KSC 2020
Current Result Document :
| 한글제목(Korean Title) |
딥러닝 기반 의료 설문 결측 데이터 보간 |
| 영문제목(English Title) |
Interpreting Missing Data Based on Deep Learning for Questionnaire |
| 저자(Author) |
이선민
김동욱
이태현
김민태
김학재
이성주
Seonmin Lee
Donguk Kim
Taehyeon Lee
Mintae Kim
Hakjae Kim
Sungju Lee
|
| 원문수록처(Citation) |
VOL 47 NO. 02 PP. 1487 ~ 1488 (2020. 12) |
한글내용
(Korean Abstract) |
의료 설문 데이터는 환자의 개인에게 적합한 의료 서비스를 제공할 수 있으나, 설문의 내용에는 많은 개인 정보를 포함하기 때문에 결측 데이터 발생한다. 결측 데이터를 보간하는 방법은 전체 데이터의 분포를 고려하여 평균이나 분산등의 통계학적인 모델을 이용할 수 있지만, 개개인에게 적합한 의료 서비스 등을 제공하기 위해서는 개인의 특성을 반영한 결측 데이터에 대한 복원 방법이 필요하다. 본 논문에서는 민감한 의료 설문 데이터를 위한 통계적 기법과 딥러닝 기반 DAE를 이용한 결측 데이터의 복원을 방법을 제안한다. 먼저 결측 데이터를 통계학적 방법인 평균 또는 중간값으로 예측하고, DAE를 적용하여 원본과 학습 모델을 생성한다. 실험결과에서는 제안방법이 의료 설문 결측 데이터 복원하여 결측이 발생 하지 않은 데이터와 비교하여 DNN의 정확도를 10%~18% 개선할 수 있음을 확인한다.
|
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
