基于认知测查的支持向量机模型对精神分裂症的判别

目的:探索基于认知测查(MCCB)数据的支持向量机模型对精神分裂症的判别作用.方法:入组符合DSM-IV精神分裂症诊断标准的患者425例和正常对照404例,使用MCCB量表评定两组被试的认知功能,然后应用支持向量机模型对MCCB量表中的所有34个变量数据进行判别分析,此外,经过Relief算法筛选出16个变量再次应用支持向量机模型进行判别分析,最后应用受试者工作特征(ROC)曲线和曲线下面积(AUC)评价模型的性能.结果:采用MCCB量表全部34个变量对精神分裂症的识别准确率为78.0%,经过Relief算法进行变量筛选后,选择权值最高的前16个认知变量的验证准确率可达77.0%,与全部认知变...

Full description

Saved in:
Bibliographic Details
Published in中国心理卫生杂志 Vol. 33; no. 9; pp. 711 - 715
Main Authors 田占霄, 王文通, 范宏振, 王云辉, 谭淑平
Format Journal Article
LanguageChinese
Published 中国心理卫生协会 10.09.2019
北京大学回龙观临床医学院,北京回龙观医院,北京100096%北京工业大学,北京,100022
Subjects
支持向量机
MCCB
特征提取
精神分裂症
判别分析
Online AccessGet full text
ISSN1000-6729
DOI10.3969/j.issn.1000-6729.2019.09.014

Cover

More Information
Summary:目的:探索基于认知测查(MCCB)数据的支持向量机模型对精神分裂症的判别作用.方法:入组符合DSM-IV精神分裂症诊断标准的患者425例和正常对照404例,使用MCCB量表评定两组被试的认知功能,然后应用支持向量机模型对MCCB量表中的所有34个变量数据进行判别分析,此外,经过Relief算法筛选出16个变量再次应用支持向量机模型进行判别分析,最后应用受试者工作特征(ROC)曲线和曲线下面积(AUC)评价模型的性能.结果:采用MCCB量表全部34个变量对精神分裂症的识别准确率为78.0%,经过Relief算法进行变量筛选后,选择权值最高的前16个认知变量的验证准确率可达77.0%,与全部认知变量准确率接近,34个变量和16个变量的支持向量机模型的AUC分别为0.78和0.76.结论:基于认知数据的支持向量机模型对精神分裂症患者与正常对照具有一定的判别作用,模型具有较好的可靠性.
ISSN:1000-6729
DOI:10.3969/j.issn.1000-6729.2019.09.014