선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 그러나 SPSS 통계툴을 활용하기 전에 전문가가 직접 진단하고 데이터를 기준(IS/OS의 존재 여부)에 따라 표 1의 세 클래스로 분류하는 절차가 반드시 필요하였다. 이에 본 연구에서는 전문가가 직접 진단하여 분류 클래스를 결정하지 않아도 기계학습으로 자동 분류가 가능한지를 실험한다. 이에 최근에 우수한 분류성능으로 얼굴 인식, 문자 인식, 의학, 생물학, 유전학 등 여러 분야에서 각광받고 있는 SVM(Support Vector Machine)을 비롯하여 MLP(Multi-Layer Perceptron), Logistic 회귀분석, 의사결정트리(decision tree) 등 여러 알고리즘들을 적용하여 분류 실험을 한다.
- 그리하여 높은 분류 성능을 보인 패턴분류기로 망막색소변성 데이터를 학습시키고 자동 분류를 가능하게 하여 그 결과를 산출함으로써 SPSS 분석을 이전보다 신속하게 할 수 있다. 그 뿐만 아니라 망막색소변성 질환의 예후 예측에 도움을 주고자 자동 패턴 분류기의 활용을 제안한다.
- 2장에서는 기존 연구를 살펴보고 본 연구에서 제안하는 시스템을 기술한 다음에 관련된 지식을 알아본다. 관련된 지식으로 현재 패턴 인식 분야에서 널리 쓰이고 있는 SVM에 대해 알아보겠다. 3장에서는 망막색소변성 데이터 분류 실험에 관한 실험 방법과 결과를 설명한다.
- 제안 시스템의 잇점을 예로 들면, 부분군 클래스에 속하던 데이터들이 손상군 클래스로 얼마정도 분포되었는가를 알 수 있고 변화의 추이를 신속하게 파악할 수 있다. 이런 연구의 목적을 위한 패턴 분류 알고리즘으로 SVM을 제안한다. 그 이유는 최근에 우수한 분류 성능으로 얼굴 인식, 문자 인식, 의학, 생물학, 유전학 등 여러 분야에서 각광받고 있기 때문이다[8,9].
- 패턴 분류기를 구현하여 얻을 수 있는 잇점으로 예후 예측의 가능성의 예를 보여주기 위한 실험을 하였다. 이를 위하여 먼저 A대학병원 안과학 교실로부터 기존 검사한 동일 환자에 대하여 재검사한 데이터를 일부 확보하였다.
- 본 연구에서 제안하는 자동 패턴 분류기를 활용하여 의료데이터와 같은 다차원의 패턴 분류 문제를 해결할 수 있는 방안을 제시하였다. 기존 시스템과 병행하여 제안 시스템을 활용하면 좀 더 신속하고 효율적으로 진단 및 치료 후 효과를 예측하는 데에 사용될 수 있겠다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.