可解释的人工智能用于预测儿童和成人注意力缺陷多动性障碍
Zineb Namasse1,2, Mohamed Tabaa1, Zineb Hidila1
1Multidisciplinary Laboratory of Research and Innovation, Moroccan School of Engineering Sciences, Casablanca 20250, Morocco.
Healthcare (Basel, Switzerland)
|January 25, 2025
概括
这项研究准确地预测了使用机器学习的儿童和成人注意力缺陷多动症 (ADHD). 发现的关键因素包括儿童的睡眠和成人的焦虑/抑郁.
科学领域:
- 神经科学是一个神经科学.
- 精神病学是一个精神病学.
- 数据科学数据科学数据科学
背景情况:
- 注意缺陷多动症 (ADHD) 影响儿童和成人生活,经常与焦虑,抑郁和双相情感障碍同时发生.
- 这些并发症可能持续到成年,需要更深入地了解它们的影响和治疗影响.
研究的目的:
- 在儿童和成年人中预测ADHD.
- 在不同年龄组中确定影响ADHD的关键因素.
- 探索ADHD及其常见的并发症之间的关系.
主要方法:
- 利用机器学习 (ML) 和可解释的人工智能 (XAI) 进行预测.
- 雇佣了国家儿童健康调查 (NSCH) 对儿童的数据集 (2022).
- 使用了成人ADHD的心理健康数据集.
主要成果:
- 逻辑回归实现了99%的准确性来预测儿童的ADHD.
- XGBoost在预测成年人ADHD时显示出100%的准确性.
- 确定睡眠不足和过度微笑/笑是儿童多动症的因素,而焦虑和抑郁症对成年人来说很重要.
结论:
- 机器学习模型可以有效地预测儿童和成人的ADHD.
- 睡眠,焦虑和抑郁等特定因素在不同年龄段的ADHD中起着不同的作用.
- 了解这些因素对于有针对性的干预和管理ADHD及其并发症至关重要.
关键词:
注意缺陷过度活动障碍注意力缺陷过度活动障碍可解释的人工智能机器学习 机器学习成年人成年人成年人成年人成年人焦虑是一种焦虑.双相情感障碍 双相情感障碍 双相情感障碍孩子们的孩子们的孩子们的孩子们.抑郁 抑郁症 抑郁症 抑郁症 是一种更多相关视频
13:09Using Brain Activation nir-HEG/Q-EEG and Execution Measures CPTs in a ADHD Assessment Protocol
Published on: April 1, 2018
10.2K
05:48The Adventures of Fundi Intervention Based on the Cognitive and Emotional Processing in Attention Deficit Hyperactive Disorder Patients
Published on: June 12, 2020
5.7K
