基于贝叶斯网络的ADHD分类器与自适应诊断

内容来源:中山大学心理学系

报告人:江哲涵 副研究员

报告人单位:北京大学

题目:基于贝叶斯网络的ADHD分类器与自适应诊断

时间:2022年4月18日 (周一,14:20-17:30)

地点:心理学系305

报告简介

在面对注意力缺陷/多动症(ADHD)等神经系统疾病时,我们常需要对其严重程度进行量化分级。为了探索数据驱动分类的方法学特性,本研究旨在开发基于贝叶斯网络的模型及其计算机适应性测试(CAT),以便对个体受试者的ADHD症状严重程度进行高效且准确地分类。当前症状量表(CCS)被用来在892名大学生样本中建立ADHD症状严重程度分类器,通过计算机模拟研究,我们评估了基于条件概率的信息增益CAT,以此模拟结果来确定优化方案。平均结果显示,将18个项目中的8个分配给单个受试者可获得85%的分类准确率,由此为ADHD量表的精简化与个性化提供可行机制,进而允许基于贝叶斯网络的分类器以数据驱动来协助诊断。通过与项目反应理论的对比,该研究证明将CAT纳入分类器可在缩短量表的同时、保持可接受的测量质量。

报告人简介

江哲涵,北京大学医学部/全国医学教育发展中心 (Tenure-Track)副研究员,博士研究生导师。研究领域:心理和教育测量,数据可视化,机器学习,人工智能,成本效益,医学考试,问卷设计分析等。近三年在主流SCI/SSCI的教育学、心理学、信息学等期刊发文近30余篇,如《Medical Teacher》、《Behavior Research Methods》、《Multivariate Behavior Research》、《Psychometrika》等。曾担任阿拉巴马大学、贝勒医学院助理教授,现担任《BMC Medical Research Methodology》等期刊的责任编辑与审稿专家。

 

发表评论

邮箱地址不会被公开。 必填项已用*标注