P3‐059: Does Synthetic Data Oversampling in Feature Selection Improve the Classification Rate in Alzheimer's Disease?
Notice bibliographique
Résumé
Large-scale trials are sampled with unequal proportions since the complex pathological conformations have its own most probability of occurrence. This produces unbalanced classes in the overall dataset leading to ill posed classification problem. Here we ask the question if an oversampling technique can increase the classification rate for an Alzheimer disease classification problem between three classes (CN 352, MCI 847, AD 131). Is well-established that biomarkers combined are more effective, in order to find the best combination of biomarkers that maximizes the separation between classes we'll use a wrapper feature selection. The dataset was provided by ADNI (Alzheimer's Disease Neuroimaging Initiative). In the training phase was applied kNN (k-Nearest Neighbors) preprocessed with decimal normalization and SMOTE (Synthetic Minority Over-sampling TechniquE). The feature selection was performed using leave-one-out-cross-validation to select the combinations of the following biomarkers: ADAS-cog (Alzheimer's Disease Assessment Scale-cognitive), Rey Auditory-Verbal Learning Test (RAVLT), Aβ1-42 (ABETA), Total Tau Protein (TAU), Phosphorylated Tau Protein (PTAU), Fludeoxyglucose (FDG), Mini Mental State Examination (MMSE), Montreal Cognitive Assessment (MoCA), Florbetapir (18F-AV-45). For the validation phase was separated 20% of the original dataset, in order to compare between SMOTE and undersampling. Using SMOTE for feature selection to separate classes, we had a mean improvement of 12.01% when compared with undersampling, although feature selection using all data can amplify noise in the training phase. Other options include borderline SMOTE to improve Alzheimer classification taking into account early and late MCI.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».