基于机器学习的阿尔兹海默症分类预测 |
| |
引用本文: | 李彩,范炤.基于机器学习的阿尔兹海默症分类预测[J].中国医学物理学杂志,2020,37(3):379-384. |
| |
作者姓名: | 李彩 范炤 |
| |
作者单位: | 1.山西医科大学基础医学院, 山西 太原 030001; 2.山西医科大学转化医学研究中心, 山西 太原 030001 |
| |
基金项目: | 留学回国人员科技活动项目(619017);山西省回国留学人员科研资助项目(2016-061)。 |
| |
摘 要: | 目的:应用机器学习方法,将脑结构磁共振(sMRI)、年龄、性别、受教育年限和MMSE量表评分作为特征,对阿尔兹海默症进行分类预测。方法:特征选择后,用L1正则Logistic回归、L1正则支持向量机、梯度提升树分别对脑sMRI数据进行分类预测,选出最优模型后引入年龄、性别、受教育年限和MMSE量表评分特征优化模型,用10-折交叉验证评价模型性能。结果:L1正则Logistic回归分类效果最好,加入年龄、性别、受教育年限和MMSE评分后预测准确率提高0.89%~11.42%。结论:L1正则化Logistic回归模型的sMRI+年龄+性别+受教育年限+MMSE评分特征集对阿尔兹海默症有更好的分类效果,可作为辅助诊断阿尔兹海默症的依据。
|
关 键 词: | 阿尔兹海默症 机器学习 L1正则Logistic回归 分类预测 |
本文献已被 CNKI 维普 等数据库收录! |
| 点击此处可从《中国医学物理学杂志》浏览原始摘要信息 |
| 点击此处可从《中国医学物理学杂志》下载免费的PDF全文 |