Analyse électroencéphalographique explicable par intelligence artificielle pour la détection du trouble déficitaire de l'attention avec hyperactivité à l'aide d'une sélection de caractéristiques basée sur la théorie de l'informationExplainable artificial intelligence-driven visual task-specific electroencephalogram analysis for attention deficit hyperactivity disorder detection using information-theoretic feature selection.
- Le SVM avec sélection de caractéristiques basée sur l'entropie atteint 92% de précision pour la classification TDAH/témoins.
- Les mesures d'entropie, d'information mutuelle et d'entropie de transfert sont calculées à partir des électrodes EEG du système 10-20.
- Des valeurs élevées d'entropie et d'entropie de transfert dans le lobe frontal sont associées à une incertitude chez les enfants TDAH.
Article directement lié au diagnostic du TDAH par EEG avec IA explicable, pertinent pour la clinique. Note élevée malgré l'accès limité au résumé.
L'étude repose uniquement sur un résumé ; l'accès au texte intégral est nécessaire pour évaluer la méthodologie complète. La généralisabilité à d'autres populations (âge, comorbidités) n'est pas démontrée. Les performances (92%) pourraient être surestimées sans validation externe. L'approche nécessite un équipement EEG standardisé et un pipeline de calcul spécifique.
Cet article propose une approche d'IA explicable pour diagnostiquer le TDAH à partir d'EEG. Il calcule l'entropie, l'information mutuelle et l'entropie de transfert sur des signaux EEG (système 10-20), agrège les caractéristiques par lobe, et applique des modèles de machine learning. Le SVM atteint 92% de précision. Les explications (LIME, SHAP, PDP) montrent que des valeurs élevées d'entropie et d'entropie de transfert dans la région frontale indiquent une incertitude, tandis qu'une moindre participation occipitale reflète un dysfonctionnement de la perception visuelle chez les enfants TDAH.
Le SVM avec sélection de caractéristiques basée sur l'entropie atteint 92% de précision pour la classification TDAH/témoins. Les mesures d'entropie, d'information mutuelle et d'entropie de transfert sont calculées à partir des électrodes EEG du système 10-20. Des valeurs élevées d'entropie et d'entropie de transfert dans le lobe frontal sont associées à une incertitude chez les enfants TDAH. Une participation réduite du lobe occipital indique un dysfonctionnement de la perception visuelle. L'IA explicable (LIME, SHAP, PDP) permet d'interpréter les prédictions du modèle.
Cet outil pourrait aider au dépistage clinique du TDAH chez l'enfant à l'aide de l'EEG, avec une interprétation compréhensible par les cliniciens. Les explications basées sur les lobes frontaux et occipitaux orientent vers des biomarqueurs neurophysiologiques exploitables en pratique. L'approche pourrait réduire les erreurs diagnostiques en fournissant des justifications transparentes.
Modéré