본문 바로가기
HOME> 논문 > 논문 검색상세

논문 상세정보

유전자 알고리즘과 나이브 베이지언 기법을 이용한 의료 노모그램 생성 방법
A Clinical Nomogram Construction Method Using Genetic Algorithm and Naive Bayesian Technique

이건명    (충북대학교 전자정보대학 전자계산학과, PT-ERC   ); 김원재    (충북대학교 의과대학   ); 윤석중    (충북대학교 의과대학  );
  • 초록

    복잡한 진단이나 예측 모델은 계산이 복잡하고 추론 과정을 해석하기 어렵기 때문에 임상현장에서 널리 사용되지 않고 있다. 의료 종사자들은 이러한 복잡한 모델 대신에, 복잡한 함수를 컴퓨터 등을 사용하지 않고도 쉽게 계산할 수 있도록 수치 관계를 그래픽으로 표현한 노모그램을 사용해 왔다. 의료분야에서 질병의 진단과 질병예후의 예측은 매우 주요한 관심사이다. 노모그램은 증상검사결과치료이력질병의 진단 결과 등의 속성을 포함한 임상 데이터들로부터 만들어진다. 노모그램을 만들 때는 가용한 여러 가지 속성 중에서 효과적인 것들을 찾아야 하고, 경우에 따라서는 속성에 대한 파라미터를 함께 결정해야 한다. 이 논문에서는 효과적인 속성과 파라미터를 선택하기 위해 유전자 알고리즘을 사용하고, 노모그램을 생성하기 위해 나이브 베이지언 기법을 사용하는 방법을 제안한다. 또한 제안한 방법을 실제 임상 데이터에 적용한 결과를 보인다.


    In medical practice, the diagnosis or prediction models requiring complicated computations are not widely recognized due to difficulty in interpreting the course of reasoning and the complexity of computations. Medical personnel have used the nomograms which are a graphical representation for numerical relationships that enables to easily compute a complicated function without help of computation machines. It has been widely paid attention in diagnosing diseases or predicting the progress of diseases. A nomogram is constructed from a set of clinical data which contain various attributes such as symptoms, lab experiment results, therapy history, progress of diseases or identification of diseases. It is of importance to select effective ones from available attributes, sometimes along with parameters accompanying the attributes. This paper introduces a nomogram construction method that uses a naive Bayesian technique to construct a nomogram as well as a genetic algorithm to select effective attributes and parameters. The proposed method has been applied to the construction of a nomogram for a real clinical data set.


  • 주제어

    노모그램 .   유전자 알고리즘 .   나이브 베이지언 학습 .   임상 데이터 분석 .   기계학습.  

  • 참고문헌 (8)

    1. V. Pirnat, I. Kononenko, T. Janc, I. Bratko, Medical Estimation of Automatically Induced Decision Rules, Proc. of 2nd Europ. Conf. on Artifical Intelligence in Medicine, pp.24-36, 1989 
    2. 송경일, 안재억, SPSS for Windows를 이용한 생존분석, SPSS 아카데미, 1999 
    3. 안재억, 유근영, 의학보건학 통계분석, 한나래, 2006 
    4. A. Jakulin, M. Mozina, J. Demsar, M. Kattan, B. Zupan, Nomograms for Visualizing Support Vector Machines, Proc. of SIGKDD'05, 2005 
    5. M. Mozina, J. Demsar, M. Kattan, B. Zupan, Nomograms for Na$\"{i}$ve Bayesian Classifiers and How can They Help in Medical Data Analysis, Proc. of MEDINFO 2004, pp.1762, 2004 
    6. M. Mozina, J. Demsar, M. Kattan, B. Zupan, Nomograms for Visualization of Naive Bayesian Classifier, Proc. of PKDD 2004, LNAI 3202, pp.337-348, 2004 
    7. I. Kononenko, Inductive and Bayesian Learning in Medical Diagnosis, Applied Artificial Intelligence, vol.7, pp.317-337, 1993 
    8. S. Olariu, A. Y. Zomaya (eds.), Handbook of Bioinspired Algorithms and Application, Chapman & Hall/CRC, 2006 
  • 이 논문을 인용한 문헌 (1)

    1. Lee, Hansoo ; Kim, Sungshin 2014. "A Study of Line-shaped Echo Detection Method using Naive Bayesian Classifier" 한국지능시스템학회 논문지 = Journal of Korean institute of intelligent systems, 24(4): 360~365     

 활용도 분석

  • 상세보기

    amChart 영역
  • 원문보기

    amChart 영역

원문보기

무료다운로드
유료다운로드

유료 다운로드의 경우 해당 사이트의 정책에 따라 신규 회원가입, 로그인, 유료 구매 등이 필요할 수 있습니다. 해당 사이트에서 발생하는 귀하의 모든 정보활동은 NDSL의 서비스 정책과 무관합니다.

원문복사신청을 하시면, 일부 해외 인쇄학술지의 경우 외국학술지지원센터(FRIC)에서
무료 원문복사 서비스를 제공합니다.

NDSL에서는 해당 원문을 복사서비스하고 있습니다. 위의 원문복사신청 또는 장바구니 담기를 통하여 원문복사서비스 이용이 가능합니다.

이 논문과 함께 출판된 논문 + 더보기