필기를 이용한 알츠하이머병의 조기 진단을 위한 하이브리드 특징 선택 접근법 (A Hybrid Feature Selection Approach for Early Detection of Alzheimer's Disease from Handwriting)

서지정보

· 발행기관 : 한국소프트웨어감정평가학회
· 수록지 정보 : 한국소프트웨어감정평가학회 논문지 / 20권 / 4호 / 243 ~ 256페이지
· 저자명 : 김영인

초록

전 세계적 고령화로 인한 알츠하이머병 환자의 급격한 증가는 공중보건의 심각한 우려를 야기하고 있으며, 이는 조기 진단의 필요성을 증가시키고 있다. 본 논문은 알츠하이머병을 위한 DARWIN(Diagnosis AlzheimeR WIth haNdwriting) 필기 데이터셋의 높은 특징 차원 문제를 해결하기 위해 효율적인 특징 선택을위한 하이브리드 기법을 제안한다. 이 기법은 먼저 사전에 선정된 다양한 특징 선택 기법으로 다양한 특징개수의 데이터셋을 추출하여 여섯 가지 분류 기법으로 실험한 후, 가장 우수한 성능을 보인 특징 선택 기법을 두 가지 선정하여, 이를 결합한 하이브리드 특징 선택하는 과정으로 구성된다. 두 가지 특징 선택 기법을선정하기 위한 실험 결과, 상호정보량과 SHAP이 선정되었으며, 이를 결합한 하이브리드 특징 선택을 수행하고 선택된 특징으로 실험하였다. 그 결과, 이 기법으로 선택한 82개 특징만으로 정확도 93%의 성능을 구하였으며, 44개의 특징만으로도 92%의 정확도를 구하였다. 향후 연구에서는 선택된 특징들의 임상적 의미와 관련작업을 심층 분석하고자 한다.

영어초록

The rapid increase in Alzheimer's disease patients due to global aging poses a significant public health concern, highlighting the urgent need for early diagnosis. This study proposes a hybrid feature selection technique to address the high-dimensional feature problem of the DARWIN (Diagnosis AlzheimeR WIth haNdwriting) handwriting dataset. The technique first extracts datasets with varying numbers of features using pre-selected feature selection techniques, experiments with six classification techniques, and then combines the two best-performing feature selection techniques into a hybrid approach. Experimental results identified Mutual Information and SHAP as the two optimal techniques, which were then combined to perform hybrid feature selection. Using the selected features, experiments demonstrated that the proposed technique achieved an accuracy of 93% with only 82 features and 92% with as few as 44 features. Future research will focus on the clinical relevance of the selected features and related tasks.

참고자료

· 없음