32、多粒度计算与急性呼吸道感染建模：预测与不确定性分析

多粒度计算与急性呼吸道感染建模：预测与不确定性分析

多粒度计算在阿尔茨海默病预测中的应用

阿尔茨海默病（AD）具有长达20 - 30年的前驱期，在此期间个体的代偿过程可能存在差异。因此，检测反映潜在神经退行性变的代偿变化的开始，对于预防痴呆具有重要意义。研究人员开发了一种新工具，通过观察认知属性值的模式，并与两组患者（一般组和AD组）进行比较，以更轻松、准确地监测正常受试者的病情进展。

基于AD患者的粒度计算分类

• 属性约简 ：基于AD患者（Group2）的模型，将属性数量从14个减少到5个：APOE、DDST、FCORR、TrailB，决策属性为CDRSUM。离散化后得到规则，如((APOE = 1)\&\left(FCORR = ‘’(-Inf, 15.5)’‘\right) => \left(CDRSUM = ‘’(3.25, Inf)’‘\right))。
• 规则应用 ：将Group2的规则应用于预测GroupN的CDRSUM，如((Pat = 164087)\&(APOE = 1))\&\left(DSST = ‘’(45.0, 56.0)’‘\right)\&\left(FCORR = ‘’(-Inf, 15.5)’‘\right)\&(TRAILB = ‘’(-Inf, 128.5)’’ => (CDRSUM = ‘’(3.25, Inf)’‘)，该规则确认了先前的分类。
• 增加属性后的分类 ：添加与语言学习和记忆测试CVLT相关的属性后，得到