一种基于EEG机器学习的孤独症谱系障碍的预测方法

本发明涉及神经科学和人工智能技术领域，具体一种基于EEG机器学习的孤独症谱系障碍的预测方法，包括步骤1、对孤独症谱系障碍儿童和健康对照儿童采集EEG数据；步骤2、对采集的EEG数据进行预处理，随后提取EEG数据中的睡眠纺锤波信号，并对所述睡眠纺锤波信号进行分析得到特征信息数据；步骤3、对得到的特征信息数据进行标准化处理，得到数据集，随后将数据集划分为训练集和测试集；步骤4、通过不同的机器学习算法对训练集进行训练，得出相应的训练模型，并通过5折交叉验证策略从各训练模型中选出最优模型；步骤5、将测试集输入各最优模型中进行评估，再通过比较评估结果得出目标模型。本方法为早期干预ASD提供科学依据。