80、3D头部数据形状分类与WCE视频突变检测研究

3D头部数据形状分类与WCE视频突变检测研究

1. 3D头部数据形状分类

1.1 分类实验基础

在对特定颅面疾病如22q11.2缺失综合征的研究中，进行了一系列分类实验。使用三个描述符的PCA表示，借助WEKA分类器套件和10折交叉验证来区分受影响个体和对照个体。计算了准确率、召回率和精确率这几个性能指标。

实验使用了不同的数据集：
- 完整数据集包含189个个体（53个受影响，136个对照）。
- A106集合将53个受影响个体与年龄最接近的对照个体匹配。
- AS106集合将53个受影响个体与性别相同且年龄最接近的对照个体匹配。
- W86集合将43个自我认定为白人的受影响个体与相同种族、性别且年龄最接近的对照个体匹配。
- WR86集合将相同的43个受影响白人个体与相同种族、性别和年龄的对照个体匹配，在缺乏同年龄受试者时允许对照重复。

完整数据集的准确率最高（75%），但由于大量假阳性，其精确率和召回率很低（分别为0.56和0.52）。W86数据集在精确率和召回率方面取得了最高结果，其准确率与完整数据集大致相同（74%），因此被选为最适合这项工作的数据集。

数据集	精确率	召回率	准确率
完整数据集	0.56	0.52	0.75