medRxiv 预印本· Rohani, F., Mostafavi, S., Ebrahimifakhar, P., Zomorrodi, R., Mueller, A. ·· 18 小时前AI 评分12
多域EEG框架整合频谱、功能连接与拓扑特征用于ADHD受试者级分类
A Multi-Domain EEG Framework Integrating Spectral, Functional Connectivity, and Topological Features for Subject-Level ADHD Classification
AI 导读
一项发表于medRxiv预印本的研究提出整合频谱、基于wPLI的功能连接与持续同调拓扑描述符的多域EEG分类框架，用于ADHD受试者级分类。基于121名受试者数据，SVM取得最高性能：准确率80.17%、F1分数80.95%、ROC-AUC 86.72%、PR-AUC 87.34%。消融实验显示三域特征融合持续优于单一特征域，可解释性分析表明功能连接特征贡献最大。
来源：medRxiv 预印本 · medrxiv.org