DOI: https://doi.org/10.3389/fpsyt.2025.1505297
PMID: https://pubmed.ncbi.nlm.nih.gov/39967584
تاريخ النشر: 2025-02-04
المؤلف: Aleksandar Tenev وآخرون
الموضوع الرئيسي: تخطيط الدماغ وواجهات الدماغ-الكمبيوتر
نظرة عامة
تدرس هذه الدراسة الخصائص الكهربائية الدماغية (EEG) للأطفال المصابين باضطراب طيف التوحد (ASD) مقارنة بالأطفال ذوي التطور الطبيعي (TD). باستخدام تحليل EEG الكمي لـ 49 طفلًا مصابًا بـ ASD و39 طفلًا TD، تستخدم البحث مقاييس مختلفة من الانتروبيا والتعقيد، بما في ذلك طيف الطاقة، والانتروبيا العينة، وانتروبيا تساليس، وتعقيد ليمبل-زيف، من بين أمور أخرى. تشير النتائج إلى أن الأطفال المصابين بـ ASD يظهرون معدل دماغي أقل، وانتروبيا تساليس وريني أعلى، وتعقيد ليمبل-زيف منخفض، مما يشير إلى ضعف في التزامن العصبي، وزيادة العشوائية، ووجود ذبذبات بؤرية محتملة في إشارات EEG الخاصة بهم. تسلط هذه النتائج الضوء على الميزات العصبية الفسيولوجية المميزة المرتبطة بـ ASD.
في الختام، تؤكد الدراسة على الطبيعة النسبية للميزات غير الخطية في تحليل EEG، والتي تعتمد على معلمات الإدخال مثل أبعاد التضمين وأطوال النوافذ. على الرغم من هذه المتغيرات، توفر الاختلافات الملحوظة في معدل الدماغ ومقاييس الانتروبيا رؤى قيمة حول الآليات العصبية الفسيولوجية الكامنة وراء ASD. كما تشير النتائج إلى أن هذه الميزات في EEG يمكن أن تكون أساسًا لتطوير نماذج التعلم الآلي التي تهدف إلى فهم وتشخيص اضطراب طيف التوحد بشكل أفضل.
مقدمة
تناقش مقدمة الورقة اضطراب طيف التوحد (ASD) كحالة عصبية تنموية متعددة الأبعاد تتميز بصعوبات في التفاعل الاجتماعي، والتواصل، والسلوكيات المتكررة. لقد تم تعزيز الفهم التقليدي لـ ASD من خلال التقدم في التصوير العصبي، وخاصة من خلال تخطيط الدماغ الكهربائي (EEG)، الذي يلتقط النشاط الكهربائي للدماغ. وقد حددت الدراسات الحديثة توقيعات EEG مميزة مرتبطة بـ ASD، كاشفة عن انحرافات في المعالجة العصبية، وأنماط الاتصال، والجهود المتعلقة بالأحداث (ERPs). على سبيل المثال، تم ربط النشاط غير الطبيعي في موجات ألفا في EEG في حالة الراحة وتغيرات في مكونات ERP مثل P300 وN400 بالعجز العصبي المعرفي المميز لـ ASD.
تسلط الورقة الضوء على تعقيد ASD، مشيرة إلى أنه تم ملاحظة كل من الاتصال الزائد والاتصال الناقص في مناطق الدماغ، مما يعقد فهم الشبكات العصبية المعنية في الإدراك الاجتماعي ومعالجة الحواس. بالإضافة إلى ذلك، فإن وجود ذبذبات بؤرية في الأفراد المصابين بـ ASD، حتى في غياب النوبات، يبرز الحاجة إلى تفسير دقيق لبيانات EEG. يؤكد المؤلفون على التحديات التي تطرحها تباين ASD والقيود المفروضة على التحليل الطيفي، داعين إلى دمج الديناميات غير الخطية ومقاييس الانتروبيا لالتقاط سلوك الدماغ المعقد بشكل أفضل. تهدف الورقة إلى تقديم تحليل كمي شامل لخصائص EEG الطيفية جنبًا إلى جنب مع مقاييس مختلفة من الانتروبيا والتعقيد، مما يساهم في فهم الأسس العصبية الحيوية لـ ASD.
الطرق
توضح قسم “الطرق” الأساليب التجريبية والتحليلية المستخدمة في الدراسة. يتناول تصميم التجارب، بما في ذلك اختيار المواد، وتحضير العينة، والبروتوكولات المحددة المتبعة لضمان إمكانية التكرار. كما يتم وصف الأساليب الإحصائية المستخدمة في تحليل البيانات، مع تسليط الضوء على التقنيات المستخدمة لتقييم الأهمية والمعايير المستخدمة لتحديد صلاحية النتائج.
بالإضافة إلى ذلك، قد يتضمن القسم معلومات حول الأدوات البرمجية والبرمجيات المستخدمة في النمذجة أو المحاكاة، فضلاً عن أي أطر رياضية تم تطبيقها لتفسير البيانات. بشكل عام، يخدم هذا القسم لتقديم نظرة شاملة على المنهجيات التي تدعم نتائج البحث، مما يضمن إمكانية تكرار الدراسة والتحقق من استنتاجاتها من قبل باحثين آخرين في هذا المجال.
النتائج
يقدم قسم النتائج النتائج المستخلصة من تحليل طيف الطاقة النسبي للأطفال ذوي التطور الطبيعي (TD) والأطفال المصابين باضطراب طيف التوحد (ASD)، كما هو موضح في الأشكال 7 و8. يكشف التحليل، الذي تم إجراؤه على أساس هيرتز-بـ-هيرتز لمنع المتوسط الزائد، أن الأطفال TD يظهرون زيادة في نشاط موجات ألفا (10-11 هرتز)، مما يدل على حالة راحة تتميز بالاسترخاء الإدراكي والوعي بمحيطهم. بالمقابل، يظهر الأطفال المصابون بـ ASD نشاطًا ضئيلًا أو معدومًا في موجات ألفا، مما يشير إلى نقص في الوعي.
تؤكد التحليلات الإحصائية، المفصلة في الجداول 1 و2، وجود اختلافات كبيرة بين مجموعتي TD وASD عبر قنوات EEG المختلفة. ومن الجدير بالذكر أن معدل الدماغ العام لمجموعة TD أعلى من مجموعة ASD، التي تظهر تعقيد ليمبل-زيف (LZC) منخفض عبر جميع القنوات. تشير القيم المنخفضة لـ LZC في مجموعة ASD إلى تذبذبات أكثر تكرارًا وتكرارًا، مما قد يعكس وجود ذبذبات بؤرية في إشارات EEG الخاصة بهم. تؤكد هذه النتائج الأنماط المميزة للنشاط العصبي المرتبطة بالتطور الطبيعي مقابل ASD.
المناقشة
تسلط قسم المناقشة في ورقة البحث الضوء على النتائج المهمة من تسجيلات EEG لـ 88 طفلًا، يتكونون من 39 طفلًا ذوي تطور طبيعي (TD) و49 طفلًا مصابًا باضطراب طيف التوحد (ASD). كشفت التحليلات أن الأطفال TD أظهروا نشاطًا مرتفعًا في موجات ألفا خلال حالات الراحة، مما يدل على مستويات أعلى من الإثارة، بينما أظهر الأطفال المصابون بـ ASD نشاطًا منخفضًا أو غائبًا في موجات ألفا. أدى هذا التباين إلى ارتفاع معدل الدماغ وقيم الانتروبيا الطيفية لمجموعة TD، مما يشير إلى تحسين التزامن العصبي والانخراط المعرفي. بالمقابل، أظهرت مجموعة ASD قيمًا أعلى من انتروبيا ريني وتساليس، مما يعكس زيادة الضوضاء العصبية والفوضى في إشارات EEG الخاصة بهم، وهو ما يتماشى مع الأدبيات السابقة التي تشير إلى ضعف التماسك العصبي في التوحد.
بالإضافة إلى ذلك، وجدت الدراسة أن تعقيد ليمبل-زيف (LZC) كان أقل في مجموعة ASD، مما يشير إلى نمط EEG أكثر قابلية للتنبؤ وانتظامًا، قد يرتبط بتذبذبات متكررة مميزة للتوحد. إن عدم وجود تباين في انتروبيا تساليس بين الأطفال المصابين بـ ASD، الذي يصل إلى حد أقصى تقاربي، يبرز أيضًا تجانس الاستجابات العصبية في هذه المجموعة. يقترح المؤلفون أن هذه النتائج يمكن أن تُفيد الأبحاث المستقبلية حول العلامات الحيوية للتوحد ويؤكدون على الحاجة إلى مزيد من تحسين مقاييس الانتروبيا وغيرها من الميزات غير الخطية لتعزيز فهم الديناميات العصبية في ASD. بشكل عام، تساهم النتائج في فهم دقيق للاختلافات في نشاط الدماغ بين الأطفال TD وASD، مع آثار على تطوير نماذج التعلم الآلي في هذا المجال.
DOI: https://doi.org/10.3389/fpsyt.2025.1505297
PMID: https://pubmed.ncbi.nlm.nih.gov/39967584
Publication Date: 2025-02-04
Author(s): Aleksandar Tenev et al.
Primary Topic: EEG and Brain-Computer Interfaces
Overview
This study investigates the electroencephalographic (EEG) characteristics of children with autism spectrum disorder (ASD) compared to typically developing (TD) children. Utilizing a quantitative EEG analysis of 49 children with ASD and 39 TD children, the research employs various entropy and complexity measures, including power spectra, sample entropy, Tsallis entropy, and Lempel-Ziv complexity, among others. The findings indicate that children with ASD exhibit a lower brain rate, higher Tsallis and Rényi entropy, and reduced Lempel-Ziv complexity, suggesting impaired neural synchronization, increased randomness, and potential focal spikes in their EEG signals. These results highlight the distinct neurophysiological features associated with ASD.
In conclusion, the study emphasizes the relative nature of non-linear features in EEG analysis, which depend on input parameters such as embedding dimensions and window lengths. Despite this variability, the observed differences in brain rate and entropy measures provide valuable insights into the neurophysiological mechanisms underlying ASD. The findings also suggest that these EEG features could serve as a basis for developing machine learning models aimed at further understanding and diagnosing autism spectrum disorder.
Introduction
The introduction of the paper discusses Autism Spectrum Disorder (ASD) as a multifaceted neurodevelopmental condition marked by difficulties in social interaction, communication, and repetitive behaviors. Traditional understanding of ASD has been enhanced by neuroimaging advancements, particularly through electroencephalography (EEG), which captures the brain’s electrical activity. Recent studies have identified distinct EEG signatures associated with ASD, revealing deviations in neural processing, connectivity patterns, and event-related potentials (ERPs). For instance, atypical alpha activity in resting-state EEG and variations in ERP components like P300 and N400 have been linked to the neurocognitive deficits characteristic of ASD.
The paper highlights the complexity of ASD, noting that both over-connectivity and under-connectivity in brain regions have been observed, complicating the understanding of neural networks involved in social cognition and sensory processing. Additionally, the presence of focal spikes in individuals with ASD, even in the absence of seizures, underscores the need for careful interpretation of EEG data. The authors emphasize the challenges posed by ASD’s heterogeneity and the limitations of spectral analysis, advocating for the incorporation of non-linear dynamics and entropy measures to better capture the brain’s complex behavior. The paper aims to provide a comprehensive quantitative analysis of EEG spectral characteristics alongside various entropy and complexity metrics, contributing to the understanding of ASD’s neurobiological underpinnings.
Methods
The “Methods” section outlines the experimental and analytical approaches employed in the study. It details the design of the experiments, including the selection of materials, sample preparation, and the specific protocols followed to ensure reproducibility. The statistical methods used for data analysis are also described, highlighting the techniques for assessing significance and the criteria for determining the validity of the results.
Additionally, the section may include information on the computational tools and software utilized for modeling or simulations, as well as any mathematical frameworks applied to interpret the data. Overall, this section serves to provide a comprehensive overview of the methodologies that underpin the research findings, ensuring that the study can be replicated and its conclusions validated by other researchers in the field.
Results
The results section presents findings from the analysis of relative power spectra for typically developing (TD) children and children with Autism Spectrum Disorder (ASD), as illustrated in Figures 7 and 8. The analysis, conducted on a hertz-by-hertz basis to prevent over-averaging, reveals that TD children exhibit increased alpha band activity (10-11 Hz), indicative of a resting state characterized by cortical idling and awareness of their surroundings. In contrast, children with ASD demonstrate minimal to no alpha activity, suggesting a lack of awareness.
Statistical analyses, detailed in Tables 1 and 2, confirm significant differences between the TD and ASD groups across various EEG channels. Notably, the overall brain rate for the TD group is higher than that of the ASD group, which shows reduced Lempel-Ziv complexity (LZC) across all channels. The lower LZC values in the ASD group indicate more frequent and repetitive oscillations, potentially reflecting the presence of focal spikes in their EEG signals. These findings underscore the distinct neural activity patterns associated with typical development versus ASD.
Discussion
The discussion section of the research paper highlights significant findings from EEG recordings of 88 children, comprising 39 typically developing (TD) and 49 with autism spectrum disorder (ASD). The analysis revealed that TD children exhibited elevated alpha activity during resting states, indicative of higher arousal levels, while ASD children displayed diminished or absent alpha activity. This disparity resulted in higher brain rate and spectral entropy values for the TD group, suggesting enhanced neural synchronization and cognitive engagement. Conversely, the ASD group demonstrated increased Reńyi and Tsallis entropy values, reflecting greater neural noise and disorder in their EEG signals, which aligns with previous literature indicating impaired neural coherence in autism.
Additionally, the study found that Lempel-Ziv complexity (LZC) was lower in the ASD group, suggesting a more predictable and regular EEG pattern, potentially linked to repetitive oscillations characteristic of autism. The lack of variability in Tsallis entropy among ASD children, reaching an asymptotic maximum, further underscores the uniformity of neural responses in this group. The authors propose that these findings could inform future research into biomarkers for autism and emphasize the need for further optimization of entropy measures and other non-linear features to enhance the understanding of neural dynamics in ASD. Overall, the results contribute to a nuanced understanding of the differences in brain activity between TD and ASD children, with implications for developing machine learning models in this domain.