• 한국컴퓨터정보학회논문지
• /
• 제19권11호
• /
• pp.149-157
• /
• 2014

당뇨병은 급성합병증을 예방하고 장기간의 합병증의 위험도를 감소하기 위하여 지속적인 치료와 환자 자가 관리 교육이 필요한 만성질환이다. 또한 전 세계적으로 당뇨병에 대한 유병률과 사망률이 대부분의 인구집단에서 역학적 비율에 도달하였다. 많은 연구에서 당뇨병에 대한 조기진단은 적절한 치료와 생활습관을 지키는 관리를 통하여 발병을 예방하는데 도움을 줄 수 있으며, 이를 통하여 당뇨병의 합병증을 감소시키고 생존률을 향상시킬 수 있다고 보고하고 있다. 본 연구는 PIMA Indians 당뇨 데이터에 대하여 mixture of expert 모형을 적용하여 당뇨유병환자의 여부를 분류하고, 이를 로지스틱 회귀분석, 신경망분석의 성능과 비교함으로서 그 유용성을 주장하고자 하였다. 연구결과 정확도 및 ROC 곡선, c-통계량에서 ME 모형이 다른 분류도구들에 비해서 높게 나타남을 확인할 수 있었다.

• International Journal of Computer Science & Network Security
• /
• 제21권9호
• /
• pp.19-30
• /
• 2021

Diabetes Mellitus (DM) is one of common chronic diseases leading to severe health complications that may cause death. The disease influences individuals, community, and the government due to the continuous monitoring, lifelong commitment, and the cost of treatment. The World Health Organization (WHO) considers Saudi Arabia as one of the top 10 countries in diabetes prevalence across the world. Since most of the medical services are provided by the government, the cost of the treatment in terms of hospitals and clinical visits and lab tests represents a real burden due to the large scale of the disease. The ability to predict the diabetic status of a patient without the laboratory tests by performing screening based on some personal features can lessen the health and economic burden caused by diabetes alone. The goal of this paper is to investigate the prediction of diabetic and prediabetic patients by considering factors other than the laboratory tests, as required by physicians in general. With the data obtained from local hospitals, medical records were processed to obtain a dataset that classified patients into three classes: diabetic, prediabetic, and non-diabetic. After applying three machine learning algorithms, we established good performance for accuracy, precision, and recall of the models on the dataset. Further analysis was performed on the data to identify important non-laboratory variables related to the patients for diabetes classification. The importance of five variables (gender, physical activity level, hypertension, BMI, and age) from the person's basic health data were investigated to find their contribution to the state of a patient being diabetic, prediabetic or normal. Our analysis presented great agreement with the risk factors of diabetes and prediabetes stated by the American Diabetes Association (ADA) and other health institutions worldwide. We conclude that by performing class-specific analysis of the disease, important factors specific to Saudi population can be identified, whose management can result in controlling the disease. We also provide some recommendations learnt from this research.

• 한국전자통신학회논문지
• /
• 제18권5호
• /
• pp.999-1008
• /
• 2023

당뇨병과 같은 만성 질환의 조기 예측은 중요한 이슈이며, 그중에서도 당뇨 예측의 정확도 향상은 매우 중요하다. 당뇨 예측을 위한 다양한 기계 학습 및 딥 러닝 기반 방법론을 도입하고 있으나, 이러한 기술들은 다른 방법론보다 더 우수한 성능을 위해 대량의 데이터를 필요로 하며, 복잡한 데이터 모델 때문에 학습 비용이 높다. 본 연구에서는 pima 데이터셋과 k-fold 교차 검증을 사용한 DNN이 당뇨 진단 모델의 효율성을 감소시킨다는 주장을 검증하고자 한다. 의사 결정 트리, SVM, 랜덤 포레스트, 로지스틱 회귀, KNN 및 다양한 앙상블 기법과 같은 기계 학습 분류 방법을 사용하여 어떤 알고리즘이 최상의 예측 결과를 내는지 결정하였다. 모든 분류 모델에 대한 훈련 및 테스트 후 제안된 시스템은 ADASYN 방법과 함께 XGBoost 분류기에서 최상의 결과를 제공하였으며, 정확도는 81%, F1 계수는 0.81, AUC는 0.84였다. 또한 도메인 적응 방법이 제안된 시스템의 다양성을 보여주기 위해 구현되었다. LIME 및 SHAP 프레임워크를 사용한 설명 가능한 AI 접근 방식이 모델이 최종 결과를 어떻게 예측하는지 이해하기 위해 구현되었다.