TY -的A2 Salas-Gonzalez迭戈盟——Cerasa安东尼奥盟,卡斯蒂格利奥尼,伊莎贝拉AU -萨尔瓦多,基督教非盟- Funaro,安琪拉盟-马蒂诺,Iolanda盟——阿尔法诺普盟——Donzuso会盟,佩罗塔,保罗AU - Gioia,玛丽亚·塞西莉亚AU - Gilardi玛丽亚卡拉AU -•夸特隆,奥尔多PY - 2015 DA - 2015/11/16 TI -饮食失调的生物标志物使用支持向量机结构神经影像数据的分析:初步结果SP - 924814 VL - 2015 AB -目前，还没有有效的生物标记来识别进食障碍(ED)个体。这项工作的目的是评估机器学习方法提取可靠的神经成像特征的可行性，允许对ED患者进行单独分类。支持向量机(SVM)技术，结合模式识别方法，使用结构磁共振图像。17名女性ED患者(6名被诊断为神经性厌食症，11名被诊断为神经性贪食症)与17名身体质量指数匹配的健康对照组(HC)进行了比较。机器学习允许个体诊断ED和HC的准确性≥0.80。分布模式识别分析表明,压影响分类精度的枕叶皮质区,后小脑小叶,楔前叶,感觉运动/运动前区皮层内侧前额叶皮质,所有关键区域已知强烈参与ED的病理生理机制,尽管这些发现应该考虑初步考虑到小型调查,支持向量机分析强调了知名脑区作为可能的生物标记物在个体水平上区别HC的作用，从而鼓励了这种新的多变量方法在临床实践中的转化实施。SN - 0953-4180 UR - https://doi.org/10.1155/2015/924814 DO - 10.1155/2015/924814 JF -行为神经学PB - Hindawi出版公司KW - ER -