先验知识在从轻度认知障碍到阿尔茨海默病转化的统计分类中的作用
应用统计
2020-12-02 v1 机器学习
摘要
从轻度认知障碍（MCI）到阿尔茨海默病（AD）的转化是临床研究者极为关注的问题。这一现象也为开发新分类方法的定量方法研究者提供了宝贵的数据源。然而，用于分类的机器学习（ML）方法的发展可能错误地导致许多临床研究者低估逻辑回归（LR）的价值，而LR相较于其他ML方法可产生相当或更优的分类准确率。此外，在具有许多可用于分类转化的特征的应用中，临床研究者通常未意识到不同选择程序的相对价值。在本研究中，我们旨在调查自动化和理论引导的特征选择技术，以及在不同分类技术应用于预测ADNI（阿尔茨海默病神经影像学倡议）中高度表征和研究的样本从MCI到AD转化时的L-1范数的使用。我们提出了一种替代的预选择技术，其利用基于AD相关脑区的临床知识的高效特征选择。本研究发现表明，使用用户引导的预选择相对于算法特征选择技术可实现相似性能。最后，我们在ADNI的多模态数据上比较了支持向量机（SVM）与逻辑回归的性能。本研究发现表明，尽管SVM和其他ML技术能够实现相对准确的分类，但LR常可达到相似或更高的准确率，从而削弱了SVM对许多临床研究者的必要性或价值。
引用
@article{arxiv.2012.00538,
title = {A Role for Prior Knowledge in Statistical Classification of the Transition from MCI to Alzheimer's Disease},
author = {Zihuan Liu and Tapabrate Maiti and Andrew R. Bender},
journal= {arXiv preprint arXiv:2012.00538},
year = {2020}
}