摘要：孤獨癥譜系障礙(ASD)兒童的早期診斷至關重要。腦電圖(EEG)是最常用于神經成像的技術之一,其使用方便并且包含信息豐富。本文從ASD兒童和正常兒童的EEG信號中提取近似熵(ApEn)、樣本熵(SaEn)、排序熵(PeEn)和小波熵(WaEn)四種熵特征,應用獨立樣本t檢驗分析組間差異,利用支持向量機(SVM)學習算法為不同腦區的每種熵測量建立分類模型,最后通過置換檢驗搜索優化子集,使SVM模型實現最佳性能。結果表明,與正常對照組相比,ASD兒童腦電復雜度較低;在所有四種熵中,WaEn的分類性能優于其他熵;分類效果在不同腦區表現出差異性,其中額葉區域表現最佳;最后經過特征選擇,篩選出六個特征,建立分類模型,分類準確率最高提高到84.55%。本研究結果可為孤獨癥的早期發現提供幫助。