典型文献
基于机器学习的睡眠剥夺注意力易损性分类研究
文献摘要：
目的:旨在寻找可以对睡眠剥夺后注意力易损与耐受个体进行准确区分的白质纤维束.方法:借助弥散张量成像技术获取各向异性分数、轴向扩散系数、径向扩散系数及平均扩散系数等反映白质弥散特性的特征参数,使用支持向量机分类算法构建睡眠剥夺易损性分类模型;采用准确性、敏感性、特异性、阳性预测值和阴性预测值等指标评价分类模型的性能表现;采用置换检验评估分类模型的显著性.结果:与只采用单一类型特征相比,使用组合特征构建的分类器表现性能最佳,其准确性、敏感性、特异性、阳性预测值、阴性预测值及曲线下面积分别为83.67％、80.00％、87.50％、86.96％、80.77％、88.67％.在组合特征构建的分类模型中对分类贡献较大的白质纤维束主要包括放射冠、内囊前肢、丘脑后辐射及皮质脊髓束等投射纤维、上纵束和扣带等联络纤维以及胼胝体和穹窿联合等联合纤维.结论:特定脑区间白质纤维束的微观结构特性可以作为区分睡眠剥夺后注意力易损与耐受个体的影像学标志物.
文献关键词：
睡眠剥夺;机器学习;弥散张量成像;白质纤维束;支持向量机
中图分类号：
作者姓名：
王晨;毋琳;常英娟;朱军强;杨庆玲;李磊磊;孙泽恒;赵萌萌;方鹏;朱元强
作者机构：
空军军医大学第一附属医院放射科,陕西西安710032;空军军医大学军事医学心理学系,陕西西安710032;甘肃省白银市第二人民医院放射科,甘肃白银730914;西安市阎良区人民医院放射科,陕西西安710089
文献出处：
引用格式：
[1]王晨;毋琳;常英娟;朱军强;杨庆玲;李磊磊;孙泽恒;赵萌萌;方鹏;朱元强-.基于机器学习的睡眠剥夺注意力易损性分类研究)[J].中国医学物理学杂志,2022(06):713-718
A类：
B类：
基于机器学习,睡眠剥夺,易损性,分类研究,白质纤维束,弥散张量成像技术,技术获取,各向异性分数,轴向扩散,平均扩散系数,支持向量机分类,分类算法,分类模型,阳性预测值,阴性预测值,指标评价,置换检验,检验评估,评估分类,类型特征,组合特征,特征构建,分类器,表现性,内囊,前肢,丘脑,皮质脊髓束,投射,上纵束,联络,胼胝体,穹窿,联合纤维,脑区,微观结构特性,影像学标志物
AB值：
0.318405
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
