统计学习技术在廉价小儿阻塞性睡眠呼吸暂停数据上的应用综述
定量方法
2021-08-10 v3 机器学习
应用统计
机器学习
摘要
小儿阻塞性睡眠呼吸暂停估计影响1-5%的小学适龄儿童，并可能导致其他有害健康问题。快速诊断和治疗对儿童生长发育至关重要，但症状的多变性与可用数据的复杂性使此成为挑战。我们通过聚焦来自问卷与颅面测量的廉价数据，朝简化该过程迈出第一步。我们在探索性数据分析过程中应用相关网络、拓扑数据分析中的Mapper算法以及奇异值分解。随后，我们应用来自统计学、机器学习与拓扑学的多种监督与无监督学习技术，从支持向量机到贝叶斯分类器与流形学习。最后，我们分析每种方法的结果并讨论面向多数据源算法的后续意义。
引用
@article{arxiv.2002.07873,
title = {A survey of statistical learning techniques as applied to inexpensive pediatric Obstructive Sleep Apnea data},
author = {Emily T. Winn and Marilyn Vazquez and Prachi Loliencar and Kaisa Taipale and Xu Wang and Giseon Heo},
journal= {arXiv preprint arXiv:2002.07873},
year = {2021}
}