Centrala begrepp
심장 시계열 데이터에서 변화점 탐지 알고리즘의 성능을 평가하고, 변화점 특성을 활용한 질병 분류 기법을 제안한다.
Sammanfattning
이 연구는 심장 시계열 데이터에서 변화점 탐지 알고리즘의 성능을 평가하고, 변화점 특성을 활용한 질병 분류 기법을 제안한다.
먼저, 8개의 주요 변화점 탐지 알고리즘을 비교 평가하였다. 실제적인 인공 심장 시계열 데이터를 사용하여 알고리즘의 성능을 시간적 허용 오차, 잡음, 부정맥 등의 함수로 평가하였다. 이를 통해 각 알고리즘의 최적 매개변수를 선정하였다.
다음으로, 선정된 매개변수를 사용하여 실제 데이터(REM 행동 장애 환자 22명, 정상 대조군 15명)에 적용하였다. 탐지된 변화점의 통계적 특성을 추출하여 K-최근접 이웃 분류기로 REM 행동 장애 환자와 정상 대조군을 분류하였다.
실험 결과, 변화점 탐지 알고리즘 중 Recursive Mean Difference Maximization (RMDM)이 가장 높은 분류 정확도(0.89)와 진양성률(0.87)을 보였다. 이는 기존 연구에 비해 크게 향상된 성능이다. 이를 통해 변화점 특성이 질병 분류에 유용한 정보를 제공할 수 있음을 확인하였다.
Statistik
변화점 탐지 알고리즘 중 RMDM이 가장 높은 진양성률(0.87)을 보였다.
변화점 특성 기반 분류기가 기존 연구 대비 크게 향상된 분류 정확도(0.89)와 진양성률(0.87)을 달성하였다.