$\require{mediawiki-texvc}$

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.

디지털 헬스케어 데이터 분석을 위한 머신 러닝 기술 활용 동향
Trend of Utilization of Machine Learning Technology for Digital Healthcare Data Analysis 원문보기

전자통신동향분석 = Electronics and telecommunications trends, v.34 no.1, 2019년, pp.98 - 110  

우영춘 (IDX 원천기술연구실) ,  이성엽 (IDX 원천기술연구실) ,  최완 (IDX 원천기술연구실) ,  안창원 (IDX 원천기술연구실) ,  백옥기 (IDX 원천기술연구실)

Abstract ▼ AI-Helper 아이콘AI-Helper

Machine learning has been applied to medical imaging and has shown an excellent recognition rate. Recently, there has been much interest in preventive medicine. If data are accessible, machine learning packages can be used easily in digital healthcare fields. However, it is necessary to prepare the ...

표/그림 (9)

참고문헌 (36)

  1. 서경원 외, "스마트 헬스케어 의료기기 기술," 표준전략보고서, 식품의약품안전평가원, 2018. 8. 

  2. 송영준, "4차 산업혁명과 디지털 헬스케어 정책," 주간기술동향, 2018. 2. 

  3. 정성원, "Healthcare에서 빅데이터의 활용," 제 5회 임상연구 방법론 워크숍, 가톨릭의대의생명산업연구원, 서울, 2016. 11. 5, pp. 18-29. 

  4. IBM, "Bigdata in Healthcare: Tapping New Insight to Save Lives," IBM Big Data & Analytics Hub, 2014. https://www.ibmbigdatahub.com/infographic/big-data-healthcare-tapping-new-insight-save-lives 

  5. Wikipedia, "Machine Learning," https://en.wikipedia.org/wiki/Machine_learning 

  6. 정일영, 구원모, "헬스케어생태계 구축을위한 데이터통합 방안," 동향과 이슈, 제46호, 2018. 1, pp. 1-38. 

  7. MIT Critical Data, Secondary Analysis of Electronic Health Records, Springer International Publishing: NY, USA, 2016. 

  8. G. Press, "Cleaning Big Data: Most Time-Consuming, Least Enjoyable Data Science Task, Survey Says," Forbe, Mar. 23, 2016. 

  9. S. Christa, V. Suma, and L. Maduri, "An Effective Data Preprocessing Technique for Improved Data Management in a Distributed Environment," ACCTHPCA, vol. 3, July 2012, pp. 25-29. 

  10. SAS, "Data Visualization Techniques: From Basics to Big Data with SAS(R) Visual Analytics," SAS White Paper, 2018 

  11. P. van der Laken, "Facet," Google, June 2017. https://github.com/PAIR-code/facets 

  12. WIlliam H. Wolberg (physician), University of Wisconsin Hospitals. Madison, Wisconsin, USA, Breast Cancer Wisconsin (Original) Data Set, https://archive.ics.uci.edu/ml/datasets/breast+cancer+wisconsin+(original) 

  13. Tutorials Point, "Seaborn," TutorialsPoint, 2017. https://www.tutorialspoint.com/seaborn/seaborn_tutorial.pdf 

  14. A. Bilogur, "Missingno: A Missing Data Visualization Suite," J. Open Source Softw., Feb. 27, 2018, doi: 10.21105/joss.00547 

    상세보기 crossref

  15. Continuum Analytics, "Blaze Documentation," 2018. https://blaze.readthedocs.io/en/latest/index.html 

  16. G. Csardi and T. Nepusz, igraph Reference Manual, Harvard University: Cambridge, MA, USA, 2013. 

  17. Wikipedia, "Feature Engineering," https://en.wikipedia.org/wiki/Feature_engineering 

  18. A. Zheng, Evaluating Machine Learning Models, O'reilly: Sebastopol, CA, USA, 2015. 

  19. Medcalc, "ROC Curve Analysis," https://www.medcalc.org/manual/roc-curves.php 

  20. F.Y. Osisanwo et al., "Supervised Machine Learning Algorithms: Classification and Comparison," Int. J. Comput. Trends Technol., vol. 48, no. 3, June 2017, pp. 128-138. 

    상세보기 crossref

  21. P. Harrington, Machine Learning in Action, Manning Publications Co.: Shelter Island, NY, USA, 2012, pp. 83-100. 

  22. M. Namratha and T.R. Prajwala, "A Comprehensive Overview of Clustering Algorithms in Pattern Recognition," IOSR J. Comput. Eng., vol. 4, no. 6, 2012, pp. 23-30. 

    crossref

  23. L. Arnold et al., "An Introduction to Deep Learning," in Proc. Eur. Symp. Artif. Neural Netw., Bruges, Belgium, Apr. 27-29, 2011, pp. 477-488. 

  24. Wikipedia, "Random Forest," https://en.wikipedia.org/wiki/Random_forest 

  25. Wikipedia, "Boosting," https://en.wikipedia.org/wiki/Boosting_(machine_learning) 

  26. R.E. Schapire, "The Boosting Approach to Machine Learning, An Overview," in MSRI Workshop on Nonlinear Estimation and Classification, Springer: Heidelberg, Germany, 2002, pp. 3-4. 

  27. A. Natekin and A. Knoll, "Gradient Boosting Machines, a Tutorial," Front. Neurorobot., July 21, 2013, doi: 10.3389/fnbot.2013.00021. 

    상세보기 crossref

  28. G. Biau, B. Cadre, and L. Rouviere, "Accelerated Gradient Boosting," arXiv:1803.02042, May 2018. 

  29. J. Brownlee, "XGBoost with Python, Gradien Boosted Trees with XGBoost and Scikit-learn," Machine Learning Mastery, Sept. 19, 2016. 

  30. G. Ke et al., "LGBM LightGBM: A Highly Efficient Gradient Boosting Decision Tree," Conf. Neural Inform. Process. Syst., Long Beach, CA, USA, 2017, pp. 1-9. 

  31. A. Veronika, D.V. Ershov, and A. Guli, "CatBoost: Gradient Boosting with Categorical Features Support," Yandex, 2017. https://catboost.ai/ 

  32. M. Du, N. Liu, and X. Hu, "Techniques for Interpretable Machine Learning," arXiv:1808.00033, July 2018. 

  33. M.T. Ribeiro, S. Singh, and C. Guestrin, "Why Should I Trust You?" Proc. ACM SIGKDD Int. Conf. Knowled. Discovery Data Mining, San Francisco, CA, USA, Aug. 13-17, 2016, pp. 1135-1144. 

  34. S.M. Lundberg and S.-I. Lee, "A Unified Approach to Interpreting Model Predictions," Conf. Neural Inform. Process. Syst., Long Beach, CA, USA, 2017, pp. 1-10. 

  35. A. Saabas, "treeinterpreter, 2015. https://github.com/andosa/treeinterpreter 

  36. D. Foster, "xgboostExplainer," 2017. https://github.com/AppliedDataSciencePartners/xgboostExplainer 

LOADING...

관련 콘텐츠

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