the brain have been studied with the help of a robust technique called Detrended Fluctuation Analysis (DFA). Here, we study the EEG signals of Typically Developing (TD) and children with Autism Spectrum Disorder (ASD) using DFA. The Hurst exponents, which are the outputs of DFA, are used to find out the strength of self-similarity in the signals. Our analysis works towards analysing if DFA can be a helpful analysis for the early detection of ASD.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,502
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,057
Tête enseignante GPT0,249
Écart entre enseignants0,192 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTraitement du signalMême sujetComplex Systems and Time Series AnalysisTravaux en français237 207