使用机器学习方法从心理生理学测试中预测认知年龄
Daria D Tyurina1, Sergey V Stasenko1,2, Konstantin V Lushnikov1
1Institute of Biology and Biomedicine, Lobachevsky State University of Nizhniy Novgorod, Gagarin Avenue 23, 603022 Nizhny Novgorod, Russia.
Healthcare (Basel, Switzerland)
|December 30, 2025
概括
机器学习模型可以使用心理生理学测试来预测时间年龄,而RidgeCV实现了最佳性能. 关键预测因素包括Stroop时间测量和与任务相关的指标,突出与衰老相关的认知过程.
科学领域:
- 神经科学是一个神经科学.
- 认知心理学 认知心理学
- 机器学习 机器学习
背景情况:
- 从心理生理学数据预测时间年龄是一个新兴的研究领域.
- 了解与年龄相关的认知变化对于各种应用至关重要.
研究的目的:
- 根据心理生理学测试结果,使用机器学习回归器预测时间年龄.
- 为年龄预测确定最有效的特征选择方法和回归模型.
主要方法:
- 从99名受试者 (68%男性) 收集了包括反应时间,记忆和感知在内的认知功能的数据.
- 生成了43个特征,并使用了SHAP和 Permutation Importance来进行最佳特征选择 (10个特征).
- 评估的回归模型 (随机森林,RidgeCV等) 使用MAE,R2和交叉验证,用于不确定性评估.
主要成果:
- 使用winorization和标准化的RidgeCV实现了最佳性能 (MAE:5.7年,R2:0.60).
- 测量Stroop时间 (Stroop_time_color,Stroop_var_attempt_time) 被确定为年龄的最强的预测指标.
- 与女性相比,男性的年龄相关影响更强.
结论:
- 心理生理学测试,特别是Stroop时间和与任务相关的指标,可以有效地预测认知年龄.
- 特征选择和可解释的模型对于分析心理生理学数据非常有价值.
- 未来的研究应该包括纵向研究和生物标记,以提高临床相关性.
