machine learning - medical imaging - scikit-learn
如何在小样本高维场景下融合三模态 MRI 特征，预测精神分裂症患者脑年龄偏移？
- 1,430→93 维
- LassoCV
- r=0.93
01 / context
脑年龄模型需要同时处理多模态特征和过拟合风险。
项目整合 sMRI、rs-fMRI 与 DTI 三模态影像特征，构建脑年龄预测模型并量化患者脑龄偏移。
02 / role
我使用 Python 和 scikit-learn 完成特征工程、降维和建模。
通过 LassoCV 将 1,430 维特征降至 93 维，以控制小样本高维场景下的过拟合。
03 / impact
以健康组训练、患者组测试，预测相关系数达到 0.93。
进一步建立脑年龄差与生理年龄的线性关系，识别 36.8 岁为关键拐点。
04 / limits
该项目仍缺少可公开的数据集规模和模型评估图。
后续应补充样本量、分组信息、预测散点图和脑区/特征解释图，才能升级为完整案例研究。