XiaoMi-AI文件搜索系统
World File Search System跟踪报告
自动分类从认知障碍中的宠物脑成像的多跟踪报告中得出结论
摘要。本文的目的是通过比较几种基于基于传统的机器学习（ML）技术的基于基于的传统机器学习（ML）技术分类方法来研究用于研究认知障碍（FDG，淀粉样蛋白和TAU PET）的脑分子成像报告的结论。定义了两个目的：在所有三种方式中识别阳性或负面结果，并为阿尔茨海默氏病（AD），额叶痴呆症（FTD），Lewy Bodies Dementia（LBD）提取诊断印象。通过对日内瓦大学医院的核医学和分子成像部报告的166个报告的手动平行注释创建了一个数据集。对6个机器学习（ML）算法（支持向量机（线性和径向基础功能），天真的贝叶斯，逻辑回归，随机福雷斯特和K-Nearest邻居）进行了培训和评估，并具有5倍的交叉验证方案，以评估其性能和概括性。最好的分类器是SVM显示以下准确性：FDG（0.97），TAU（0.94），淀粉样蛋白（0.98），定向诊断（0.87（0.87用于AD，FTD，FTD，LBD之间的诊断，未确定，未确定，其他），铺平了Paradigm在Paradigm中的核对范围内的核医学研究。