基于认知功能的精神分裂症特征的分类研究

• 作者: 扆梦楠 李丹丹 李杨 李琼 牛焱 王彬 马垚
• 来源期刊: 太原理工大学学报
• 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
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 信息与计算机科学
• 页码范围: 462-467
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.16355/j.cnki.issn1007-9432tyut.2018.03.015

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李丹丹	太原理工大学信息与计算机学院	5	3	1.0	1.0
2	李杨	太原理工大学信息与计算机学院	8	26	3.0	5.0
3	牛焱	太原理工大学信息与计算机学院	8	7	2.0	2.0
4	王彬	太原理工大学信息与计算机学院	15	16	2.0	3.0
8	李琼	太原理工大学信息与计算机学院	7	41	3.0	6.0
9	扆梦楠	太原理工大学信息与计算机学院	4	13	2.0	3.0
10	马垚	太原理工大学信息与计算机学院	1	3	1.0	1.0