EISSN 2304-4977

· Язык: ru

Статья: ПРИМЕНЕНИЕ МАШИННОГО ОБУЧЕНИЯ К ДАННЫМ НЕЙРОАНАТОМИИ И ФИЗИОЛОГИИ В ОБЛАСТИ ДИАГНОСТИКИ СДВГ (2024)

Читать

Статья Литература Выпуск Статистика Издательство

Читать онлайн

Синдром дефицита внимания и гиперактивности (СДВГ) - широко распространенное расстройство развития, характеризующееся невнимательностью, импульсивностью и гиперактивностью. В то время как традиционные методы диагностики основаны на клинических интервью, тестах и поведенческих наблюдениях, методы машинного обучения (МО) дают возможность упростить процесс диагностики СДВГ и сделать его более точным. В данном обзоре предпринята попытка изучить опубликованную за последние несколько лет литературу, описывающую результаты применения алгоритмов машинного обучения к физиологическим и нейроанатомическим данным: снимкам и записям магнитно-резонансной томографии (МРТ), функциональной МРТ (фМРТ), инфракрасной спектроскопии (fNIRS), электроэнцефалографии (ЭЭГ), магнитоэнцефалографии (МЭГ), электрокардиограммы (ЭКГ), движений глаз и физической активности, а также параметров зрачков для выявления диагностических биомаркеров СДВГ. Модели глубокого обучения и алгоритм опорных векторов (SVM) демонстрируют наиболее перспективные результаты для выявления СДВГ, как у детей, так и у взрослых. Однако, несмотря на то, что с помощью методов машинного обучения исследователям удается достичь высокого уровня специфичности и чувствительности при решении задачи диагностики СДВГ, их использование в клинической практике требует предварительной работы для проверки результатов на больших выборках.

Ключевые фразы: синдром дефицита внимания с гиперактивностью (сдвг), биомаркер, машинное обучение, нейрофизиологические данные, магнито-резонанская томография, электрокардиограмма, реакция зрачка, магнитоэнцефалография, электроэнцефалограмма

Автор (ы): Сологуб Полина Сергеевна

Журнал: СОВРЕМЕННАЯ ЗАРУБЕЖНАЯ ПСИХОЛОГИЯ

Предпросмотр статьи

Идентификаторы и классификаторы

УДК: 159.9. Психология
Префикс DOI: 10.17759/jmfp.2024130208
eLIBRARY ID: 68520285

Для цитирования:

СОЛОГУБ П. С. ПРИМЕНЕНИЕ МАШИННОГО ОБУЧЕНИЯ К ДАННЫМ НЕЙРОАНАТОМИИ И ФИЗИОЛОГИИ В ОБЛАСТИ ДИАГНОСТИКИ СДВГ // СОВРЕМЕННАЯ ЗАРУБЕЖНАЯ ПСИХОЛОГИЯ. 2024. ТОМ 13 №2

Текстовый фрагмент статьи

Список литературы

1. Храмов А.Е., Короновский А.А. Непрерывный вейвлетный анализ и его приложения. М.: Физико-математическая литература, 2003. 174 c. EDN: SUQZJB
2. Applicable features of electroencephalogram for ADHD diagnosis / A. Khaleghi, P.M. Birgani, M.F. Fooladi, M.R. Mohammadi // Research on Biomedical Engineering. 2020. Vol. 36. P. 1-11. DOI: 10.1007/s42600-019-00036-9 EDN: HNJVFI
3. Ariel R., Castel A.D. Eyes wide open: enhanced pupil dilation when selectively studying important information // Experimental Brain Research. 2014. Vol. 232. P. 337-344. DOI: 10.1007/s00221-013-3744-5 EDN: ESXXHY
4. Automatic brain caudate nuclei segmentation and classification in diagnostic of attention-deficit/hyperactivity disorder / L. Igual, J.C. Soliva, S. Escalera, R Gimeno, O. Vilarroya, P. Radeva // Computerized Medical Imaging and Graphics. 2012. Vol. 36. № 8. P. 591-600. DOI: 10.1016/j.compmedimag.2012.08.002
5. Brainstem abnormalities in attention deficit hyperactivity disorder support high accuracy individual diagnostic classification / B.A. Johnston, B. Mwangi, K. Matthews, D. Coghill, K. Konrad, J.D. Steele // Human Brain Mapping. 2014. Vol. 35. № 10. P. 5179-5189. DOI: 10.1002/hbm.22542
6. Choi S., Jang Y., Kim H. A Deep Learning Approach to Imputation of Dynamic Pupil Size Data and Prediction of ADHD // International Journal on Artificial Intelligence Tools. 2023. Vol. 32. № 6. Article ID 2350020. DOI: 10.1142/S0218213023500203 EDN: CAJJML
7. Chugh N., Aggarwal S., Balyan A. The Hybrid Deep Learning Model for Identification of Attention-Deficit/Hyperactivity Disorder Using EEG // Clinical EEG and Neuroscience. 2024. Vol. 55. № 1. P. 22-33. DOI: 10.1177/15500594231193511 EDN: GERLYF
8. Classification of ADHD patients on the basis of independent ERP components using a machine learning system / Mueller A., G. Candrian, J.D. Kropotov, V.A. Ponomarev, G.M. Baschera // Nonlinear Biomedical Physics. 2010. Vol. 4. Suppl 1. Article ID S1. 12 p. DOI: 10.1186/1753-4631-4-S1-S1 EDN: QXGLAO
9. Clinical Validation of Eye Vergence as an Objective Marker for Diagnosis of ADHD in Children / P. Varela Casal, F. Lorena Esposito, I. Morata Martínez [et al.] // Journal of attention disorders. 2019. Vol. 23. № 6. P. 599-614. DOI: 10.1177/1087054717749931 EDN: NIRMWT
10. Computer aided diagnosis system using deep convolutional neural networks for ADHD subtypes / A. Ahmadi, M. Kashefi, H. Shahrokhi, M.A. Nazari // Biomedical Signal Processing and Control. 2021. Vol. 63. Article ID 102227. DOI: 10.1016/j.bspc.2020.102227 EDN: PIUSJR
11. Connectivity Analysis and Feature Classification in Attention Deficit Hyperactivity Disorder Sub-Types: A Task Functional Magnetic Resonance Imaging Study / B.Y. Park, M. Kim, J. Seo, J.M. Lee, H. Park // Brain topography. 2016. Vol. 29. P. 429-439. DOI: 10.1007/s10548-015-0463-1 EDN: WBQMGQ
12. Das W., Khanna S. A Robust Machine Learning Based Framework for the Automated Detection of ADHD Using Pupillometric Biomarkers and Time Series Analysis // Scientific Reports. 2021. Vol. 11. Article ID 16370. 12 p. DOI: 10.1038/s41598-021-95673-5 EDN: NWQVCY
13. Deep neural network technique for automated detection of ADHD and CD using ECG signal / H.W. Loh, C.P. Ooi, S.L. Oh, P.D. Barua, Y.R. Tan, F. Molinari, S. March, U.R. Acharya, D.S.S. Fung // Computer methods and programs in biomedicine. 2023. Vol. 241. Article ID 107775. 8 p. DOI: 10.1016/j.cmpb.2023.107775 EDN: BRZSZY
14. Detecting ADHD Based on Brain Functional Connectivity Using Resting-State MEG Signals / N. Hamedi, A. Khadem, M. Delrobaei, A. Babajani-Feremi // Frontiers in Biomedical Technologies. 2022. Vol. 9. № 2. P. 110-118. DOI: 10.18502/fbt.v9i2.8850 EDN: TZGXZK
15. Diagnosis of Attention Deficit Hyperactivity Disorder with combined time and frequency features / М. Altınkaynak, N. Dolu, A. Güven, F. Pektaş, S. Özmen, E. Demirci, M. İzzetoğlu // Biocybernetics and Biomedical Engineering. 2020. Vol. 40. № 3. P. 927-937. DOI: 10.1016/j.bbe.2020.04.006 EDN: BNLQBS
16. Discriminating between ADHD adults and controls using independent ERP components and a support vector machine: a validation study / A. Mueller, G. Candrian, V. A. Grane, J.D. Kropotov, V.A. Ponomarev, G.M. Baschera // Nonlinear Biomedical Physics. 2011. Vol. 5. Article ID 5. 18 p. DOI: 10.1186/1753-4631-5-5 EDN: XXXKAH
17. Disorder-specific predictive classification of adolescents with attention deficit hyperactivity disorder (ADHD) relative to autism using structural magnetic resonance imaging / L. Lim, A. Marquand, A.A. Cubillo, A.B. Smith, K. Chantiluke, A. Simmons, M. Mehta, K. Rubia // PLoS ONE. 2013. Vol. 8. № 5. Article ID e63660. 10 p. DOI: 10.1371/journal.pone.0063660
18. Efficient Feature Selection and Machine Learning Based ADHD Detection Using EEG Signal / M. Maniruzzaman, J. Shin, M.A.M. Hasan, A. Yasumura // Computers, Materials & Continua. 2022. Vol. 72. № 3. P. 5179-5195. DOI: 10.32604/cmc.2022.028339 EDN: AKQAYL
19. Extreme learning machine-based classification of ADHD using brain structural MRI data / X. Peng, P. Lin, T. Zhang, J. Wang // PLoS ONE. 2013. Vol. 8. № 11. Article ID e79476. 12 p. DOI: 10.1371/journal.pone.0079476 EDN: YBPVOD
20. Eye movement behavior in a real-world virtual reality task reveals ADHD in children / L. Merzon, K. Pettersson, E.T. Aronen, H. Huhdanpää, E. Seesjärvi, L. Henriksson, W.J. MacInnes, M. Mannerkoski, E. Macaluso, J. Salmi // Scientific reports. 2022. Vol. 12. Article ID 20308. 12 p. DOI: 10.1038/s41598-022-24552-4 EDN: LMNYDC
21. Ghasemi E., Ebrahimi M., Ebrahimie E. Machine learning models effectively distinguish attention-deficit/hyperactivity disorder using event-related potentials // Cognitive Neurodynamics. 2022. Vol. 16. 1335-1349. DOI: 10.1007/s11571-021-09746-2 EDN: RPKBWA
22. Identification of attention-deficit hyperactivity disorder based on the complexity and symmetricity of pupil diameter / S. Nobukawa, A. Shirama, T. Takahashi, T. Takeda, H. Ohta, M. Kikuchi, A. Iwanami, N. Kato, S. Toda // Scientific reports. 2021. Vol. 11. Article ID 8439. 14 p. DOI: 10.1038/s41598-021-88191-x EDN: OWQDJV
23. Identifying ADHD boys by very-low frequency prefrontal fNIRS fluctuations during a rhythmic mental arithmetic task / S. Ortuño-Miró, S. Molina-Rodríguez, C. Belmonte, J. Ibañez-Ballesteros // Journal of Neural Engineering. 2023. Vol. 20. Article ID 036018. 23 p. DOI: 10.1088/1741-2552/acad2b EDN: KAUQTG
24. Kasim Ö. Identification of attention deficit hyperactivity disorder with deep learning model // Physical and engineering sciences in medicine. 2023. Vol. 46. P. 1081-1090. DOI: 10.1007/s13246-023-01275-y EDN: RYWKXG
25. Kaur A., Kahlon K.S. Accurate Identification of ADHD among Adults Using Real-Time Activity Data // Brain Sciences. 2022. Vol. 12. № 7. Article ID 831. 17 p. DOI: 10.3390/brainsci12070831 EDN: VCMOZB
26. Machine Learning Approach for Classification of ADHD adults / A. Tenev, S. Markovska-Simoska, L. Kocarev, J. Pop-Jordanov, A. Müller, G. Candrian // International journal of psychophysiology. 2013. Vol. 93. № 1. P. 162-166. DOI: 10.1016/j.ijpsycho.2013.01.008 EDN: UULNYL
27. Mafi M., Radfar S. High Dimensional Convolutional Neural Network for EEG Connectivity-Based Diagnosis of ADHD // Journal of biomedical physics & engineering. 2022. Vol. 12(6). P. 645-654. DOI: 10.31661/jbpe.v0i0.2108-1380 EDN: JGYHZJ
28. Moghaddari M., Lighvan M.Z., Danishvar S. Diagnose ADHD disorder in children using convolutional neural network based on continuous mental task EEG // Computer Methods and Programs in Biomedicine. 2020. Vol. 197. Article ID 105738. 11 p. DOI: 10.1016/j.cmpb.2020.105738 EDN: BZBBWR
29. Pupil size tracks attentional performance in attention-deficit/hyperactivity disorder / G. Wainstein, D. Rojas-Líbano, N.A. Crossley, X. Carrasco, F. Aboitiz, T. Ossandón // Scientific Reports. 2017. Vol. 7. Article ID 8228. 9 p. DOI: 10.1038/s41598-017-08246-w EDN: ALZUVW
30. The global prevalence of ADHD in children and adolescents: A systematic review and meta-analysis / N. Salari, H. Ghasemi, N. Abdoli, A. Rahmani, M. Shiri, A. Hashemian, H. Akbari, M. Mohammadi // Rivista italiana di pediatria = The Italian journal of pediatrics. 2023. Vol. 49. Article ID 48, 12 p. DOI: 10.1186/s13052-023-01456-1

Выпуск

Том 13 №2 (2024)

Кол-во страниц: 164 страницы

Другие статьи выпуска

ИМПЛИЦИТНОЕ ПОНИМАНИЕ НЕВЕРНЫХ МНЕНИЙ: СОВРЕМЕННОЕ СОСТОЯНИЕ ИССЛЕДОВАНИЙ (2024)

Авторы: Лебедева Евгения Игоревна, Ильина Екатерина Александровна

В статье представлен обзор ряда современных зарубежных исследований имплицитного понимания неверных мнений (implicit false beliefs) у детей раннего возраста при типичном развитии, нарушениях слуха, расстройствах аутистического спектра, а также у приматов. Проанализированы результаты исследований, выполненных с использованием разных методологических парадигм оценки раннего развития модели психического: «нарушение ожиданий» (violation of expectations) и «предвосхищающий взгляд» (anticipatory looking). Представлены результаты исследований поиска биологических основ истоков социального познания с применением ближней инфракрасной спектрометрии (functional near-infrared spectroscopy), а также результаты исследований взаимосвязи возможных предикторов модели психического (понимания целенаправленности действий другого, совместного внимания, имплицитного понимания неверных мнений) и успешности социального познания в дошкольном возрасте при типичном развитии. Описываются теоретические представления о двух системах модели психического: минимальной и собственно модели психического. Обозначены ближайшие перспективы будущих исследований, позволяющие разрешить существующие кризисы репликации и не допустить новых.

Сохранить в закладках

ТЕАТРАЛЬНАЯ ДЕЯТЕЛЬНОСТЬ КАК ИНСТРУМЕНТ РАБОТЫ С РИСКАМИ ПОДРОСТКОВОГО ВОЗРАСТА: ЗАРУБЕЖНЫЙ И ОТЕЧЕСТВЕННЫЙ ОПЫТ (2024)

Авторы: Поскакалова Татьяна Анатольевна

В статье представлен обзор театральных практик, направленных на диагностику, профилактику и коррекцию поведения подростков, склонных к рискам, посредством развития эмоционального интеллекта, метапредметных компетенций, чувства ответственности и осознанности. Проанализированы различия и сходства в применении театральных практик за рубежом и на территории России в работе с трудными подростками. Обосновано применение театральных практик при учете возрастных потребностей подростков. Приведена характеристика наиболее востребованных театральных практик в мире - форум-тетра, плэйбэк-театра, популярного, социального театра. Обозначены различия между театральными практиками, нацеленными на процесс создания спектакля, и практиками, направленными на создание продукта - спектакля. Приведен анализ эмпирических исследований в контексте сопоставления видов театральных практик и достигаемых результатов в работе с подростками, склонными к риску или относящимися к группе риска. На примере «Мультимедиа-театра» обоснована актуальность разработки и применения инструментов театральной педагогики для решения проблем современных подростков (в том числе и методом ролевого экспериментирования).

Сохранить в закладках

ОПЫТ ИЗУЧЕНИЯ ИНТЕРНАЛИЗИРОВАННЫХ РАССТРОЙСТВ У ДЕТЕЙ И ПОДРОСТКОВ В ЗАРУБЕЖНЫХ ИССЛЕДОВАНИЯХ (2024)

Авторы: Карпова Наталья Владимировна

В статье представлен опыт изучения интернализированных расстройств у детей и подростков исследователями западных и восточных стран: США, Канады, Великобритании, Германии, Польши, Китая и др. Это позволило представить более обширную географию стран, которые в своей психиатрической практике и психологической науке применяют диагностическую парадигму, опираясь на трансдиагностическую модель классификации психических расстройств. Автором предпринята попытка рассмотреть различные подходы к изучению вопросов, связанных с интернализированными расстройствами зарубежными исследователями. В статье представлены понятие «интернализированные расстройства», его противопоставление понятию «экстернализированные расстройства». Особое внимание уделено симптомам, диагностике, интервенции интернализированных расстройств именно в детском и подростковом возрасте. Представлены данные об эпидемиологии и этиологии интернализированных расстройств у детей и подростков. Проведен анализ превалентности интернализированных расстройств среди детей и подростков, который варьируется в зависимости от возрастной группы, пола и региона проживания. Описываются некоторые исследования, касающиеся коморбидности интернализированных расстройств у детей и подростков. Материалы статьи позволяют получить более полное представление о сути феномена «интернализированные расстройства» и его ключевых характеристиках. Данные, представленные в статье, могут быть использованы для разработки эффективных подходов к стратегиям диагностики интернализированных расстройств и эффективных способов вмешательств в детском и подростковом возрасте в отечественной науке и практике.

Сохранить в закладках

ПРОВЕРКА ИЗМЕРИТЕЛЬНОЙ ИНВАРИАНТНОСТИ ДЛЯ ТЕСТОВ КОГНИТИВНЫХ И ЯЗЫКОВЫХ СПОСОБНОСТЕЙ (2024)

Авторы: Логвиненко Татьяна Юрьевна

В статье рассматривается феномен измерительной инвариантности психодиагностических инструментов. Проверка инвариантности помогает оценить, насколько измеряемый конструкт имеет сопоставимое значение для разных групп или точек измерения. Такая проверка требуется, чтобы убедиться, что сравнение этих групп или измерений между собой является адекватным. В статье приведен обзор современных и классических публикаций зарубежных исследователей, демонстрирующих различные содержательные и методологические аспекты проверки инвариантности. Особое внимание уделено имеющимся данным о проверке инвариантности для тестов когнитивных и языковых способностей, а также о значении инвариантности для оценки индивидуальных и межгрупповых различий. В завершение обсуждаются актуальные подходы к оценке инвариантности в рамках моделирования структурными уравнениями и современной теории тестирования. Данная работа может стать первым шагом для знакомства с понятием измерительной инвариантности и будет полезна для всех читателей, заинтересованных в улучшении качества измерительных инструментов для получения более надежных выводов о психологических феноменах.

Сохранить в закладках

ВЗАИМОСВЯЗЬ БИЛИНГВАЛЬНОГО ЯЗЫКОВОГО ОПЫТА И ИСПОЛНИТЕЛЬНЫХ ФУНКЦИЙ: СОВРЕМЕННОЕ СОСТОЯНИЕ ИССЛЕДОВАНИЙ (2024)

Авторы: Семёнова Елена Юрьевна

Долгое время считалось, что владение несколькими языками способствует более эффективному развитию исполнительных функций. Данное положение эмпирически подтверждалось в исследованиях, где билингвы противопоставлялись монолингвам в заданиях на ингибиторный контроль, когнитивную гибкость, рабочую память, внимание. Однако опубликованные в последние годы систематические обзоры и мета-анализы ставят под сомнение существование подобного «билингвального преимущества». Предполагается, что источником неоднородности результатов могут являться не полученные данные, а, скорее, концептуальные методологические парадигмы, используемые научными группами при проведении исследований. Цель данного обзора заключается в анализе современных зарубежных работ на предмет актуальных подходов к операционализации билингвального опыта и исполнительных функций. В обзоре также критически рассматриваются теории «билингвального преимущества» и особенности инструментов оценки исполнительных функций. Основной вывод состоит в необходимости более тщательно разрабатывать дизайны будущих исследований с учетом индивидуальных особенностей билингвов, а также специфики заданий на оценку исполнительных функций. Также возникает необходимость в новых фальсифицируемых теориях, которые предлагали бы априорно проверяемые гипотезы. В заключение описываются ключе

Сохранить в закладках

Статистика статьи

Статистика просмотров за 2025 год.

Издательство

Издательство: МГППУ
Регион: Россия, Москва
Почтовый адрес: 127051, Россия, Центральный федеральный округ, Москва, улица Сретенка, дом 29
Юр. адрес: 127051, Россия, Центральный федеральный округ, Москва, улица Сретенка, дом 29
ФИО: Марголис Аркадий Аронович (РЕКТОР)
E-mail адрес: margolisaa@mgppu.ru
Контактный телефон: +7 (495) 6329202
Сайт: https://mgppu.ru/

Все права на тексты и товарные знаки принадлежат их законным владельцам. Подробнее...

Сайт https://scinetwork.ru (далее – сайт) работает по принципу агрегатора – собирает и структурирует информацию из публичных источников в сети Интернет, то есть передает полнотекстовую информацию о товарных знаках в том виде, в котором она содержится в открытом доступе.

Сайт и администрация сайта не используют отображаемые на сайте товарные знаки в коммерческих и рекламных целях, не декларируют своего участия в процессе их государственной регистрации, не заявляют о своих исключительных правах на товарные знаки, а также не гарантируют точность, полноту и достоверность информации.

Все права на товарные знаки принадлежат их законным владельцам!

Сайт носит исключительно информационный характер, и предоставляемые им сведения являются открытыми публичными данными.

Администрация сайта не несет ответственность за какие бы то ни было убытки, возникающие в результате доступа и использования сайта.

Спасибо, понятно.

Наведите камеру на QR-код, чтобы открыть моб. версию страницы.

Автор

Сологуб Полина