利用机器学习检测孤独症谱系障碍
机器学习
2021-05-27 v1 机器学习
摘要
孤独症谱系障碍(ASD)是一种神经发育障碍，常伴随感官问题，如对声音、气味或触觉的过度敏感或欠敏感。尽管其主要病因为遗传，早期检测与治疗有助于改善症状。近年来，基于机器学习的智能诊断已发展起来，以补充传统临床方法，后者可能耗时且昂贵。本文重点是利用可用的分类技术找出最显著特征并自动化诊断过程，以改进诊断。我们分析了幼儿、儿童、青少年和成人的ASD数据集。我们使用评估指标召回率、精确率、F值和分类错误率确定了这些二分类数据集的最佳分类器。我们的发现表明，基于序列最小优化(SMO)的支持向量机(SVM)分类器在ASD病例检测中准确率优于所有其他基准机器学习算法，且与其他算法相比产生更少的分类错误。此外，我们发现Relief属性算法是识别ASD数据集中最显著属性的最佳方法。
引用
@article{arxiv.2009.14499,
title = {Detecting Autism Spectrum Disorder using Machine Learning},
author = {Md Delowar Hossain and Muhammad Ashad Kabir and Adnan Anwar and Md Zahidul Islam},
journal= {arXiv preprint arXiv:2009.14499},
year = {2021}
}