Linear and Non-linear Analyses of EEG in a Group of ASD Children During Resting State Condition
Notice bibliographique
Résumé
This study analyses the spontaneous electroencephalogram (EEG) brain activity of 14 children diagnosed with Autism Spectrum Disorder (ASD) compared to 18 children with normal development, aged 5-11 years. (i) Power Spectral Density (PSD), (ii) variability across trials (coefficient of variation: CV), and (iii) complexity (multiscale entropy: MSE) of the brain signal analysis were computed on the resting state EEG. PSD (0.5-45 Hz) and CV were averaged over different frequency bands (low-delta, delta, theta, alpha, low-beta, high-beta and gamma). MSE were calculated with a coarse-grained procedure on 67 time scales and divided into fine, medium and coarse scales. In addition, significant neurophysiological variables were correlated with behavioral performance data (Kaufman Brief Intelligence Test (KBIT) and Autism Spectrum Quotient (AQ)). Results show increased PSD fast frequency bands (high-beta and gamma), higher variability (CV) and lower complexity (MSE) in children with ASD when compared to typically developed children. These results suggest a more variable, less complex and, probably, less adaptive neural networks with less capacity to generate optimal responses in ASD children.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».