Apr, 2024
利用机器学习和三维神经影像预测听力损失：降维和回归技术的比较分析
Utilizing Machine Learning and 3D Neuroimaging to Predict Hearing Loss: A Comparative Analysis of Dimensionality Reduction and Regression Techniques
Trinath Sai Subhash Reddy Pittala, Uma Maheswara R Meleti, Manasa Thatipamula
TL;DR通过机器学习方法，本研究探索了预测大脑灰质三维图像中听力损失阈值的方法。我们采用了两个阶段的解决方案，第一阶段使用 3D CNN 模型将高维输入转换为潜空间，并将其解码为原始图像以表示富特征空间的输入。在第二阶段，我们利用该模型将输入转换为富特征，并使用这些特征来训练标准机器学习模型以预测听阈。我们在第一阶段尝试了自编码器和变分自编码器进行维度降低，并探索了随机森林、XGBoost 和多层感知机用于回归阈值。我们将给定数据集分为训练集和测试集，在测试集上分别得到了 PT500 和 PT4000 的 8.80 范围和 22.57 范围。我们的方法利用 VAEs 的独特能力来捕捉高维神经影像数据中的复杂非线性关系。我们使用各种指标对模型进行了严格评估，重点关注均方根误差（RMSE）。结果突显了多层神经网络模型的功效，它在准确性方面优于其他技术。本项目推动了数据挖掘在医学诊断中的应用，并通过创新的机器学习框架增进了我们对与年龄相关的听力损失的理解。