태아심박동 자료를 위한 분류기법들의 비교에 관한 연구

Abstract

분류분석은 현재 다양한 방법들이 소개되어져 왔으며 많은 분야에서 사용되고 있다. 또한, 그 목적에는 자료에 따른 최적의 분류모형을 찾는 것에 있으며, 이를 위해 여러 분류방법들을 비교하는 것은 중요하다. 본 논문에서 살펴 본 자료는 태아심박동 자료로서, 이는 태아의 상태를 관찰 할 수 있는 중요한 자료이다. 정상적인 태아와 대조되는 비정상적인 태아로는 자궁내 태아 발육제한(Interine growth restriction; IUGR)을 가지고 있는 태아를 들 수 있는데, 본 논문에서는 정상태아와 IUGR태아를 분류 할 수 있는 최적의 분류모형을 찾고자 한다. 이에 앞서, 태아심박동 자료를 이용하여 인공신경망과 Support Vector Machine(SVM)을 비교함으로서 태아심박동 자료에서는 SVM이 더 좋은 분류기능을 가지고 있음이 보고된 바 있다. 본 논문에서는 태아심박동 자료에서 좋은 성능을 보여준 SVM 뿐만 아니라, 많이 사용되어 지고 있는 여러 분류방법들을 SVM과 성능을 비교함으로서 최적의 분류모형을 찾고자 하였다. 본 논문에서 비교되어진 분류기법들은 선형 판별분석, 로지스틱 회귀분석, 의사결정나무, k-최근접 이웃 및 SVM이다. 또한 이전의 성능평가에서는 정확도만을 보았지만, 의학 자료인 만큼 오분류표를 이용한 특이도와 민감도를 함께 고려하여 좀 더 알맞은 비교를 하고자 하였다. 그 결과, 본 논문에서 고려되어진 다섯 가지 분류기법들 모두 0.85이상의 좋은 특이도를 보였지만, 민감도의 부분에서는 k-최근접 이웃의 경우 약 0.65의 값으로 분류모형으로 구축되기에는 부적합하다는 결론이 나왔고, k-최근접 이웃을 제외한 다른 분류기법들의 경우 모두 0.85이상의 좋은 민감도를 보였다. 또한, 정확도와 특이도 보다는 민감도만을 고려한 결과, 태아심박동 자료에서는 SVM의 성능이 0.898의 민감도 값으로, 가장 우수함을 확인하였지만, 선형적인 방법인 판별분석 또한 0.890으로 우수한 성능을 보여줌을 확인하였다. 하지만 본 논문에서는 정상태아와 IUGR 태아의 자료만을 사용하여 분류방법들의 성능을 비교했을 뿐, 태아의 건강상태에 영향을 끼칠 수 있는 다른 여러 질병들에 대해 고려하지 않았다는 점에서 한계를 보이고 있다. 향후, 다른 질병을 보이고 있는 태아들의 자료를 수집하여, 정상태아와 비정상 태아를 분류할 수 있는 분류방법들의 성능비교가 이루어진다면, 태아의 건강상태를 예측할 수 있는 객관화된 분류가 이루어 질수 있을 것으로 사료되어진다.