Accu-Help：基于机器学习的精准检测强迫症的智能医疗框架
机器学习
2022-12-06 v1
摘要
近年来，智能医疗的重要性不容低估。当前工作旨在拓展智能医疗在整合强迫症（OCD）解决方案方面的前沿。利用机器学习从氧化应激生物标志物（OSBs）识别 OCD 是 OCD 研究中的重要进展。然而，该过程涉及从医院收集 OCD 类别标签、从生化实验室收集相应 OSBs、创建集成且带标签的数据集、使用合适的机器学习算法设计 OCD 预测模型，并使这些预测模型可供不同生化实验室用于对无标签 OSBs 进行 OCD 预测。此外，随着带标签样本数据集量的显著增长，需不时重新设计预测模型以供后续使用。整个过程需要分布式数据收集、数据集成、医院与生化实验室间的协调、使用合适机器学习算法的动态机器学习 OCD 预测模型设计，以及使机器学习模型可供生化实验室使用。考虑到所有这些，我们提出了 Accu-Help 这一全自动、智能且准确的 OCD 检测概念模型，以帮助生化实验室从 OSBs 高效检测 OCD。OSBs 被分为三类：健康个体（HI）、OCD 患病个体（OAI）和遗传患病个体（GAI）。该框架的主要组成部分是机器学习 OCD 预测模型设计。在此 Accu-Help 中，提出了一种基于神经网络的方法，其 OCD 预测准确率达 86%。
引用
@article{arxiv.2212.02346,
title = {Accu-Help: A Machine Learning based Smart Healthcare Framework for Accurate Detection of Obsessive Compulsive Disorder},
author = {Kabita Patel and Ajaya Kumar Tripathy and Laxmi Narayan Padhy and Sujita Kumar Kar and Susanta Kumar Padhy and Saraju Prasad Mohanty},
journal= {arXiv preprint arXiv:2212.02346},
year = {2022}
}