利用 XGBoost 从青少年脑发育认知发展（ABCD）数据中为强迫症挑选稳健生物标志物
神经元与认知
2024-07-02 v1 机器学习
应用统计
摘要
本研究评估了各种监督式机器学习模型在分析来自 Adolescent Brain Cognitive Development（ABCD）研究中高度相关的神经信号数据方面的性能，重点预测强迫症量表。我们模拟了一个数据集以模仿影像数据中常见的相关结构，评估了逻辑回归、弹性网、随机森林和 XGBoost 在处理多重共线性和准确识别预测特征方面的能力。我们的研究旨在指导合适的机器学习方法选择以处理神经影像数据，突出显示哪些模型能够最好地捕捉高度特征相关性下的潜在信号，并优先考虑与强迫症（OCD）相关的临床相关特征。
引用
@article{arxiv.2407.00028,
title = {Harnessing XGBoost for Robust Biomarker Selection of Obsessive-Compulsive Disorder (OCD) from Adolescent Brain Cognitive Development (ABCD) data},
author = {Xinyu Shen and Qimin Zhang and Huili Zheng and Weiwei Qi},
journal= {arXiv preprint arXiv:2407.00028},
year = {2024}
}