一种ADHD辅助诊断模型构建方法、控制设备及程序产品技术

本发明专利技术公开了一种ADHD辅助诊断模型构建方法、控制设备及程序产品，涉及医学人工智能领域，通过小样本得到高性能ADHD辅助诊断模型。本发明专利技术对获取的样本数据进行预处理，筛选出样本数据中相对于诊断结果的重要性靠前的预定数量的指标，得到样本集，划分所述样本集得到训练集和测试集；构建逻辑回归分类器模型，利用训练集训练所述逻辑回归分类器模型，利用测试集对训练后的逻辑回归分类器模型进行测试，得到ADHD辅助诊断模型。本发明专利技术解决了ADHD预测模型对样本量的依赖问题，提升了临床应用的可行性。

【技术实现步骤摘要】

本专利技术涉及医学人工智能领域，尤其是一种adhd（attention deficithyperactivity disorder，注意缺陷多动障碍）辅助诊断模型构建方法、控制设备及程序产品。

技术介绍

1、传统的adhd诊断方式有以下两种：

2、1）量表评定、行为任务测试与医师临床经验相结合的诊断方式。

3、目前adhd的诊断主要基于dsm-5（美国精神障碍诊断与统计手册）或icd-10等标准。临床医生通常依赖问诊、量表评分和行为观察来做出诊断决策。

4、2）量表评定与行为任务测试分析割裂的诊断方式。

5、临床实践和部分研究中，医生或科研人员通常分别采集行为任务测试数据或标准化量表评定数据进行评估，两类评估流程及所得结果各自独立。

6、上述传统诊断方式存在以下不足之处：

7、首先，其严重依赖于医生的知识和经验积累，由医生根据经验进行主观判断，而不同医生进行诊断的标准并不统一，不可避免地会引入主观判断因素，影响诊断结果的客观性，诊断结果的一致性较差。另外，量表评定数据通常是基于长期行为本文档来自技高网...

【技术保护点】

1.一种ADHD辅助诊断模型构建方法，其特征在于，包括：

2.如权利要求1所述的ADHD辅助诊断模型构建方法，其特征在于，所述样本数据包括量表评定数据和行为任务测试数据；所述量表测试数据至少包括对SNAP-IV量表、Conners量表和CBCL量表中至少一种量表评定的指标；所述行为任务测试数据至少包括对Go/No-Go任务、N-Back任务和Stroop任务中至少一种任务测试的测试数据，所述测试数据包括反应时间、准确率、反应时间变异系数和d-prime中的至少一种指标。

3.如权利要求2所述的ADHD辅助诊断模型构建方法，其特征在于，对获取的样本数据进行预处理，包...

【技术特征摘要】

1.一种adhd辅助诊断模型构建方法，其特征在于，包括：

2.如权利要求1所述的adhd辅助诊断模型构建方法，其特征在于，所述样本数据包括量表评定数据和行为任务测试数据；所述量表测试数据至少包括对snap-iv量表、conners量表和cbcl量表中至少一种量表评定的指标；所述行为任务测试数据至少包括对go/no-go任务、n-back任务和stroop任务中至少一种任务测试的测试数据，所述测试数据包括反应时间、准确率、反应时间变异系数和d-prime中的至少一种指标。

3.如权利要求2所述的adhd辅助诊断模型构建方法，其特征在于，对获取的样本数据进行预处理，包括：

4.如权利要求1所述的adhd辅助诊断模型构建方法，其特征在于，筛选出所述样本数据中相对于诊断结果的重要性靠前的预定数量的指标，包括：

5.如权利要求4所述的adhd辅助诊断模型构建方法，其特征在于，分别评估所述样本数据中各指标相...

【专利技术属性】
技术研发人员：杨朝雄，秦聪，
申请(专利权)人：四川必可明科技有限公司，
类型：发明
国别省市：