Nov, 2023
Chrono 精神病：基于运动活动数据的时间分段及其对精神分裂症分类的影响
ChronoPscychosis: Temporal Segmentation and Its Impact on Schizophrenia Classification Using Motor Activity Data
Pradnya Rajendra Jadhav, Raviprasad Aduri
TL;DR精神分裂症是一种复杂的精神疾病，特征是广泛影响认知、行为和情绪的症状。本研究通过对 22 名精神分裂症患者和 32 名对照对象进行的运动活动记录数据集的调查，发现运动活动数据中时间模式对准确分类精神分裂症患者具有潜在关键作用。使用 16 种统计特征对不同时间段进行分析，并通过七种机器学习模型进行训练，结果表明 LightGBM 模型的性能优于其他六种模型。研究结果显示，时间分割显著提高了分类性能，AUC-ROC 为 0.93，F1 得分为 0.84（无分割）和 AUC-ROC 为 0.98，F1 得分为 0.93（有分割）。白天和夜晚之间的分割增加了精神分裂症患者和对照组之间的差异，但更小的时间段划分并未对 AUC-ROC 产生显著影响。早晨、下午、晚上和夜晚的分割性能类似于白天和夜晚的分割。这些发现具有重要价值，因为它们表明除了分辨白天和夜晚之外，对时间进行更大范围的分类并不能取得实质性的结果，为精神分裂症的进一步分类、早期诊断和监测提供了一种高效的方法。