메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
HeeJeong Jasmine Lee (PyeongTaek University)
저널정보
한국정보기술학회 한국정보기술학회논문지 한국정보기술학회논문지 제20권 제9호(JKIIT, Vol.20, No.9)
발행연도
2022.9
수록면
105 - 114 (10page)
DOI
10.14801/jkiit.2022.20.9.105

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
심부전(Heart Failure)은 전 세계적으로 사망의 주된 원인이 되고 있으며, 환자의 생존율을 정확하게 예측하는 것이 중요한 의학적인 문제가 되었다. 기존의 생물 통계학적 접근법은 환자의 특징과 생존 간의 연관성을 찾는 데 사용되었다. 이 연구에서는 환자의 연령을 주된 위험인자로 인식하여 최신의 기계학습 모델들을 이용하여 심부전 환자의 사망률을 예측하기 위한 알고리즘을 구현하는데 목표가 있다. 성능 비교를 위해 의사결정트리(DT), 에이다 부스트(AdaBoost), 로지스틱 회귀(LR), 확률적 경사하강(SGD), 랜덤 포레스트(RF), 라이트 그라디언트 부스팅(LGBM), 엑스트라 트리 분류(ETC), 가우시안 나이브 베이즈(GNB) 및 서포트 벡터 머신(SVM)과 같은 9개의 알고리즘이 사용되었다. 불균형 대상 클래스는 오버 샘플링 기법으로 관리되었다. 공개된 데이터 세트를 이용한 사망률 예측 실험에서 알고리즘들의 성능을 비교한 결과 LGBM이 심부전 환자의 생존예측에서 96.8%의 정확도를 달성했으며, 이는 92.6%로 보고된 기존 연구에서 발표된 모델에 비해 개선된 것이다. 개선된 결과는 기계학습을 사용하여 환자 생존율을 예측할 수 있다는 개념을 재확인해준다.

목차

Abstract
요약
Ⅰ. Introduction
Ⅱ. Related work
Ⅲ. Dataset and featue ranking
IV. Experimental Design
V. Analysis of Outcome
References

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0