用于数字画钟测试的可解释机器学习模型
机器学习
2016-06-24 v1 机器学习
摘要
画钟测试（CDT）是一种快速、廉价且流行的认知状况神经心理学筛查工具。数字画钟测试（dCDT）使用新颖的软件来分析来自数字化圆珠笔的数据，该笔以极高的空间和时间精度报告其位置，从而使得对绘画过程和最终作品的分析成为可能。我们开发了分析这些图画中笔划数据的方法，并计算了大量特征，随后使用多种机器学习技术对其进行分析。由此产生的评分系统旨在比临床医生目前使用的系统更准确，且同样具有可解释性和易用性。这些系统还允许我们量化准确性与可解释性之间的权衡。我们创建了临床医生目前使用的 CDT 评分系统的自动化版本，使我们能够对模型进行基准测试，结果表明我们的机器学习模型显著优于现有评分系统。
引用
@article{arxiv.1606.07163,
title = {Interpretable Machine Learning Models for the Digital Clock Drawing Test},
author = {William Souillard-Mandar and Randall Davis and Cynthia Rudin and Rhoda Au and Dana Penney},
journal= {arXiv preprint arXiv:1606.07163},
year = {2016}
}
备注
Presented at 2016 ICML Workshop on Human Interpretability in Machine Learning (WHI 2016), New York, NY