Core Concepts
3D 뇌 회색질 영상과 청력 역치 데이터를 활용하여 기계 학습 모델을 통해 난청을 예측할 수 있다.
Abstract
이 연구는 3D 뇌 자기공명영상(MRI) 데이터와 청력 역치 측정치를 활용하여 기계 학습 기법으로 난청을 예측하는 것을 목표로 한다.
데이터 준비 단계에서는 다양한 데이터 증강 기법을 적용하여 모델의 강건성을 높였다. 이를 통해 실제 임상 환경에서 발생할 수 있는 노이즈, 조명 변화, 초점 변화 등의 요인에 대응할 수 있도록 하였다.
모델링 접근법은 두 단계로 구성된다. 첫 번째 단계에서는 3D 합성곱 오토인코더를 사용하여 고차원 MRI 데이터를 저차원 잠재 공간으로 압축하였다. 이를 통해 데이터의 핵심 특징을 추출하고 계산 효율성을 높였다.
두 번째 단계에서는 이 압축된 특징을 입력으로 하여 Random Forest, XGBoost, 다층 신경망 등의 회귀 모델을 학습시켰다. 이를 통해 청력 역치를 예측하였다.
실험 결과, 다층 신경망 모델이 가장 우수한 성능을 보였다. PT500과 PT4000에 대해 각각 8.81 dB와 22.52 dB의 RMSE를 달성하였다. 이는 다른 모델들에 비해 더 정확한 예측이 가능함을 보여준다.
이 연구는 의료 진단 분야에서 데이터 마이닝의 활용 가능성을 보여주며, 기계 학습 기반 접근법을 통해 노인성 난청에 대한 이해를 높일 수 있다는 점에서 의의가 있다.
Stats
다층 신경망 모델의 PT500 RMSE: 8.81 dB
다층 신경망 모델의 PT4000 RMSE: 22.52 dB
Quotes
"이 프로젝트는 의료 진단 분야에서 데이터 마이닝의 활용 가능성을 보여주며, 기계 학습 기반 접근법을 통해 노인성 난청에 대한 이해를 높일 수 있다는 점에서 의의가 있다."