• 생물정신의학
• /
• 제27권1호
• /
• pp.18-26
• /
• 2020

Objectives The aim was to find effective vectorization and classification models to predict a psychiatric diagnosis from text-based medical records. Methods Electronic medical records (n = 494) of present illness were collected retrospectively in inpatient admission notes with three diagnoses of major depressive disorder, type 1 bipolar disorder, and schizophrenia. Data were split into 400 training data and 94 independent validation data. Data were vectorized by two different models such as term frequency-inverse document frequency (TF-IDF) and Doc2vec. Machine learning models for classification including stochastic gradient descent, logistic regression, support vector classification, and deep learning (DL) were applied to predict three psychiatric diagnoses. Five-fold cross-validation was used to find an effective model. Metrics such as accuracy, precision, recall, and F1-score were measured for comparison between the models. Results Five-fold cross-validation in training data showed DL model with Doc2vec was the most effective model to predict the diagnosis (accuracy = 0.87, F1-score = 0.87). However, these metrics have been reduced in independent test data set with final working DL models (accuracy = 0.79, F1-score = 0.79), while the model of logistic regression and support vector machine with Doc2vec showed slightly better performance (accuracy = 0.80, F1-score = 0.80) than the DL models with Doc2vec and others with TF-IDF. Conclusions The current results suggest that the vectorization may have more impact on the performance of classification than the machine learning model. However, data set had a number of limitations including small sample size, imbalance among the category, and its generalizability. With this regard, the need for research with multi-sites and large samples is suggested to improve the machine learning models.

• 한국광학회지
• /
• 제31권6호
• /
• pp.247-258
• /
• 2020

본 논문에서는 대기외란에 따른 SPGD 위상제어 알고리즘 기반 결맞음 빔결합 시스템의 위상제어 동작성능을 논의한다. 대기의 외란에 대한 통계적 이론을 바탕으로 전산모사를 통해 대기외란에 의한 레이저빔의 위상 및 파면 왜곡에 대한 분석과 왜곡된 빔을 통해 얻게 되는 7채널 및 19채널 결맞음 빔결합 결과를 도출하고, 이를 통해 대기외란의 정도에 따른 빔결합 시스템의 위상제어 동작성능 및 효율을 수치적으로 비교분석한다. 분석 결과, 7채널 결맞음 빔결합의 경우, 대기외란 파라미터 cn2 값이 10-13 m-2/3 까지 증가한 상황에서도 SPGD 위상제어 알고리즘을 적절히 적용할 경우 90% 이상의 빔결합 효율로 시스템의 위상 잠금이 가능하다는 것을 확인하였다. 19채널 결맞음 빔결합의 경우, 동일한 대기외란 조건에서도 대기의 굴절률 비균질성(refractive index inhomogeneity)의 영향이 더 커서 빔결합 효율이 60% 수준으로 급격하게 감소할 수 있음을 확인하였다. 또한, 대기외란이 있는 상황에서 위상잠금시점까지 요구되는 알고리즘의 반복연산 횟수와 대기현상의 변화간격을 비교분석함으로써, 다채널 결맞음 빔결합 시스템이 ㎲의 간격을 가지는 대기외란 상황에서도 정상동작을 하기 위해서는 SPGD 위상제어 알고리즘의 연산대역폭이 수백 MHz에서 수 GHz까지 확장되어야 한다는 것을 확인하였다. 향후, 대기외란이 SPGD 위상제어 알고리즘 기반 결맞음 빔결합 시스템의 위상제어 동작성능에 미치는 영향을 정량적으로 분석하고 예측하는 데 있어서 본 논문의 결과가 유용하게 활용될 수 있을 것이라 기대된다.