TFS-FENet: Un cadru de învățare profundă spațială în timp-frecvență pentru clasificarea subtipurilor de ADHD pe baza EEG
Cercetătorii au dezvoltat un model de învățare profundă (TFS-FENet) care analizează semnalele EEG pentru a clasifica subtipurile de ADHD și pentru a distinge ADHD-ul de dezvoltarea tipică cu o precizie ridicată (96,89% pentru clasificarea în trei clase și 99,36% pentru clasificarea binară). Abordarea utilizează rețele neuronale convoluționale pentru a capta simultan caracteristicile de timp-frecvență și spațiale ale activității cerebrale, poziționând învățarea automată bazată pe EEG ca un potențial biomarker obiectiv pentru a sprijini diagnosticul clinic.