Fractal Dimension of Resting-State EEG as a Biomarker for Autonomous Sensory Meridian Response (ASMR)
Notice bibliographique
Résumé
Autonomous Sensory Meridian Response (ASMR) is an audio-visual phenomenon characterized by multisensory experiences in response to specific auditory stimuli, typically triggering a tingling sensation beginning in the scalp and neck and accompanied by decreased heart rate and deep relaxation. While prior electroencephalogram (EEG) studies have identified ASMR-related neural signatures in stimulus-based paradigms, resting-state differe nces between ASMR-sensitive (ASMR+) and non-sensitive (ASMR-) individuals remain unexplored. In this study, we apply Higuchi's fractal dimension (HFD) to eyes-open and eyes-closed resting-state EEG and demonstrate that ASMR+ participants exhibit significantly lower complexity in the delta (1-4Hz) and theta (4-8Hz) bands and higher complexity in the alpha (8-12Hz) band. Moreover, we train Transformer, Mamba, Random Forest and SVM classifiers on these HFD features to distinguish ASMR+ individuals from ASMR-, achieving F1 scores of 82.56%, 77.33%, 73.93%, and 70.85%, respectively. Finally, using an explainable-AI approach, we showed that ASMR+ participants had significantly lower hubness proportions (network connectivity) than ASMR-. These findings reveal novel resting-state biomarkers of ASMR sensitivity and lay the groundwork for rapid, noninvasive EEG-based screening in ASMR-augmented therapeutic applications. The code has been released on https://github.com/Shyamal-Dharia/Fractal-Dimension-of-Resting-State-EEG-as-a-Biomarker-for-Autonomous-Sensory-Meridian-Response-ASMR-GitHub.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».