Machine learning algorithms and artificial neural networks for predicting schizophrenia using orbital parameters
7.3
来源：
Nature
关键字：
AI radiology
发布时间：
2025-11-29 19:31
摘要：
该研究探讨了利用机器学习和人工神经网络分析眼眶参数来预测精神分裂症的可能性。通过对90名健康者和90名精神分裂症患者的CT图像进行回顾性分析，研究发现左眼眶宽度等参数在预测中具有显著影响。使用的算法中，Extra Tree Classifier达到了78%的准确率，显示出AI在精神病学领域的应用潜力。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
1.0分+重点关注领域符合度
business_impact
0.5分+商业影响力
scientific_rigor
1.5分+数据支撑的科学性
timeliness_innovation
1.5分+时效性与创新性
investment_perspective
2.5分+BOCG投资视角
market_value_relevance
1.0分+市场价值相关性
team_institution_background
0.3分+团队与机构背景
technical_barrier_competition
0.5分+技术壁垒与竞争格局
关键证据
研究通过CT图像分析预测精神分裂症的可能性，提供了临床数据支持。
使用机器学习和人工神经网络分析眼眶参数，取得了较高的准确率。
研究涉及国际学术合作，应用于精神病学领域。
真实性检查
否
AI评分总结
该研究探讨了利用机器学习和人工神经网络分析眼眶参数来预测精神分裂症的可能性。通过对90名健康者和90名精神分裂症患者的CT图像进行回顾性分析，研究发现左眼眶宽度等参数在预测中具有显著影响。使用的算法中，Extra Tree Classifier达到了78%的准确率，显示出AI在精神病学领域的应用潜力。