摘要
通过任务转换实验(task-switching task,TST)与机器学习相结合的方法对精神分裂症患者进行客观辨别。本实验中,45例精神分裂症患者和55例正常被试参与了实验,原始特征为反应时间、准确率、转换代价、干扰、年龄和性别等17个特征,利用Relief算法进行特征选择,并利用支持向量机(SVM)对不同的特征组合进行分类。研究结果表明短提示一致有转换、短提示一致无转换、短提示不一致无转换、长提示一致有转换、长提示一致无转换、转换代价、剩余转换代价和反应转换代价8个特征创建的SVM分类模型达到了90%的分类准确率,ROC曲线下面积(AUC)大小为0.89.该方法能够客观、有效地鉴别精神分裂症患者,能运用于精神分裂症的辅助诊断,以提高医生诊断结果的准确率。
太原理工大学学报 
2018年第03期 
