结合元启发式特征选择与机器学习算法诊断肌少症 | MDPI Biomimetics

背景：肌少症是一种与衰老相关的肌肉质量和功能下降的综合征，随着全球人口老龄化，其早期精准诊断变得至关重要。机器学习在肌少症诊断中的应用面临高维数据特征选择的挑战。研究目的：本研究旨在提出一种基于元启发式算法的特征选择方法，提升机器学习模型在肌少症诊断中的性能，实现无需专家经验的自主特征筛选。结论：研究证实，遗传算法与和声搜索能有效筛选关键特征，其中和声搜索结合支持向量机模型取得最佳诊断准确率0.785，显著优于传统方法。该方法为肌少症的计算机辅助诊断提供了新工具，展示了元启发式算法在医疗数据分析中的潜力。