仅使用脑脊液生物标志,基于机器学习进行阿尔茨海默病分期分类
原文中文,约200字,阅读约需1分钟。发表于: 。使用机器学习模型基于脑脊液生物标志物水平对阿尔茨海默病不同阶段进行分类,并证明集成提升树和逻辑回归提供了二元分类的最高准确性,而集成袋装树对多类分类表现出更好的准确性。
本研究使用机器学习预测阿尔茨海默病恶化,并比较了六种模型的效果。结果表明,CART和Elastic Net模型在健康组和轻微认知障碍组的预测中表现较好。
使用机器学习模型基于脑脊液生物标志物水平对阿尔茨海默病不同阶段进行分类,并证明集成提升树和逻辑回归提供了二元分类的最高准确性,而集成袋装树对多类分类表现出更好的准确性。
本研究使用机器学习预测阿尔茨海默病恶化,并比较了六种模型的效果。结果表明,CART和Elastic Net模型在健康组和轻微认知障碍组的预测中表现较好。