基于近红外光谱(NIRS),最近有越来越多的证据表明,精神分裂症患者在口语流利任务(VFT)期间前额叶皮层表现出异常的功能活动。 因此,一些研究已尝试采用NIRS测量以不同的分类方法将精神分裂症患者与健康对照区分开。 但是,没有进行系统的评估来比较它们在相同研究人群中的各自分类表现。 新方法在这项研究中,我们评估了四种分类方法(包括线性判别分析,k最近邻,高斯过程分类器和支持向量机)在NIRS辅助精神分裂症诊断中的分类性能。 我们招募了120位精神分裂症患者和120位健康对照的大量样本,并使用多通道NIRS系统在VFT期间测量了额叶皮层中的血红蛋白React。 从每个通道的三种NIRS数据中提取分类特征。 随后,在比较不同分类方法之前,我们进行了特征选择的主成分分析(PCA)。 结果使用基于PCA的含氧血红蛋白信号特征选择和支持向量机分类器,我们实现了85.83%的最高准确度和83.37%的整体平均准确度。 与现有方法的比较这是根据不同类型的NIRS信号对精神分裂症的不同分类方法进行的首次综合评估。 结论我们的结果表明,使用适当的分类方法,NIRS具有成为精神分裂症诊断的有效客观生物标