TY - JOUR A2 - 特拉蒙塔纳，埃米利亚诺AU - 朱，福宝AU - 李，小南盟 - 唐，海鹏AU - 他，卓AU - 张，朝阳AU - 洪广崴AU - 秋月，排宜坳 - 周，卫华PY - 2020 DA - 2020年3月7日TI - 机器学习的痴呆SP的初步诊断 - 5629090 VL - 2020 AB - 目的。可靠的诊断仍然是老年痴呆症的早期阶段，一个具有挑战性的问题。我们的目的是开发和验证基于机器学习，帮助正常，轻度认知障碍（MCI）的初步诊断的一种新方法，非常轻度痴呆（VMD），和老年痴呆症使用基于线人问卷。 方法。我们招收5272人谁填补了37项调查问卷。为了选择最重要的特点，特征选择三种不同的技术进行了测试。然后，上面的功能有六个分类算法相结合用于开发诊断模型。 结果。信息增益是三个特征选择方法中最有效的。The Naive Bayes algorithm performed the best (accuracy = 0.81, precision = 0.82, recall = 0.81, and F-measure = 0.81) among the six classification models. 结论。本文提出的诊断模型提供了一个功能强大的工具，为临床医生来诊断老年痴呆症的早期阶段。SN - 1058-9244 UR - https://doi.org/10.1155/2020/5629090 DO - 10.1155 /五百六十二万九千○九十零分之二千○二十〇JF - 科学规划PB - Hindawi出版KW - ER -