💻 computer science

Stringology-Based Motif Discovery from EEG Signals: an ADHD Case Study

Dit artikel introduceert een nieuw stringologie-gebaseerd raamwerk voor het analyseren van EEG-signalen, dat middels order-preserving en Cartesian tree matching aantoont dat ADHD-patiënten kenmerken van hogere repetitieve activiteit, kortere motieven en verminderde hiërarchische complexiteit vertonen vergeleken met gezonde controles.

Oorspronkelijke auteurs: Anat Dahan, Samah Ghazawi

Gepubliceerd 2026-03-05

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Anat Dahan, Samah Ghazawi

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je hersenen een enorme, complexe symfonie spelen. Normaal gesproken klinkt dit als een rijke, gevarieerde melodie met veel verschillende instrumenten die samenwerken. Bij mensen met ADHD is deze symfonie echter anders. Traditionele methoden om naar de hersenen te kijken (zoals het luisteren naar de "volume" van bepaalde geluiden of het tellen van het aantal noten) zeggen ons al veel, maar ze missen soms de fijne details van hoe de muziek precies gespeeld wordt.

Deze paper introduceert een nieuwe manier om naar die hersenactiviteit te kijken, gebaseerd op iets heel anders: stringology (de wiskunde van het zoeken naar patronen in rijen tekens).

Hier is een uitleg in simpele taal, met behulp van analogieën:

1. De Nieuwe Methode: Het Zoeken naar "Muziekfragmenten"

In plaats van te kijken naar de totale geluidsdruk (volume) of de snelheid van de trillingen, kijken de onderzoekers naar herhalende patronen in de hersengolven.

De Analogie: Stel je voor dat je een lang verhaal leest. Traditionele methoden tellen hoeveel keer het woord "en" voorkomt of hoe lang de zinnen gemiddeld zijn.
- Deze nieuwe methode zoekt naar specifieke zinnen die vaak terugkomen, zoals "de zon scheen" of "het regende".
- Ze kijken niet naar de letterlijke woorden (de exacte spanning in de hersenen), maar naar de volgorde en de vorm. Is het een stijgende lijn? Daalt het eerst en stijgt het dan?

De onderzoekers gebruiken twee slimme hulpmiddelen om deze patronen te vinden:

OPM (Order Preserving Matching): Dit kijkt puur naar de volgorde. Als de hersengolf eerst omhoog gaat, dan omlaag, en dan weer omhoog, telt dit als een patroon, ongeacht of de pieken hoog of laag zijn. Het is alsof je kijkt naar de "melodie" zonder te kijken naar het volume.
CTM (Cartesian Tree Matching): Dit kijkt naar de hiërarchie of de structuur. Stel je een berglandschap voor. Waar is de hoogste top? Waar zitten de kleine heuvels? Deze methode zoekt naar patronen die er qua "berglandschap" hetzelfde uitzien, zelfs als de bergen iets anders van hoogte zijn.

2. Wat Vonden Ze bij ADHD?

Toen ze deze methoden toepasten op kinderen met ADHD en kinderen zonder ADHD, zagen ze duidelijke verschillen in hun "hersensymfonie":

Meer Herhaling (Minder Variatie):
- Analogie: Een kind zonder ADHD speelt een gevarieerde jazzsolo met veel improvisatie. Een kind met ADHD speelt meer een herhalend refrein.
- De bevinding: Kinderen met ADHD hadden veel vaker dezelfde korte patronen terugkerend in hun hersengolven. Het lijkt alsof hun hersenen vastlopen in een "loop" of een herhalend patroon, in plaats van flexibel te schakelen.
Instabiele Sprongetjes:
- Analogie: Stel je voor dat je een trap oploopt. Een stabiele hersenactiviteit is als een rustige trap. Bij ADHD is het alsof je soms twee treden opstapt, dan één terug, en dan weer drie vooruit. De sprongetjes zijn chaotischer.
- De bevinding: De overgangen tussen de patronen bij ADHD waren schokkeriger en onvoorspelbaarder. De hersengolven maakten grotere en snellere "sprongen" in hun beweging.
Eenvoudigere Structuur (Minder Diepgang):
- Analogie: Een complexe structuur is als een groot kasteel met veel verdiepingen, torens en gangen. Een eenvoudige structuur is als een laag huisje met slechts één kamer.
- De bevinding: Bij de kinderen met ADHD waren de patronen "vlakker". Ze hadden minder lagen en minder ingewikkelde hiërarchieën. Het was alsof de hersenen minder diep in de structuur duiken; ze blijven meer aan het oppervlak.

3. Waarom is dit belangrijk?

Tot nu toe dachten we dat ADHD vooral te maken had met bepaalde frequenties (zoals te veel "traag" denken of te weinig "snel" denken). Deze studie laat zien dat het probleem ook zit in hoe de hersenen zich in de tijd organiseren.

Het is alsof we eerder alleen keken naar de kleur van de verf op een schilderij.
Nu kijken we naar de strokes van de penseelstreken: hoe vaak komen ze terug, hoe stabiel zijn ze, en hoe complex is de compositie?

Conclusie

Deze studie toont aan dat de hersenen van mensen met ADHD niet "kapot" zijn, maar dat ze een andere manier van "muziek maken" hebben:

Ze herhalen patronen vaker (minder variatie).
Ze zijn onrustiger in hun bewegingen (meer sprongetjes).
Hun structuur is minder complex (minder verdiepingen).

Dit biedt een nieuwe manier om ADHD te begrijpen en misschien in de toekomst betere, objectieve tests te ontwikkelen die niet alleen kijken naar wat je ziet, maar naar hoe je hersenen in de tijd "dansen". Het is een stap van "hoe hard klinkt het?" naar "hoe ziet de dans eruit?".

Titel: Stringologie-gebaseerde motiefontdekking uit EEG-signalen: een ADHD-case study

1. Probleemstelling

Attention-Deficit/Hyperactivity Disorder (ADHD) wordt gekenmerkt door atypische neurale dynamiek, variërend van verhoogde variabiliteit tot verminderde temporele stabiliteit. Traditionele EEG-analyses (zoals spectrale macht, ERP's en globale complexiteitsmaten) vatten activiteit vaak samen over lange tijdsvensters. Hierdoor gaan korte, maar functioneel betekenisvolle temporele patronen ("micro-patronen") verloren. Bestaande methoden kwantificeren de variabiliteit van het signaal, maar identificeren niet de specifieke typen temporele motieven die voorkomen, hoe vaak ze terugkeren, of hoe hun structurele organisatie verschilt tussen populaties. Er is behoefte aan een methode die de precieze volgorde en structurele organisatie van neurale fluctuaties kan analyseren, onafhankelijk van amplitude-schaling.

2. Methodologie

De auteurs introduceren een nieuw computeraangedreven raamwerk dat technieken uit de stringologie (de studie van algoritmen voor het verwerken van strings) toepast op tijdreeksen van EEG-signalen.

Dataset: Gebruik werd gemaakt van een publieke dataset met EEG-opnames van 121 kinderen (7-12 jaar), verdeeld over een ADHD-groep (n=61) en een controlegroep (n=60). De signalen werden opgenomen tijdens een visuele aandachtstaken met 19 kanalen (standaard 10-20 opstelling) en bemonsterd op 128 Hz.
Preprocessing: De signalen werden gefilterd, onderworpen aan Independent Component Analysis (ICA) voor artefactverwijdering, en vervolgens met een factor 4 gedownsampled naar 32 Hz om de computationele complexiteit te verminderen.
String-transformatie: Elke gepreprocessed EEG-tijdreeks werd behandeld als een "string" van numerieke waarden.
Analysetechnieken: Twee specifieke stringologie-methoden werden toegepast om terugkerende patronen (motieven) te ontdekken:
1. Order Preserving Matching (OPM): Vergelijkt strings op basis van de relatieve volgorde van elementen (bijv. stijgend/dalend), ongeacht de absolute waarden. Een match vereist identieke paarsgewijze ordeningsrelaties. Dit is zeer streng en detecteert zeer stabiele, exacte ordinaalpatronen.
2. Cartesian Tree Matching (CTM): Representeert een string als een Cartesiaanse boom (een hiërarchische structuur gebaseerd op lokale minima en maxima). Twee strings matchen als hun boomstructuren identiek zijn, zelfs als de exacte volgorde van waarden licht afwijkt. Dit is robuuster tegen ruis en detecteert bredere golfvormstructuren.
Motiefontdekking: Er werden motieven gezocht met een ondersteuning (support) van $\geq 0,9$ (d.w.z. aanwezig in minstens 90% van de strings binnen een groep) en een lengte $>5$ . Alleen motieven die uniek waren voor één groep werden behouden.
Feature Extractie: Er werden vier categorieën kenmerken geëxtraheerd:
- Initiële kenmerken: Lengte, frequentie, ondersteuning.
- Gradiënt-dynamica: Spronggrootte (max/mean/std) tussen opeenvolgende punten.
- Rank-gebaseerde eigenschappen (voor OPM): Aantal draaipunten in rangorde, correlatie.
- Hiërarchische boomstructuur (voor CTM): Diepte van de boom, aantal bladeren, takken en balans.
Statistiek: Verschillen tussen groepen werden getest met de Mann-Whitney U-test, gecorrigeerd voor multiple testing met de False Discovery Rate (FDR).

3. Belangrijkste Resultaten

De analyse leverde significante verschillen op tussen de ADHD-groep en de controlegroep:

Frequentie en Herhaling: De ADHD-groep vertoonde significant hogere frequenties van terugkerende motieven (zowel OPM als CTM). Dit wijst op een toegenomen stereotypie (herhalend gedrag) in de neurale activiteit.
Motieflengte: OPM-motieven in de ADHD-groep waren korter (lengte 6-7) dan bij controles, wat suggereert dat ordinaalpatronen korter aanhouden voordat ze veranderen. CTM-motieflengtes (lengte 9-10) verschilden niet significant tussen de groepen.
Gradiënt-instabiliteit (OPM & CTM): De ADHD-groep toonde significante toename in "jump"-metrieken (maximale en gemiddelde amplitudeverschillen tussen opeenvolgende punten). Dit duidt op een grotere temporele instabiliteit en abrupte overgangen in het signaal.
Orde-instabiliteit (OPM): Het aantal "rank turning points" (punten waar de stijgende/dalende trend keert) was significant hoger in de ADHD-groep over alle kanalen. Dit wijst op frequente reversies in de relatieve volgorde van het signaal.
Hiërarchische Complexiteit (CTM): CTM-analyse onthulde dat ADHD-motieven een verminderde hiërarchische complexiteit hebben. De Cartesiaanse bomen waren ondieper, hadden minder takken en bladeren, en vertoonden een "vlakkere" structuur. Dit suggereert een vereenvoudiging van de golfvormstructuur, ondanks dat de motieven even lang waren.
Ruimtelijke Distributie: De effecten waren het sterkst in de frontale en temporale gebieden (gerelateerd aan executieve controle en aandacht), met minder consistente effecten in centrale en occipitale gebieden.

4. Bijdragen

Nieuwe Raamwerk: De eerste toepassing van stringologie (OPM en CTM) op EEG-data voor de systematische identificatie van temporele motieven in ADHD.
Complementaire Inzichten: Het biedt een aanvulling op traditionele spectrale en complexiteitsanalyses door zich te richten op de vorm, stabiliteit en hiërarchische organisatie van korte temporele patronen.
Robuustheid: De methoden zijn onafhankelijk van amplitude-schaling, wat ze ideaal maakt voor inter-individuele vergelijkingen waar signaalsterkte kan variëren.
Biomarker Potentieel: De geïdentificeerde kenmerken (hoge herhaling, korte duur, hoge gradiëntvariatie, vereenvoudigde hiërarchie) fungeren als potentiële objectieve biomarkers voor ADHD.

5. Significatie en Conclusie

De studie concludeert dat ADHD-gerelateerde EEG-veranderingen zich manifesteren als systematische verschillen in de structuur, stabiliteit en hiërarchische organisatie van terugkerende temporele patronen.

Interpretatie: De neurale activiteit bij ADHD is "gestructureerd maar instabiel": er is een hoge mate van herhaling (stereotypie), maar de patronen zijn korter, minder hiërarchisch complex en vertonen meer abrupte overgangen.
Theoretische Implicatie: Dit ondersteunt theorieën over verminderde neurale flexibiliteit en integratie bij ADHD. Het suggereert dat de dysregulatie niet alleen in amplitude of frequentie zit, maar in de temporele architectuur van het signaal.
Toekomst: Hoewel de steekproefgrootte beperkt was en de resultaten een "proof-of-concept" zijn, biedt deze stringologie-gebaseerde aanpak een veelbelovende nieuwe weg voor het ontwikkelen van objectieve diagnostische markers en het monitoren van neurodevelopmentale stoornissen.