뇌졸중 데이터를 통한 머신러닝, 딥러닝 예측 및 분류 기법 성능비교 (Performance comparison of machine learning, deep learning prediction and classification techniques through stroke data)

서지정보

· 발행기관 : 한국정보통신학회
· 수록지 정보 : 한국정보통신학회논문지 / 28권 / 8호 / 891 ~ 897페이지
· 저자명 : 김재호, 김장영

초록

세계보건기구(WHO)에 따르면 뇌졸중은 전 세계적으로 두 번째 주요 사망 원인이며 전체 사망의 약 11%를 차지한다. 데이터 세트는 Kaggle에서 가져온 뇌졸중 데이터이며, 각 행마다 환자에 대한 관련 정보를 제공한다. 성별, 연령, 다양한 질병 및 흡연 상태등 다양한 입력 매개변수를 기반으로 환자가 뇌졸중에 걸릴 가능성이 있는지 예측하는 데 사용할 수 있다. 각 데이터 column간의 관계가 있는지 correlation계수와 다중공선성을 확인한다. 분류 기법에 있어서, 여러 가지 머신러닝기법과, DNN, Ensemble 기법을을 사용했다. DNN에서 layer을 5개 쌓아서 적용했고, Ensemble 알고리즘은 RNN과 CNN을 Ensemble하였다. optimizer함수로는 adam을 이용해 기울기를 업데이트했고, Loss Function으로는 Binary Cross Entropy를 사용했다. 평가방법으로는 Accuracy, Recal와 ROC-AUC 을 사용해서 분류기법을 평가한다.

영어초록

According to the World Health Organization (WHO), stroke is the second leading cause of death globally, accounting for approximately 11% of total deaths. The dataset consists of stroke data obtained from Kaggle, with each row providing relevant information about a patient. It can be used to predict whether a patient is likely to have a stroke based on various input parameters such as gender, age, various diseases, smoking status etc. The relationships between data columns are examined using correlation coefficients and multicollinearity. For classification, various machine learning methods, DNN, and Ensemble techniques were used. In the DNN, five layers were stacked and applied. The Ensemble algorithm combines RNN and CNN. The Adam optimizer was used to update gradients, and Binary Cross Entropy was used as the Loss Function. For evaluation methods, Accuracy, Recall, ROC-AUC were used to assess the classification techniques.

참고자료

· 없음