多域EEG融合诊断
通过融合多域脑电特征与集成学习，实现对自闭症谱系障碍更稳健的识别。
Rasool, Abdur · Aslam, Saba · Yongjie, Xu · Wang, Yishan · Yi, P. A.N. · 陈维洋
Neurocomputing 2025
通过融合时域和频域特征，结合LSTM自编码器和XGBoost回归器，模型能够识别出ASD中细微且异质的神经活动模式。
在关注性别特异性EEG变化的数据集上，模型以93%的准确率区分ASD与典型发育个体。
模型设计考虑了数据异质性、稀缺性和泛化性问题，有助于提升在真实世界数据上的稳健性。