基于响应时间的早期阿尔茨海默病检测分类
机器学习
2021-03-19 v2
摘要
引言——本文主要描述了一种从由书写和绘图任务记录构建的数据集中高精度检测早期阿尔茨海默病（ES-AD）患者与健康对照（HC）受试者的方法。方法——所提方法使用受试者的响应时间。首先通过关联网格搜索的「支持向量机」（SVM）选出任务的最优子集。然后在任务时长空间中定义的高斯分布混合用于复现并解释 SVM 的结果。最后，从高斯混合中推导出一个惊人简单且高效的特设分类算法。结果——本文提出的方案在基于书写和绘图任务对 HC/ES-AD 分类上，比现有最佳结果少犯两倍甚至四倍的错误。讨论——最佳 SVM 学习模型在该分类上达到高准确率，但其学习能力过大，鉴于数据集规模小，无法确保低过拟合风险。所提特设分类算法仅需优化三个实参数，因此应具备良好的泛化能力。
引用
@article{arxiv.2102.00738,
title = {Classifications based on response times for detecting early-stage Alzheimer's disease},
author = {Alain Petrowski},
journal= {arXiv preprint arXiv:2102.00738},
year = {2021}
}