中文摘要: 如何利用传感器收集信号数据提高阿尔茨海默病诊断准确率是计算精神病学领域的关键问题。为此，提出了一种基于数据驱动的阿尔茨海默病智能诊断模型。首先，通过差异显著性分析对传感器获取的信号进行特征提取；然后，构造决策树模型分别对大脑结构特征以及认知行为特征进行疾病诊断；最后，利用实验数据验证所提出算法的有效性。结果显示，在分类任务中，所提出的算法十折交叉检验的准确率为99.62%，精准率为99.62%，召回率为99.62%，F1得分为0.9962，AUC指标为0.9991；在五分类任务中，所提出的算法十折交叉检验的准确率为99.40%，精准率为99.40%，召回率为99.40%，F1得分为0.9939，AUC指标为0.9997。与其他经典方法对比，所提算法具有较明显的优势。