使用随机森林和树袋装法从基线 fMRI 预测自闭症治疗反应
应用统计
2018-05-25 v1 计算机视觉与模式识别
摘要
近期研究表明，使用行为干预（如关键反应治疗（PRT））治疗自闭症谱系障碍（ASD）儿童已显示出良好前景。然而，决定哪种疗法最适合特定患者很大程度上仍靠试错，选择无效的干预会导致宝贵治疗时间的损失。我们提出通过新颖地应用随机森林和树袋装法策略，从基线任务态 fMRI 预测患者对 PRT 的反应。我们提出的学习流水线使用随机森林回归来确定可能在预测治疗反应中提供信息的候选脑体素。然后逐步测试这些候选体素，以将其纳入袋装树集成中。构建预测模型后，执行偏差校正以进一步提高预测精度。使用接受了 16 周 PRT 试验的 19 名 ASD 儿童的数据以及留一法交叉验证框架，将所提出的学习流水线与几种标准方法及该流水线的变体进行了比较，并取得了最高的预测精度。
引用
@article{arxiv.1805.09799,
title = {Prediction of Autism Treatment Response from Baseline fMRI using Random Forests and Tree Bagging},
author = {Nicha C. Dvornek and Daniel Yang and Archana Venkataraman and Pamela Ventola and Lawrence H. Staib and Kevin A. Pelphrey and James S. Duncan},
journal= {arXiv preprint arXiv:1805.09799},
year = {2018}
}
备注
Multimodal Learning for Clinical Decision Support (ML-CDS) 2016