自閉症スペクトラム障害のための包括的な脳波データセットと性能評価

自閉症スペクトラム障害（ASD）の診断は、より効率的で正確なツールによって早期介入を可能にし、診断遅延に伴う長期的な医療費を削減できるため、大きな恩恵を受ける可能性がある。脳波検査（EEG）は、ASDに関連する神経パターンを検出する有望な非侵襲的技術として注目されている。本研究では、ASD分類のためのEEG信号品質向上において、バターワース、離散ウェーブレット変換（DWT）、独立成分分析（ICA）という3つの前処理技術の有効性を評価する。各手法の性能は、信号対雑音比（SNR）、平均絶対誤差（MAE）、平均二乗誤差（MSE）、スペクトルエントロピー（SE）、周波数帯域分布を調査するためのパワースペクトル密度（PSD）分析を用いて評価した。さらに、ASDに関連する神経ダイナミクスを捉えるため、Hjorthパラメータ（活動性、可動性、複雑性）を計算した。結果として、ICAは最高のSNR値（健常群：86.44、ASD群：78.69）を達成し、優れたノイズ除去能力を示した。一方、DWTは最低の誤差指標（ASD群：MAE=4785.08、MSE=309,690）を提供し、信号特性を保持する頑健性を実証した。バターワースは全指標で中程度の結果を示した。特に、Hjorthパラメータは神経典型的なEEGがより高い活動性と複雑性を示すことを明らかにし、ASDとの神経動態の差異を浮き彫りにした。これらの知見は、信号明瞭性を優先する応用にはICAが最適である一方、ASD EEG解析における特徴量保存にはDWTがバランスの取れた手法であることを示唆している。本知見は、臨床意思決定支援システムや早期スクリーニングプログラムに統合可能な、より正確なEEGベースのASD診断ツール開発を支援することが期待される。