换一批基于贝叶斯优化的支持向量回归预测帕金森病严重程度研究
Predicting Parkinson's disease severity using support vector regression based on Bayesian optimization
摘要基于公开数据集中的多模态数据,包括人口统计学特征、临床特征和影像学特征,构建了一种基于贝叶斯优化的支持向量回归模型,旨在准确预测帕金森病的严重程度.实验结果表明,该模型在预测帕金森病严重程度方面不仅具有高度的准确性,还表现出显著的解释力.通过特征重要性分析,有效识别出对预测模型贡献最显著的关键特征,为帕金森病的临床管理和治疗决策提供了科学依据,还为深入探究该疾病的病理机制开辟了新的研究视角.
更多相关知识
关键词
帕金森病支持向量回归贝叶斯优化多模态数据分析功能核磁共振成像Parkinson's diseasesupport vector regressionBayesian optimizationmultimodal data analysisfunctional magnetic resonance imaging
栏目名称
DOI
10.3969/j.issn.2097-583X.2025.03.007
发布时间
2025-07-23（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（31900710）
信阳师范大学南湖学者奖励计划青年项目
- 浏览0
- 被引1
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
