태아심박동 자료를 위한 분류기법들의 비교에 관한 연구 (Comparison of Classification Methods in Fetal Heart Rate)

서지정보

· 발행기관 : 한국자료분석학회
· 수록지 정보 : Journal of The Korean Data Analysis Society / 17권 / 3호 / 1273 ~ 1284페이지
· 저자명 : 박보영, 강희재, 윤옥수, 최원영

초록

본 연구는 태아의 안녕평가를 위해 중요한 자료로 이용되고 있는 태아심박동(fetal heart rate) 자료에서 최적의 분류기법을 찾는데 목적이 있다. 특히 정상태아와 자궁내 발육제한(interine growth restriction; IUGR) 태아를 분류 할 수 있는 최적의 모형을 찾고자 한다. 분류기법들은 모수적 분류기법인 선형 판별분석(linear discriminant analysis)및 로지스틱 회귀분석(logistic regression)과 비모수적 방법으로 의사결정나무(decision tree), -최근접 이웃(-nearest neighbor) 및 지지도벡터기계(support vector machine; SVM)를 시행하였다. 또한 성능평가 측도로 정확도(accuracy)뿐 아니라 임상자료에서 널리 이용되는 측도인 특이도(specificity)와 민감도(sensitivity)를 함께 고려하여 그 성능을 비교하였다. 분석 결과, -최근접 이웃을 제외한 4가지 분류기법은 90%이상의 높은 정확도를 보여 주었다. 또한 5가지 분류기법 모두 0.850 이상의 높은 특이도 값을 보였고, 민감도에서 선형 판별분석과 SVM이 각각 0.890과 0.898로 가장 우수하였다. 한편, 민감도와 특이도 값을 동시에 고려하기 위한 측도인 안정된 정확도(balanced accuracy)는 SVM에서 0.930 그리고 선형 판별분석과 로지스틱 회귀분석이 각각 0.928과 0.912로 나타났다.

영어초록

The purpose of this study is to find out optimal classification technique method for fetal heart rate (FHR) important data to check health problems to a fetus. Especially, we focus on finding classification method which distinguish can normal fetus and interine growth restriction fetus. Linear discriminant analysis and logistic regression as parametric classification, and decision tree, k-nearest neighbor and support vector machine (SVM) as non-parametric classification are used in this study. Also not only accuracy but also specificity and sensitivity are considered in comparing. As the results, it shows more than 90% high-accuracy in all 4 classification methods except for k-nearest neighbor and the specificity values is more than 0.850. As for sensitivity, linear discriminant and SVM are 0.890 and 0.898, respectively. It confirm that k-nearest neighbor is not good at FHR since the accuracy and sensitivity are 0.799 and 0.652 respectively. On the other hand, balanced accuracy, measurement which consider sensitivity and specificity, of SVM, linear discriminant analysis and logistic regression are 0.930, 0.928 and 0.912 respectively.

참고자료

· 없음