基于最小生成树图与多通道脑电的ADHD儿童视觉注意脑连接组差异研究

推荐：来自未知机构的研究人员通过构建最小生成树(MST)图，结合多通道脑电(EEG)和机器学习，揭示了注意力缺陷多动障碍(ADHD)与典型发育儿童在视觉注意任务中脑连接组的显著差异。研究在α频段发现关键拓扑特征(如叶节点数、平均离心率降低)，实现100%分类准确率，为ADHD神经机制提供了全新量化指标。

　　

这项突破性研究采用最小生成树(MST)图论方法，结合64导联脑电图(EEG)技术，解码了注意力缺陷多动障碍(ADHD)儿童与典型发育儿童在执行视觉注意任务时的大脑网络差异。通过构建基于不同脑区EEG信号相似性的MST拓扑图，研究人员在α频段(8-12Hz)捕获到ADHD组显著减小的叶节点数、平均离心率等关键特征，这些指标如同"大脑网络指纹"般实现了两组100%的精准区分。

更令人振奋的是，拓扑分析揭示了ADHD儿童缺乏典型的前额叶信息处理枢纽，其额顶叶连接强度明显弱于对照组——这就像大脑的"高速公路系统"出现了关键路段的通行障碍。研究采用的随机森林和支持向量机(SVM)等机器学习模型一致验证了MST特征的卓越鉴别力，为ADHD的客观诊断提供了全新神经标记物。这些发现不仅阐明了ADHD异常注意调控的神经基础，更为开发靶向神经调控疗法指明了方向。