通过将集成的随机森林应用到手指敲击来检测轻度认知障碍
Yuko Sano1, Shota Suzumura2,3, Junpei Sugioka2
1Center for Digital Services, Healthcare Innovation, Research and Development Group, Hitachi, Ltd., Kokubunji, Japan. yuko.sano.hd@hitachi.com.
Medical & biological engineering & computing
|February 1, 2025
概括
早期发现痴呆症至关重要. 指纹分析提供了一种简单,准确的轻度认知障碍 (MCI) 的查方法,这是痴呆症的前体,改善了生活质量并降低了护理成本.
科学领域:
- 神经学 神经学
- 生物医学工程 生物医学工程
- 老年学是一门学科.
背景情况:
- 早期发现痴呆症对于维持生活质量和管理老龄化人口的医疗保健成本至关重要.
- 轻度认知障碍 (MCI) 是痴呆症的前体,需要有效的查工具.
- 目前的查方法可能缺乏简单性或准确性,无法广泛使用.
研究的目的:
- 开发一种简单而准确的轻度认知障碍 (MCI) 查测试.
- 利用指纹测量作为MCI的新型诊断工具.
- 通过改进的机器学习方法,提高MCI检测的分类准确性.
主要方法:
- 从182名MCI患者和352名健康对照的手指敲击波形中提取了248个特征.
- 应用了五种常规分类方法和一个改进的随机森林 (RF) 方法 (集成RF).
- 综合射频模型结合了MCI与正常和阿尔茨海默病与正常分类模型.
主要成果:
- 拟议的综合射频方法实现了最高的区分精度.
- 获得了0.795的F1得分,回忆率为0.778,精度为0.814.
- 与传统分类方法相比,表现出优越的性能.
结论:
- 指触测量显示出作为MCI高度精确的查工具的巨大潜力.
- 这种方法提供了一种简单的,非侵入性的方法,用于早期检测认知衰退.
- 进一步验证可能会导致痴呆症预防策略的广泛临床应用.
