Diagnostic du TDAH chez l'enfant à partir de signaux EEG utilisant des caractéristiques de modulation d'amplitudeDiagnosis of ADHD in children from EEG signals using amplitude modulation features.
- L'ajout de caractéristiques de modulation d'amplitude (AM) aux caractéristiques conventionnelles améliore significativement la précision diagnostique du TDAH par EEG.
- La meilleure performance (99,46% de précision) a été obtenue avec un classifieur KNN et l'ondelette coif2.
- Les caractéristiques AM les plus discriminantes se situent dans les bandes gamma et bêta, principalement dans les régions frontales.
L'article propose une avancée méthodologique prometteuse pour le diagnostic du TDAH par EEG, avec des performances élevées et une interprétabilité accrue. Cependant, la taille de l'échantillon modeste et l'absence de validation clinique externe limitent la généralisabilité. Très pertinent pour NeuroWatch en raison de l'impact potentiel sur la pratique clinique.
L'étude utilise un jeu de données public de taille modeste (121 sujets), nécessitant une validation sur des cohortes plus larges et diverses. Les performances rapportées (99,46%) pourraient ne pas se généraliser à d'autres populations ou contextes cliniques réels. Aucune information n'est fournie sur la variabilité intra-individuelle des signaux EEG ni sur la robustesse face au bruit. L'étude est rétrospective et ne démontre pas de bénéfice clinique direct par rapport aux méthodes diagnostiques standards.
Cette étude propose une nouvelle méthode pour diagnostiquer le trouble déficitaire de l'attention avec hyperactivité (TDAH) chez l'enfant à partir de signaux EEG, en exploitant des caractéristiques de modulation d'amplitude (AM). Sur un jeu de données public de 61 enfants TDAH et 60 témoins sains, les signaux ont été décomposés en cinq bandes de fréquences par transformée en ondelettes discrète, et huit caractéristiques conventionnelles ainsi que six caractéristiques AM ont été extraites. Une sélection de caractéristiques en deux étapes a été suivie d'une évaluation par plusieurs classifieurs (KNN, SVM, AdaBoost, ANN, DT, NB) avec validation croisée Monte Carlo. L'intégration des caractéristiques AM a amélioré significativement la précision, atteignant 99,46% avec un classifieur KNN et l'ondelette coif2. Les caractéristiques AM étaient prédominantes dans les bandes gamma et bêta, et les régions frontales étaient les plus discriminantes. Ce cadre surpasse les méthodes récentes et établit les caractéristiques AM comme un biomarqueur EEG interprétable pour le TDAH.
L'ajout de caractéristiques de modulation d'amplitude (AM) aux caractéristiques conventionnelles améliore significativement la précision diagnostique du TDAH par EEG. La meilleure performance (99,46% de précision) a été obtenue avec un classifieur KNN et l'ondelette coif2. Les caractéristiques AM les plus discriminantes se situent dans les bandes gamma et bêta, principalement dans les régions frontales. Le cadre proposé surpasse les méthodes de l'état de l'art sur le même jeu de données. Les caractéristiques AM sont interprétables et reflètent un couplage cross-fréquence perturbé dans le TDAH.
Cette méthode pourrait améliorer l'objectivité et la précision du diagnostic du TDAH chez l'enfant en clinique. L'utilisation de caractéristiques EEG interprétables facilite la compréhension des mécanismes neurophysiologiques sous-jacents au TDAH. Un outil de diagnostic assisté par EEG pourrait réduire les délais et les biais subjectifs dans l'évaluation clinique. La simplicité des classifieurs (par exemple KNN) rend le modèle facilement déployable dans des contextes cliniques à ressources limitées.
Modéré