高雄醫學大學圖書館 |

語系/ Language: 繁體中文

登入

回首頁 到查詢結果 [ subject:"失智症" ]

基於機器學習之簡易失智症篩檢工具: 「六題失智篩檢表」= Machine...

李冠瑩

基於機器學習之簡易失智症篩檢工具: 「六題失智篩檢表」= Machine Learning-Based Brief Screening Instrument for Dementia: the “Six-Question Dementia Screening Test/

紀錄類型:	書目-語言資料,印刷品 : Monograph/item
正題名/作者:	基於機器學習之簡易失智症篩檢工具: 「六題失智篩檢表」= / 李冠瑩
其他題名:	Machine Learning-Based Brief Screening Instrument for Dementia: the “Six-Question Dementia Screening Test/
其他題名:	Machine Learning-Based Brief Screening Instrument for Dementia :
作者:	李冠瑩
出版者:	[高雄市]: [撰者], : 民112,
面頁冊數:	58葉 :圖 ; : 30公分;
附註:	指導教授: 楊淵韓.
提要註:	隨著全球高齡人口快速增加，失智症已是各國重視的公共衛生議題。目前失智症患者的診斷主要是根據病史詢問、實驗室檢查、腦部影像和認知功能測驗做綜合判斷。為了因應逐年增加的失智症患者，本論文主要目的為借助機器學習技術，建立一個簡單的量表去檢測受試者的心智狀態，輔助篩檢失智症患者。本論文採採用橫斷性(Cross-sectional)研究，使用數據來自台灣南部某一區域醫院的神經科門診，被診斷為失智症及非失智症患者 (即正常人)。每位受試者接受一份「六題失智篩檢表」，並使用eXtreme Gradient Boosting演算法建立預測模型，最後透過接收者操作特徵曲線(ROC)之曲線下面積(AUC)驗證預測結果。本研究全部共533位受試者，「六題失智篩檢表」對於失智症與非失智症患者具有良好的分類能力，AUC為0.91。而對於極早期失智症與非失智症患者的分類能力，「六題失智篩檢表」的AUC為0.76。本論文結果顯示，「六題失智篩檢量表」對於失智症篩檢有相當好的輔助判斷能力，未來可在社區場域做驗證，協助醫師在社區環境達到便利篩檢的目標。.
電子資源:	電子資源
館藏註:	(平裝)

基於機器學習之簡易失智症篩檢工具: 「六題失智篩檢表」= Machine Learning-Based Brief Screening Instrument for Dementia: the “Six-Question Dementia Screening Test/
李冠瑩

基於機器學習之簡易失智症篩檢工具: 「六題失智篩檢表」= Machine Learning-Based Brief Screening Instrument for Dementia: the “Six-Question Dementia Screening Test/ Machine Learning-Based Brief Screening Instrument for Dementia :the “Six-Question Dementia Screening Test李冠瑩 - [高雄市]: [撰者], 民112 - 58葉 :圖 ;30公分

指導教授: 楊淵韓.

碩士論文--高雄醫學大學醫學研究所碩士班.

參考書目：葉.

Abstract i

隨著全球高齡人口快速增加，失智症已是各國重視的公共衛生議題。目前失智症患者的診斷主要是根據病史詢問、實驗室檢查、腦部影像和認知功能測驗做綜合判斷。為了因應逐年增加的失智症患者，本論文主要目的為借助機器學習技術，建立一個簡單的量表去檢測受試者的心智狀態，輔助篩檢失智症患者。本論文採採用橫斷性(Cross-sectional)研究，使用數據來自台灣南部某一區域醫院的神經科門診，被診斷為失智症及非失智症患者 (即正常人)。每位受試者接受一份「六題失智篩檢表」，並使用eXtreme Gradient Boosting演算法建立預測模型，最後透過接收者操作特徵曲線(ROC)之曲線下面積(AUC)驗證預測結果。本研究全部共533位受試者，「六題失智篩檢表」對於失智症與非失智症患者具有良好的分類能力，AUC為0.91。而對於極早期失智症與非失智症患者的分類能力，「六題失智篩檢表」的AUC為0.76。本論文結果顯示，「六題失智篩檢量表」對於失智症篩檢有相當好的輔助判斷能力，未來可在社區場域做驗證，協助醫師在社區環境達到便利篩檢的目標。.

(平裝)Subjects--Index Terms:

機器學習

基於機器學習之簡易失智症篩檢工具: 「六題失智篩檢表」= Machine Learning-Based Brief Screening Instrument for Dementia: the “Six-Question Dementia Screening Test/
LDR:03572cam a2200229 i 4500 001 364180
008 230920s2023 ch a e m 000 0 eng d
035 $a (THES)111KMC00534005
100 1 $a 李冠瑩 $3 497797
245 1 0 $a 基於機器學習之簡易失智症篩檢工具: 「六題失智篩檢表」= $b Machine Learning-Based Brief Screening Instrument for Dementia: the “Six-Question Dementia Screening Test/ $c 李冠瑩
246 1 1 $a Machine Learning-Based Brief Screening Instrument for Dementia : $b the “Six-Question Dementia Screening Test
260 # $a [高雄市]: $b [撰者], $c 民112
300 $a 58葉 : $b 圖 ; $c 30公分
500 $a 指導教授: 楊淵韓.
500 $a 學年度: 111.
502 $a 碩士論文--高雄醫學大學醫學研究所碩士班.
504 $a 參考書目：葉.
505 0 # $a Abstract i
520 3 $a 隨著全球高齡人口快速增加，失智症已是各國重視的公共衛生議題。目前失智症患者的診斷主要是根據病史詢問、實驗室檢查、腦部影像和認知功能測驗做綜合判斷。為了因應逐年增加的失智症患者，本論文主要目的為借助機器學習技術，建立一個簡單的量表去檢測受試者的心智狀態，輔助篩檢失智症患者。本論文採採用橫斷性(Cross-sectional)研究，使用數據來自台灣南部某一區域醫院的神經科門診，被診斷為失智症及非失智症患者 (即正常人)。每位受試者接受一份「六題失智篩檢表」，並使用eXtreme Gradient Boosting演算法建立預測模型，最後透過接收者操作特徵曲線(ROC)之曲線下面積(AUC)驗證預測結果。本研究全部共533位受試者，「六題失智篩檢表」對於失智症與非失智症患者具有良好的分類能力，AUC為0.91。而對於極早期失智症與非失智症患者的分類能力，「六題失智篩檢表」的AUC為0.76。本論文結果顯示，「六題失智篩檢量表」對於失智症篩檢有相當好的輔助判斷能力，未來可在社區場域做驗證，協助醫師在社區環境達到便利篩檢的目標。.
520 3 $a As the global population is aging rapidly, dementia has become a major public health concern around the world. The clinical diagnosis of dementia is currently based on medical history, laboratory tests, brain imaging and cognitive tests. Considering the expecting growing population of people with dementia, the purpose of this thesis was to use machine learning and develop a simple, easy-to-use dementia screening test. This was s cross-sectional study, and the data were generated from the outpatient Department of Neurology of a regional hospital in Southern Taiwan. Participants were divided into dementia and non-dementia (i.e., normal control) group. All participants received the “Six-Question Dementia Screening Test”, and we used the e-Xtreme Gradient Boosting to establish a prediction model for dementia. Total 533 participants were recruited. The receiver-operator characteristic (ROC) analysis showed that the area under the curve (AUC) in the test group was 0.91 for discriminating dementia vs. non-dementia, 0.76 for very mild dementia vs. non-dementia, respectively. The “Six-Question Dementia Screening Test” showed a good accuracy for the differentiation of dementia from non-dementia in this study and might be helpful for dementia screening in community..
563 $a (平裝)
653 # # $a 機器學習 $a 失智症篩檢 $a 失智症.
653 # # $a Machine Learning $a Dementia Screening $a Dementia $a Xtreme Gradient Boosting.
856 7 # $u https://handle.ncl.edu.tw/11296/h792rk $z 電子資源 $2 http