摘要
随着第七次人口普查结束,我国人口老龄化程度进一步加深的结论也随之出现,帕金森病等容易在高龄化人群中出现的疾病对群众的身心造成了巨大的伤害,这种疾病会随时间的推移而加重,如果不在早期加以干预治疗会造成不可逆的严重后果。现如今机器学习在数据处理方面能够取得不错的分类和预测结果。本文基于机器学习,通过对正常人和帕金森患者的弥散张量成像(diffusion tensor imaging,DTI)经过相关预处理后,选择各向异性分数(fractional anisotropy,FA)和平均弥散率(mean diffusivity,MD)作为特征。利用多层感知机(Multi-layer Perceptron,MLP)、支持向量机(support vector machine,SVM)、随机森林(Random Forest,RF)、极致梯度提升(eXtreme Gradient Boosting)、LightGBM(Light Gradient Boosting Machine)等算法,通过超参数搜索选择最佳参数后构建模型。最终用stacking法对五个基模型进行模型融合,生成一个集成模型。在测试集测试结果,输出各分类结果的混淆矩阵,采用准确率、AUC值对算法的泛化能力及性能进行评价,结果显示,Stacking模型的分类精度明显提升。
出处
《山西能源学院学报》
2023年第4期91-93,共3页
Journal of Shanxi Institute of Energy
基金
2022年教科研课题研究基金院级课题“基于机器学习的帕金森分类预测模型研究”(课题编号:KY2022-11)最终研究成果
