基于认知功能的精神分裂症特征的分类研究_中国煤炭行业知识服务平台

基于认知功能的精神分裂症特征的分类研究

作者

李杨牛焱扆梦楠马垚王彬李丹丹李琼
单位

太原理工大学信息与计算机学院山西医科大学第一医院影像科
摘要

通过任务转换实验(task-switching task,TST)与机器学习相结合的方法对精神分裂症患者进行客观辨别。本实验中,45例精神分裂症患者和55例正常被试参与了实验,原始特征为反应时间、准确率、转换代价、干扰、年龄和性别等17个特征,利用Relief算法进行特征选择,并利用支持向量机(SVM)对不同的特征组合进行分类。研究结果表明短提示一致有转换、短提示一致无转换、短提示不一致无转换、长提示一致有转换、长提示一致无转换、转换代价、剩余转换代价和反应转换代价8个特征创建的SVM分类模型达到了90%的分类准确率,ROC曲线下面积(AUC)大小为0.89.该方法能够客观、有效地鉴别精神分裂症患者,能运用于精神分裂症的辅助诊断,以提高医生诊断结果的准确率。
关键词

精神分裂症任务转换执行控制特征选择支持向量机
基金项目(Foundation)

国家自然科学基金资助项目(61503272)；山西省青年科技研究基金资助项目(2015021090)；中国博士后基金资助项目(2016M601287)；
相关文章

[1]基于个人灰质网络的精神分裂症分类研究
[2]基于格兰杰因果分析的MCI脑网络分类研究
[3]基于MEG虚相干功能连接的阅读理解能力预测模型的研究
[4]基于频率排序的判别子图筛选及在精神分裂症分类中的应用
[5]脑网络社团连接在轻度认知障碍分类中的应用