用于精神分裂症诊断的机器学习技术：全面综述与未来研究方向
机器学习
2023-01-19 v1
摘要
精神分裂症（SCZ）是一种脑部障碍，不同患者经历不同症状，如幻觉、妄想、言语贫乏、思维紊乱等。长期来看，这会造成严重影响并使预期寿命缩短十余年。因此，SCZ 的早期准确诊断十分必要，而结构磁共振成像（sMRI）、功能磁共振成像（fMRI）、扩散张量成像（DTI）与脑电图（EEG）等模态有助于观测患者脑异常。此外，为准确诊断 SCZ，研究者过去十年已使用机器学习（ML）算法，借助 MRI 与 fMRI 图像区分健康脑与 SCZ 脑的模式。本文旨在使 SCZ 研究者熟悉 ML，并讨论其近期在 SCZ 研究领域的应用。本文全面综述了 ML 分类器、人工神经网络（ANN）、深度学习（DL）模型等前沿技术，以及方法学基础、与既往研究的应用。本文的动机源于发现研究空白，或可促成用于准确 SCZ 诊断的新模型开发。论文以研究发现作结，随后给出直接贡献于新研究方向的未来展望。
引用
@article{arxiv.2301.07496,
title = {Machine learning techniques for the Schizophrenia diagnosis: A comprehensive review and future research directions},
author = {Shradha Verma and Tripti Goel and M Tanveer and Weiping Ding and Rahul Sharma and R Murugan},
journal= {arXiv preprint arXiv:2301.07496},
year = {2023}
}