$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

뉴럴네트워크(NEWFM)를 이용한 심근경색의 특징추출과 분류
Feature selection and Classification of Heart attack Using NEWFM of Neural Network 원문보기

The journal of the institute of internet, broadcasting and communication : JIIBC, v.19 no.5, 2019년, pp.151 - 155  

윤희진 (장안대학교 IT학부 인터넷정보통신과)

초록
AI-Helper 아이콘AI-Helper

최근 심근경색은 중장년층의 돌연사의 80%로 밝혀졌다. 심근경색의 발병 원인은 복합적이고 갑자기 발생하게 되어 예방이나 건강검진을 하더라도 발병을 예측하기 어렵다. 따라서 빠른 진단과 적절한 치료가 가장 중요하다. 이 논문에서는 심근경색에 대한 정확하고 빠른 진단을 위해 가중퍼지소속함수를 이용한 신경망으로 정상과 비정상 분류에 대한 정확도를 나타내었다. 실험에 사용된 데이터는 14개의 특징과 303개의 샘플 데이터로 이루어진 UCI Machine Learning Repository에서 제공하는 데이터 사용하였다. 2개의 특징을 선택하여 제거하였다. 특징선택을 위한 알고리즘은 average of weight method를 사용하였다. 가중퍼지소속함수를 이용하여 심근경색을 정상과 비정상으로 분류(1-nomal, 2-abnormal)하였다. 실험 결과 정확도가 87.66%가 나왔다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Recently heart attack is 80% of the sudden death of elderly. The causes of a heart attack are complex and sudden, and it is difficult to predict the onset even if prevention or medical examination is performed. Therefore, early diagnosis and proper treatment are the most important. In this paper, we...

주제어

#classification   #heart attack   #feature selection   #Neural Network  

표/그림 (11)

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 최근 사회적 현상으로 급성심근경색이 과거에 비해 증가하고 있는 추세에 있다.[3]이 논문에서는 심근 경색에 대한 정확하고 빠른 진단을 위해 UCI Machine Learning Repository에서 제공하는 데이터를 가중퍼지 소속함수를 이용한 신경망으로 정상과 비정상을 분류하는 실험을 하였다. 아래 그림1.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
퍼지는 무엇인가? 퍼지(fuzzy)란 인간의 애매모호한 언어를 컴퓨터 언어로 표현하고자 한 이론이다.[3] 즉, 모호한 상태를 수식화하여 시스템을 구축한다.
NEWFM의 특징은 무엇인가? 가중퍼지소속함수는 퍼지소속 함수에 가중치를 적용한 이론이다. 뉴럴네트워크인 NEWFM(Neural Network Weighted Fuzzy Membership Function)은 학습데이터를 통해서 학습을 시킨 후 가중퍼지소속함수를 이용하여 테스트데이터의 클래스를 분류를 할 수 있다.[5]학습 과정은 그림2와 같이 특징 당 클래스 개수만큼 퍼지함수셑(FSet)을 생성한다.
심장마비의 조기 진단으로 가중퍼지소속함수를 이용했을 때 어떤 결과를 얻을 수 있는가? NEWFM을 이용한 분류에서는 특징선택을 하여 14개의 특징 중 12개의 특징만으로 분류를 하였다. 실험결과 표3과 같이 Naive Bayes의 77.4%보다 높은 86.77%의 정확도를 보였다.[8][9]
질의응답 정보가 도움이 되었나요?

참고문헌 (10)

  1. Heart attack from http://widipedia.org 

  2. HeeTack Lee, YouSik Hong, SangSuk Lee, "AED System using Fuzzy Rules", The Journal of The Institute of Internet, Broadcasting and Communication, Vol. 13, No. 4, pp. 215-220, Month 08. DOI: http://dx.doi.org/10.7236/JIIBC.2013.13.4.215. 

    원문보기 상세보기 crossref

  3. Cheol-Soo Bae, Young-Cheol Park, Kee-Hwan Nam, Yong-Seok Kang, "Direct Controller for Nonlinear System Using a Neural Network"AED System using Fuzzy Rules", KIIECT, Vol. 5(1), No. 4, pp. 7-12, 2012.-2 DOI: http://www.kiiectsys.or.kr/sobis/kiiect.jsp 

  4. Heart attack dataset form https://archive.ics.uci.edu/ml/index.php 

  5. B.H.Wang, J.W.Lim and J.S.Lim, "Gene regulatory network identification from the yeast cell cycle based on a neuro-fuzzy system", Genet.Mol.Res. 15(3): gmr.15039002, August 30, 2016. DOI: http://www.dx.doi.org/10.4238/grm.15039002 

    상세보기

  6. Son SY, Lee SH, Lim JS, "Feature selection for daily pea load forcasting using a neuro-fuzzy system", Multimedia Tools Appl. 74:2321-2336, 2015. DOI: http://springer.com/article/10.1007/s11042-1943-0 

    상세보기 crossref

  7. S.Florence, N.G.Bhuvaneswari Amma, G. An napoorani, K.Malathi, "Predicting the Risk of Heart Attacks using Neural Network and Decision Tree", IJIRCCE Vol. 2, Issue 11, Novenber 2014. DOI: http://www.iijircce.com/2320-9801 

  8. S.Sherlin, D.S halini Devi, T.Vetriselvi, "An Automated and Efficient Mining of the Healthcare Data for the Prognosis of Heart Attack using the HUI Miner and Naive Bayes Classifier", International Journal of Engineering Research & Technology ISSN:2278-0181, 2017. DOI: http://www.ijert.org/2278-0181 

  9. K.Srinivas, B.Kavihta Tani, "Applications of Data Mining Techniques in Healthcare and Prediction of Heart Attacks". International Journal on ComputerScience and Engineering Vol.02, No. 02, 2010, 250-255, 2010. DOI: http://www.kiiectsys.or.kr/sobis/kiiect.jsp 

  10. M Akhil Jabbar, B L Deekshatulu Priti Chandra, "Classification of Heart Disease using Artificial Neural Network and Feature Subset Selection" , Global Journal of Computer Science and Technology Volume XII Issue III Version 1, 2013. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로