735 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