基于脑结构像的精神分裂症机器学习分类研究

摘要: 将机器学习应用于精神疾患的临床和基础研究是近年来的趋势。研究者将机器学习应用于精神分裂症患者及高危人群的T1加权像和弥散张量成像的脑影像数据中，为了解疾病的生理病理学机制提供帮助。回顾以往研究发现额叶及颞叶的脑结构特征具有较高的区分能力，行为数据和脑影像数据结合的分类效果优于单模态数据。现阶段研究存在样本量不足和泛化能力欠缺的局限，未来研究应注意扩大样本量、制定标准化的分类方法，从而进一步探究机器学习在精神疾患中的作用。