Attention-deficit hyperactivity disorder (ADHD) is one of the most common neuropsychiatric disorders of childhood. Diagnosis of ADHD is based on core symptoms and checklists. However, these are both subjective, which can lead to the problems of overdiagnosis and underdiagnosis. Elevated theta/beta ratio (TBR) of EEG band has been approved by the US Food and Drug Administration as a tool to assist in the diagnosis of ADHD. However, several recent studies have demonstrated that there are no significant differences in TBR between people with and without ADHD. In this study, we attempted to develop a new method for differentiating between male with and without ADHD by analyzing EEG features. Thirty boys with ADHD combined type (aged 8 years 5 months ± 1 year 11 months) and 30 age-matched controls (aged 8 years 5 months ± 1 year 8 months) were enrolled in this study. A classification analysis-based approach comprising training and classification phases was developed for classifying each subject’s EEG features as ADHD or non-ADHD. Eight crucial feature descriptors were selected and ranked based on the t test. Compared with TBR in our study, the developed method had a higher area under the curve (87.78%), sensitivity (80.0%), and specificity (80.0%). Our method is more precise than using TBR in the diagnosis of ADHD. This newly developed method is a useful tool in identifying patients with ADHD and might reduce the possibility of overdiagnosis and underdiagnosis.

中文翻译：

---

一种通过定量脑电图分析诊断男性注意力缺陷多动障碍的新方法

注意缺陷多动障碍（ADHD）是儿童期最常见的神经精神疾病之一。ADHD 的诊断基于核心症状和检查表。然而，这些都是主观的，会导致过度诊断和诊断不足的问题。升高的 EEG 带的 theta/beta 比率 (TBR) 已被美国食品和药物管理局批准作为辅助多动症诊断的工具。然而，最近的几项研究表明，患有和不患有 ADHD 的人之间的 TBR 没有显着差异。在这项研究中，我们试图通过分析 EEG 特征开发一种新方法来区分患有和不患有 ADHD 的男性。本研究招募了 30 名患有 ADHD 组合型（年龄 8 岁 5 个月 ± 1 岁 11 个月）的男孩和 30 名年龄匹配的对照组（年龄 8 岁 5 个月 ± 1 岁 8 个月）。开发了一种基于分类分析的方法，包括训练和分类阶段，用于将每个受试者的 EEG 特征分类为 ADHD 或非 ADHD。根据 t 检验选择并排名八个关键特征描述符。与我们研究中的 TBR 相比，所开发的方法具有更高的曲线下面积 (87.78%)、灵敏度 (80.0%) 和特异性 (80.0%)。我们的方法在 ADHD 的诊断中比使用 TBR 更精确。这种新开发的方法是识别 ADHD 患者的有用工具，可能会减少过度诊断和诊断不足的可能性。开发了一种基于分类分析的方法，包括训练和分类阶段，用于将每个受试者的 EEG 特征分类为 ADHD 或非 ADHD。根据 t 检验选择并排名八个关键特征描述符。与我们研究中的 TBR 相比，所开发的方法具有更高的曲线下面积 (87.78%)、灵敏度 (80.0%) 和特异性 (80.0%)。我们的方法在 ADHD 的诊断中比使用 TBR 更精确。这种新开发的方法是识别 ADHD 患者的有用工具，可能会减少过度诊断和诊断不足的可能性。开发了一种基于分类分析的方法，包括训练和分类阶段，用于将每个受试者的 EEG 特征分类为 ADHD 或非 ADHD。根据 t 检验选择并排名八个关键特征描述符。与我们研究中的 TBR 相比，所开发的方法具有更高的曲线下面积 (87.78%)、灵敏度 (80.0%) 和特异性 (80.0%)。我们的方法在 ADHD 的诊断中比使用 TBR 更精确。这种新开发的方法是识别 ADHD 患者的有用工具，可能会减少过度诊断和诊断不足的可能性。开发的方法具有更高的曲线下面积 (87.78%)、灵敏度 (80.0%) 和特异性 (80.0%)。我们的方法在 ADHD 的诊断中比使用 TBR 更精确。这种新开发的方法是识别 ADHD 患者的有用工具，可能会减少过度诊断和诊断不足的可能性。开发的方法具有更高的曲线下面积 (87.78%)、灵敏度 (80.0%) 和特异性 (80.0%)。我们的方法在 ADHD 的诊断中比使用 TBR 更精确。这种新开发的方法是识别 ADHD 患者的有用工具，可能会减少过度诊断和诊断不足的可能性。