심혈관질환 위험 예측을 위한 비용민감 학습 모델
Cost-Sensitive Learning for Cardio-Cerebrovascular Disease Risk Prediction
2
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
본 연구에서는 기계 학습을 사용하여 심혈관 질환 예측 모델을 제안한다. 먼저 두 집단간에 다양한 차이를 다차원분석하고 그 결과를 시각화한다. 특히, 질환과 같이 정상집단과 환자집단 간에 높은 클래스 불균형이존재하는 경우에 대하여 민감도를 향상시킬 수 있는 비용 민감 학습을 사용하는 예측 모델을 제안한다. 본 연구에서는 대표적인 머신러닝 기술인 CART와 XGBoost를 사용하여 예측모델을 개발하고, 심혈관질환 환자 데이터를 대상으로 예측하고 성능을 비교한다. 연구결과에 따르면 CART가 XGBoost 보다 더높은 정확도와 특이도를 보였으며, 정확도는 약 70%∼74%로 나타났다.
Abstract
In this study, we propose a cardiovascular disease prediction model using machine learning. First, a multidimensional analysis of various differences between the two groups is performed and the results are visualized. In particular, we propose a predictive model using cost-sensitive learning that can improve the sensitivity for cases where there is a high class imbalance between the normal and patient groups, such as diseases. In this study, a predictive model is developed using CART and XGBoost, which are representative machine learning technologies, and prediction and performance are compared for cardiovascular disease patient data. According to the study results, CART showed higher accuracy and specificity than XGBoost, and the accuracy was about 70% to 74%.
참고문헌 (10)
- Bosma, H., "Two alternative job stress models and the risk of coronary heart disease", American Journal of Public Health, 88(1), pp.68~74 (1998)
- 지선하, "허혈성심질환 발생예측모형(health risk appraisal)개발 연구", 한국지질 동맥경화학회지, 14(2), pp.153~168 (2004)
- 홍새미, "지역사회 거주 노인의 심뇌혈관질환 예측 모형", 예술인문사회 융합 멀티미디어 논문지, 5(1), pp.37~46 (2015), 사단법인 인문사회과학기술융합학회[DOI]
- Chawla, N. V., "Special issue on learning from imbalanced data sets", ACM Sigkdd Explorations Newsletter, 6(1), pp.1~6 (2004)
- Burke, G. M., "Temporal associations between smoking and cardiovascular disease, 1971 to 2006 (from the Framingham Heart Study)", The American journal of cardiology, 120(10), pp.1787~1791 (2017)
- 이동훈, "Deep Belief Network를이용한 심혈관계 질환 위험 예측", 제 29회 영상처리 및 이해에 관한 워크샵 IPIU 2017, pp.1~3 (2017)
- 빅데이터 연계를 통한 심혈관질환 예측 모형 개발, "강길원", 충북대학교 산학협력단, ~ (2019)
- Elkan, C., "The foundations of cost-sensitive learning", International Joint Conference on Artificial Intelligence, 17(1), pp.973~978 (2001), Lawrence Erlbaum Associates Ltd
- Ling, C. X., "Encyclopedia of Machine Learning" (2011), Springer
- 이유나, "Cost-Sensitive Learning을 활용한심뇌혈관 질환 발생 예측 모형 개발", 석사, pp.2019