利用机器学习实现精神分裂症患者自动二元分类研究成果显著

莫斯科研究人员利用机器学习对精神分裂症患者分类研究，最高准确率达 76% ，意义重大。

　　本研究旨在解决使用西门子 Magnetom Verio 3T 断层扫描仪获得的数据集，对被诊断患有精神分裂症的实验参与者和对照组进行自动二元分类的问题。该数据集包含来自莫斯科卫生部第一临床医院正在接受治疗的 36 名实验参与者，以及来自对照组的 36 名实验参与者的数据。研究人员运用机器学习方法来完成这项研究任务。最终获得了 76% 的分类准确率，这一结果与其他科学研究所得结果相当。在文献中已被熟知的局部一致性参数（ReHo ）取得了最高的准确率。作者基于功能同质区域识别（FHR）方法开发的特征集产生了最高 74% 的分类准确率。然而，当使用少量大脑区域时，FHR 特征集能提供更高的分类准确率。例如，仅使用八个大脑区域时，FHR 特征集就能达到接近最高的分类准确率，即 72.5%（而 ReHo 特征集仅为 65%），这表明选定的这八个区域能实现最高水平的分类。