Synthetic Electroretinogram Signal Generation Using Conditional Generative Adversarial Network for Enhancing Classification of Autism Spectrum Disorder

电视图图（ERG）是一种临床测试，记录视网膜对光的电反应。ERG是研究不同神经发育和神经退行性疾病的一种有前途的方法，包括自闭症谱系障碍（ASD）-一种影响语言、沟通和相互社交互动的神经发育状况。然而，在异质人群中，例如ASD，由于收集大型数据集的能力有限，因此人工智能（AI）的应用变得复杂。从真实的ERG记录生成的合成ERG信号具有与自然ERG相似的信息，因此可以用作自然数据的扩展，以增加数据集，使得可以充分利用AI应用。作为原理证明，本研究提出了一种生成对抗网络，能够生成ASD患儿和典型发育对照个体的合成ERG信号。我们应用了时间序列变换器和视觉变换器以连续小波变换增强扩展合成信号数据集上的分类结果。这种方法可能支持相关精神疾病的分类模型，其中ERG可能有助于分类障碍。

论文旨在通过生成合成ERG信号来扩展数据集，以支持使用人工智能技术对自闭症谱系障碍进行分类。这是一个新的问题，因为在自闭症等异质人群中，收集大量数据集的能力有限。

论文的关键思路是使用生成对抗网络生成合成ERG信号，并将时间序列变换器和连续小波变换器应用于合成信号数据集以提高分类结果。相比当前领域的研究状况，这篇论文的思路在于使用合成信号扩展数据集，从而提高分类模型的性能。

论文使用生成对抗网络生成合成ERG信号，并应用时间序列变换器和连续小波变换器来提高分类结果。实验数据集包括自闭症谱系障碍患儿和正常对照个体的ERG信号。论文的方法在分类自闭症谱系障碍和正常对照个体方面表现出色。此外，论文提出的方法可以应用于其他神经发育和神经退行性疾病的研究中。

最近的相关研究包括使用人工智能技术对自闭症谱系障碍进行分类的其他研究，例如“使用深度神经网络对自闭症谱系障碍进行分类”和“使用支持向量机分类器对自闭症谱系障碍进行分类”。