[논문]기계학습 기반 근감소증 예측을 위한 데이터 전처리 기법

최윤; 윤유림

doi:10.17703/jcct.2023.9.3.737

기계학습 기반 근감소증 예측을 위한 데이터 전처리 기법
Data Preprocessing for Predicting Sarcopenia Based on Machine Learning 원문보기

Journal of the convergence on culture technology : JCCT = 문화기술의 융합, v.9 no.3, 2023년, pp.737 - 744

최윤 (가천대학교 컴퓨터공학과) , 윤유림 (가천대학교 컴퓨터공학과)

초록
AI-Helper

근감소증은 노인들 사이에서 점점 더 흔하게 발생하고 있어, 최근 주목을 받고 있는 질병이다. 근감소증의 원인은 매우 다양하게 나타나지만, 노화, 식습관, 운동 부족등이 주요한 원인들 중 하나이다. 근감소증은 원인이 다양한 만큼 예방 및 치료에 전략을 개발하는 것이 중요하다. 하지만 요인이 다양한 만큼 사람이 근감소증을 정확하게 예측하기는 어렵다. 여기서 기계학습을 이용해 근감소증 예측의 정확도와 편의를 크게 높일 수 있다. 그러나 생활습관과 생체 데이터의 양은 방대한 만큼, 전처리 없이 데이터를 쓰기에는 시간복잡도와 정확성 측면에서 부적절할 수 있다. 본 논문에서는 근감소증과 그 원인에 대한 최신 문헌을 검토하고, 그에 맞게 기계학습 기만 근감소증 예측에 활용할 데이터를 전처리하는데 초점을 맞춘다.

Abstract ▼ AI-Helper

Sarcopenia is an increasingly common disease among the elder that has recently received attention. Although the causes of sarcopenia are diverse, aging, dietary habits, lack of exercise are the one of the major factors. As the causes of sarcopenia are diverse, it is important to develop strategies for prevention and treatment. However, predicting sarcopnia accuartely is difficult due to the variety of factors involved. Here, machine learning can significantly improve the accuracy and convenience of predicting sarcopenia. However, since lifestyle habits and biological data are vast, using data without preprocessing may be inappropriate in terms of time complexity and accuracy. This paper reviews recent literature on sarcopnia and its causes, focusing on preprocessing the data to be used in sarcopnia prediction machine learning accrodingly.

주제어

표/그림 (6)

그림 그림 1. 최상 우선 탐색의 예 Figure 1. The Example of the Best First Search Method
그림 그림 2. 데이터 전처리 흐름도 Figure 2. The Flowchart of the Data Preprocessing
표 표 2. 국민건강영양조사의 실험 결과 Table 2. The Result of Korea National Health and Nutrition Examination Surveys
표 표 3. 국민건강영양 조사에서 feature selection으로 선택된 특징 Table 3. The Features seleted in KNHNES
표 표 4. 고령화 연구 패널 조사의 결과 Table 4. The Result of KLoSA
표 표 5. 고령화연구패널조사에서 feature selection으로 선택된 특징 Table 5. The Features seleted in KLoSA

참고문헌 (13)

Santilli V, Bernetti A, Mangone M, Paoloni M.？Clinical definition of sarcopenia. Clin Cases Miner？Bone Metab. 2014 Sep;11(3):177-80. PMID:？25568649; PMCID: PMC4269139.

상세보기
Hong S, Choi WH. Clinical and physiopathological？mechanism of sarcopenia. Korean J Med.？2012;83:444-54. doi: 10.3904/kjm.2012.83.4.444.

상세보기
Chen LK, Woo J, Assantachai P, Auyeung TW,？Chou MY, Iijima K, Jang HC, Kang L, Kim M,？Kim S, Kojima T, Kuzuya M, Lee JSW, Lee SY,？Lee WJ, Lee Y, Liang CK, Lim JY, Lim WS, Peng？LN, Sugimoto K, Tanaka T, Won CW, Yamada M,？Zhang T, Akishita M, Arai H. Asian Working？Group for Sarcopenia: 2019 Consensus Update on？Sarcopenia Diagnosis and Treatment. J Am Med？Dir Assoc. 2020 Mar;21(3):300-307.e2. doi:？10.1016/j.jamda.2019.12.012. Epub 2020 Feb 4

상세보기
Albano, D.; Messina, C.; Vitale, J.; Sconfienza,？L.M. Imaging of sarcopenia: Old evidence and new？insights. Eur. Radiol. 2020, 30, 2199-2208, DOI :？https://doi.org/10.1007/s00330-019-06573-2

상세보기
Kim YJ. Machine Learning Models for Sarcopenia？Identification Based on Radiomic Features of？Muscles in Computed Tomography. International？Journal of Environmental Research and Public？Health. 2021; 18(16):8710.？https://doi.org/10.3390/ijerph18168710

상세보기
Kang YJ, Yoo JI, Ha YC. Sarcopenia feature？selection and risk prediction using machine？learning: A cross-sectional study. Medicine？(Baltimore). 2019 Oct;98(43):e17699. doi:10.1097/MD.0000000000017699.

상세보기
Jundong Li, Kewei Cheng, Suhang Wang, Fred？Morstatter, Robert P. Trevino, Jiliang Tang, and？Huan Liu. 2017. Feature Selection: A Data？Perspective. ACM Comput. Surv. 50, 6, Article 94？(November 2018), 45 pages. DOI　:https://doi.org/10.1145/3136625

상세보기
Xue Ying 2019 J. Phys.: Conf. Ser. 1168,022022,？DOI : 10.1088/1742-6596/1168/2/022022

상세보기
https://knhanes.kdca.go.kr/knhanes/sub03/sub03_02_05.do
https://survey.keis.or.kr/klosa/klosa04.jsp
Chen LK, Woo J, Assantachai P, Auyeung TW,？Chou MY, Iijima K, Jang HC, Kang L, Kim M,？Kim S, Kojima T, Kuzuya M, Lee JSW, Lee SY,？Lee WJ, Lee Y, Liang CK, Lim JY, Lim WS, Peng？LN, Sugimoto K, Tanaka T, Won CW, Yamada M,？Zhang T, Akishita M, Arai H. Asian Working？Group for Sarcopenia: 2019 consensus update on？sarcopenia diagnosis and treatment. J Am Med Dir？Assoc 2020;21:300-307. e2 , DOI : DOI:https://doi.org/10.1016/j.jamda.2019.12.012

상세보기
WON, Chang Won. Diagnosis of sarcopenia in？primary health care. J. Korean Med. Assoc, 2020,？63: 633-641. DOI : http://dx.doi.org/10.5124/jkma.2020.63.10.633

상세보기
S. Cessie, J. C. Houwelingen, Ridge Estimators in？Logistic Regression, Journal of the Royal？Statistical Society Series C: Applied Statistics, Volume 41, Issue 1, March 1992, Pages 191-201,？https://doi.org/10.2307/2347628

상세보기

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증