Annual Conference of KIPS (한국정보처리학회:학술대회논문집)

  • 2024.10a
  • /
  • Pages.16-17
  • /
  • 2024
  • /
  • 2005-0011(pISSN)
  • /
  • 2671-7298(eISSN)
Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

Performance Comparison of Cirrhosis Prediction Model Using FCM Clustering-based Neuro-Fuzzy

퍼지 클러스터링기반 뉴로-퍼지를 이용한 간경화 예측 성능 비교

  • Eun-Seo Jung (Dept. of Biomedical Sciences, ChoSun University) ;
  • Yu-Min Roh (Dept. of Biomedical Sciences, ChoSun University) ;
  • Do-Ye Lim (Dept. of Biomedical Sciences, ChoSun University) ;
  • Hui-Su Ki (Dept. of Biomedical Sciences, ChoSun University) ;
  • Keun-Chang Kawk (Dept. of Electronic Engineering, ChoSun University) ;
  • Chan-Uk Yeom (AI Convergence College, ChoSun University)
  • 정은서 (조선대학교 의생명과학과 ) ;
  • 노유민 (조선대학교 의생명과학과 ) ;
  • 임도예 (조선대학교 의생명과학과 ) ;
  • 기희수 (조선대학교 의생명과학과 ) ;
  • 곽근창 (조선대학교 전자공학부 ) ;
  • 염찬욱 (조선대학교 AI융합대학사업단 )
  • Published : 2024.10.31
Download PDF
⟨ Previous Next ⟩

Abstract

본 연구는 간경화 예측을 위한 다양한 머신러닝 모델의 성능을 비교하여 최적의 예측 모델을 찾는 것을 목표로 한다. Kaggle의 "Cirrhosis Prediction Dataset"을 활용해 Random Forest 알고리즘으로 중요한 변수 4개(N_Days, Platelets, Prothrombin, Albumin)를 선정하고, grid-ANFIS(grid partitioning-Adaptive Neuro Fuzzy Inference System), subtractive-ANFIS(subtractive-Adaptive Neuro Fuzzy Inference System), FCM(Fuzzy Cluster means) 모델을 평가하였다. 평가 지표로RMSE를 사용하였으며, grid-ANFIS 모델이 가장 우수한 성능을 보였다. 본 연구는 간경화 예측 및 진단의 정확성을 높이는 데 기여할 수 있을 것으로 기대된다.

Keywords

Acknowledgement

이 논문은 2024년도 정부(과학기술정보통신부)의 재원으로 지원을 받아 수행된 AI 헬스케어 융합대학사업 연구임.

References

  1. Kim, J., et al. (2020). "Challenges in Liver Cirrhosis Diagnosis and Management: A Review." Hepatology International, 14(2), 345-356.
  2. 김세윤, 임형준, 이준영 외14인, 간경변 환자에서 CTP, MELD, and MELD-Na 점수의 단기 사망률 예측에 대한 비교 분석, 대한소화학회지, 고려대학교 의과대학 내과학교실, Seoul, Korea, 2007, 92-99.
  3. 노시형, 임동욱, 이충섭 외2인, 의료영상기반의 간 섬유화 진단을 위한 인공지능 모델 개발, 한국정보처리학회 추계학술대회 자료집, 2022, 462-46.
  4. Kaggle. (2024). "Cirrhosis Prediction Dataset."Kaggle.
  5. Breiman, L. (2001). "Random Forests."Machine Learning, 45(1), 5-3.