基于机器学习的神经精神疾病辅助诊断研究进展

【摘要】神经影像技术被广泛应用于研究大脑结构和功能异常与神经精神疾病之间的相关性。与传统的统计学分析方法不同，机器学习模型能对神经影像学数据进行个体化预测，发掘潜在的生物学标记物。神经精神疾病辅助诊断包含数据预处理和机器学习算法。数据预处理是一种人为的特征工程，为机器学习算法提供量化特征；机器学习算法包含特征降维、模型训练和模型评估。鲁棒的机器学习算法可以实现对不同数据集的准确预测，并提供对预测结果贡献大的特征，作为潜在的生物学标记物。本文综述了近年来基于机器学习的神经精神疾病辅助诊断研究进展，从数据预处理、机器学习算法和生物学标记物3个角度进行介绍，并展望未来的研究方向。 【关键词】神经精神疾病；神经影像；机器学习；辅助诊