精神分裂症洞察：利用机器学习通过EEG、ERP和人口统计属性进行早期识别
机器学习
2025-03-18 v2 人工智能
摘要
该研究提出了一种机器学习分类器，通过利用从脑电图（EEG）数据中提取的特征，特别是事件相关电位（ERP）和某些人口统计变量，来区分精神分裂症患者与健康对照组。数据集包含来自81名参与者的数据，包括32名健康对照和49名精神分裂症患者，所有数据均来自在线数据集。在对数据集进行预处理后，我们的机器学习模型实现了99.930%的准确率。这一性能优于此前包括使用深度学习方法的研究。此外，还进行了分析以评估各个特征对提高分类准确率的贡献。这包括系统地从原始数据集中逐一排除特定特征，以及另一种基于熵分数逐步移除特征的迭代过程。通过评估这些移除对模型性能的影响来识别最具信息量的特征。
引用
@article{arxiv.2503.07650,
title = {Insights into Schizophrenia: Leveraging Machine Learning for Early Identification via EEG, ERP, and Demographic Attributes},
author = {Sara Alkhalifa},
journal= {arXiv preprint arXiv:2503.07650},
year = {2025}
}
备注
12 pages, 6 figures and 2 tables