///选项卡5

研究文章

老年痴呆症初步诊断的机器学习

表5

诊断模型在正常、MCI、VMD和痴呆分类中的表现。


算法	类	精度	灵敏度	特异性	F测量

随机森林	正常的	0.56	0.88	0.93	0.69
	MCI	0.70	0.57	0.93	0.62
	VMD	0.68	0.54	0.94	0.60
	痴呆	0.91	0.95	0.90	0.93

演算法	正常的	0.55	0.84	0.93	0.67
	MCI	0.74	0.54	0.95	0.63
	VMD	0.63	0.55	0.93	0.59
	痴呆	0.89	0.94	0.88	0.92

LogitBoost	正常的	0.56	0.56	0.98	0.67
	MCI	0.73	0.73	0.89	0.65
	VMD	0.77	0.77	0.87	0.47
	痴呆	0.83	0.83	0.98	0.90

中长期规划	正常的	0.77	0.84	0.74	0.80
	MCI	0.65	0.74	0.89	0.69
	VMD	0.57	0.37	0.94	0.45
	痴呆	0.88	0.93	0.87	0.90
朴素贝叶斯	正常的	0.56	0.84	0.94	0.67
	MCI	0.75	0.62	0.93	0.68
	VMD	0.70	0.72	0.93	0．71
	痴呆	0.95	0.92	0.95	0.93

支持向量机	正常的	0	0	1	0
	MCI	0.60	0.96	0.83	0.74
	VMD	0.85	0.56	0.98	0.67
	痴呆	0.91	0.97	0.90	0.94

我们致力于尽快分享与COVID-19有关的发现。我们将对已接受的与COVID-19相关的研究论文、病例报告和病例系列提供无限的发表费用豁免。综述文章不在此豁免政策范围内。注册在这里作为一名审稿人，帮助快速跟踪新提交的内容。