Deep learning facilitates the diagnosis of adult asthma
We explored whether the use of deep learning to model combinations of symptom-physical signs and objective tests, such as lung function tests and the …
www.sciencedirect.com
Summary
Background: symptom-physical signs과 objective tests의 조화에 딥러닝을 적용하였을 때, 어른 천식환자들의 초기 진단을 예측하는데 머신러닝보다 더 나은 성능을 보였다.
Methods: Kindai 대학병원에 non-specific respiratory symptoms을 가지고 처음 방문한 566명의 환자의 후향적 데이터를 이용. logistic, SVM, DNN사용.
Results: symptom-physical sign만으로 모델을 돌리면 대략 DNN,SVM,logistic이 0.65정도의 acc를 갖는데, biochemical findings, lung function test, bronchial challenge test를 추가하여 모델을돌리면 DNN은 0.98의 높은 정확도를 보이고 SVM: 0.82, logistic은 0.94wjdeh.
Conclusions: classical machine learning에 비해 adult asthma를 진단하는데 매우 용이하다.
1. Introduction
외적인 기침, 숨쉬기 어려움, 쎅쎅거림 등으로 판단하면 30프로정도는 misdiagnosis
복합적 질환으로서 gold standard가 존재하지 않는다.
이전에 symptom sign score를 만듦
그렇지만 약한 증상을 가진 사람들은 추가 진단에 의해 diagnosis해야함.
linear regression model을 사용해서 accuracy를 보니 symptom sign score만놓고 보면 70정도.
*equivocal: 모호한
*non-specific: 불특정의, 일반적인
*peripheral: 말초의, 중요하지 않은 부분의
2. Methods
classifier: logistic analysis, SVM and DNN
초기에 tensorflow로 변수 초기화하고, 뭐 딥러닝해서 해주는 파라미터 튜닝등을 거쳤다. 블라블라
(1) logistic regression analysis
(2) SVM
(3) DNN
10 fold-stratified cross validation
'논문 > 의료논문' 카테고리의 다른 글
| Novel Machine Learning Can Predict Acute Asthma Exacerbation 논문 리뷰 (0) | 2021.04.27 |
|---|---|
| 논문 abstract 간단 정리 - Omics 연구 영국 기관 논문 (0) | 2019.12.27 |