한글내용
(Korean Abstract) |
본 논문에서는 개인의 웨어러블 장치(wearable device)에서 추출한 데이터와 가정의 전력 소비량 데이터에 기반하여 머신러닝 모델링을 이용한 노인 우울증을 탐지한다. 우선 수집된 데이터로부터 설명력을 가지는 특징을 추출하고, 지도학습(supervised learning) 모델링을 위한 출력변수를 설정한 후, 클래스 불균형 문제를 고려한 예측 모델을 구축한다. 출력변수 설정을 위해 PHQ-9(patient health questionnaire-9) 도구와 GDS-SF(geriatric depression scale-short form) 노인우울척도를 활용하고, 이들의 개인화된 통계값을 이용하여 이범주 변수 출력을 위한 기준을 결정할 수 있었다. 실제 노인 생활 패턴 데이터 및 우울 진단 데이터를 활용하여 총 8개의 머신러닝 분류 모델을 사용하였으며, 우수한 탐지 성능을 기록하였다.
|
