195 0

CBC 데이터에서 조기 진단을 위한 RTC-랜덤포레스트 모형에 대한 연구

Title
CBC 데이터에서 조기 진단을 위한 RTC-랜덤포레스트 모형에 대한 연구
Other Titles
RTC-Random forest model for sepsis early detection in CBC data
Author
김성주
Alternative Author(s)
Kim Seong Ju
Advisor(s)
최정순
Issue Date
2020-02
Publisher
한양대학교
Degree
Master
Abstract
본 연구에서는 패혈증을 조기 진단하기 위해 2014년부터 2018년까지 연세대학교 세브란스 병원에 방문한 환자들의 일반 액 검사 (Complete Boold cell Count, CBC) 자료를 이용하였다. CBC 자료에는 환자마다 34개의 혈액 성분 검사 수치 결과가 있고 결측값이 포함되어 있다. 각 성분의 결측값은 환자별 성분의 수치 결과의 평균으로 대체하였다. 패혈증 조기 진단 예측 모형으로는 RTC (Real Time Contrast) 방법에 3가지 분류기 랜덤포레스트(Random Forest
RF), SVM (Support Vector Machine), LDA (Linear Discriminanats Analysis) 를 적용하여 3가지 모형의 성능을 비교하였다. 본 연구에서는 분류기에 랜덤포레스트를 이용한 방법인 RTC-RF 방법이 오분류율, 민감도, 특이도 측면에서 RTC-SVM, RTC-LDA 방법보다 우수한 성능을 보였다. RTC-RF 방법 결과 패혈증 조기 진단 시점은 실제 패혈증으로 진단받은 시점 3일전 시점을 패혈증 조기 진단 시점으로 예측하였다.
URI
https://repository.hanyang.ac.kr/handle/20.500.11754/123624http://hanyang.dcollection.net/common/orgView/200000436749
Appears in Collections:
GRADUATE SCHOOL[S](대학원) > APPLIED STATISTICS(응용통계학과) > Theses (Master)
Files in This Item:
There are no files associated with this item.
Export
RIS (EndNote)
XLS (Excel)
XML


qrcode

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

BROWSE