| 한글제목(Korean Title) |
분류 기법을 이용한 방광암 재발 예측 |
| 영문제목(English Title) |
Prediction of Bladder Cancer Recurrence Using Classification Methods |
| 저자(Author) |
서동혁
신동문
손호선
김원재
김원태
류근호
Dong-Hyok Suh
Dong Mun Shin
Ho Sun Shon
Wun-Jae Kim
Won-Tae Kim
Keun Ho Ryu
|
| 원문수록처(Citation) |
VOL 39 NO. 03 PP. 0193 ~ 0201 (2012. 06) |
한글내용
(Korean Abstract) |
방광암은 소변에 저장하는 방광에 생기는 악성종양으로, 연령이 증가함에 따라 발생빈도가 점차 증가하게 된다. 본 연구에서는 기존에 잘 알려진 몇 가지 특징 기법과 분류 방법을 이용하여 방광암재발 예측을 위한 다양한 예측 모형을 생성하였다. 그 다음으로 예측 분류 모형에 대한 분류 정확도를 측정하여 비교,분석함으로서 방광암 재발 위험을 예측하는 데 가장 적합한 모형을 선별하였다. 실험 결과, 특징 선택 기법은 Minimum Redundancy Maximum Relevance (MRMR)이 Conditional Mutual Information Maximization (CMIM)보다 상대적으로 더 높은 정확도를 보였으며, 특히 데이터 객체들로부터 가장 영향을 미치는 10개의 특징을 선택하여 베이지안 네트워크 모형에 적용하였을 때 예측 정확도가 가장 높게 나타났다. 이 연구를 통해 암 재발 위험을 정확히 예측함으로서 향후의 의료진들이 환자의 암 예방 및 예후를 추정하는 데 기여할 수 있을 것으로 기대된다. |
영문내용
(English Abstract) |
Bladder cancer is a malignant disease that occurs in the urinary bladder. It is the most common type of cancer after prostate cancer in the whole world. Bladder cancer can occur at any age, but it is more common among older people than the younger ones. In this paper, we built several classification models to predict the recurrence of bladder cancer with various well-known feature selection and classification techniques. In our experiment, we selected the most suitable data mining model to predict the risk of bladder cancer recurrence using several classification algorithms, such as artificial neural network, bayesian network and support vector machine. Our experiments proved that minimum redundancy maximum relevance criterion is better than conditional mutual information maximization, especially, the highest classification accuracy is obtained by bayesian network model, which contains only 10 important features. Therefore, we derived a conclusion that bayesian network model is the most appropriate for predicting the risk of bladder cancer recurrence, when comparing |
| 키워드(Keyword) |
방광암
방광암 재발
특징 선택
분류 방법
bladder cancer
recurrence
feature selection
classification methods
|
| 파일첨부 |
PDF 다운로드
|
