Earticle

초록

영어

Diabetes is a metabolic disease in which blood sugar levels last for a long time. Diabetes is a disease that causes various complications of diseases such as cardiovascular and cerebrovascular, retinopathy, and diabetes foot ulcer in addition to the risk of its own disease. Complications that occur in this way are responsible for increasing the mortality rate. Accordingly, early detection of diabetes and treatment for complications should be accompanied, and for this, rapid diagnosis is required. In this study intends to build a machine learning model for diabetes classification using logistic regression machine learning algorithm among artificial intelligence techniques using diabetes patient data. Machine learning model was divided into 80% of training data and 20% of verification data using scikit-learn, and the cross-validation was divided into 5 to construct a model. Accuracy of machine learning results using logistic regression analysis was 92.24% on average, AUC 0.95, Recall 0.9294, Precision 0.927, F1 score 0.9248, and Kappa 0.6983, and the waist-hip circumference ratio was the most influential variable for diabetes classification. A high-performance model could be built through a simple model, and if variables related to personal lifestyle are added, it is believed that a better performance machine learning model can be built.

한국어

당뇨병은 혈당 수치가 오랜 시간 지속되는 대사질환이다. 당뇨병은 자체 질환에 대한 위험성과 더불어 심혈관과 뇌혈 관, 망막병증, 족부병변 등 질환 다양한 합병증을 유발하는 질병이다. 이렇게 발생하는 합병증으로 인해 사망률을 높이는 원인이 되고 있다. 이에 따라 당뇨병 조기발견과 합병증에 대한 치료가 수반되어야하며, 이를 위해 빠른 진단이 필요하 다. 이에 본 연구에서는 당뇨병 환자 데이터를 이용하여 인공지능 기법 중 로지스틱 회귀분석 머신러닝 알고리즘을 이용한 당뇨병 분류에 대한 머신러닝 모델을 구축하고자 한다. 머신러닝 모델은 scikit-learn을 이용하여 학습용 데이터 80%, 검증용 데이터 20%로 구분하고 교차검증을 5로 나누어 모델을 구성하였다. 로지스틱 회귀분석을 이용한 머신러닝 결과 정확도는 평균 92.24%, AUC 0.95, Recall 0.9294, Precision 0.927, F1 score 0.9248, Kappa 0.6983 이었으 며, 허리-엉덩이 둘레비율이 당뇨병 분류에 가장 큰 영향을 주는 변수였다. 간단한 모델을 통해 높은 성능의 모델을 구축할 수 있었으며, 개인 생활습관 등에 관한 변수를 추가한다면, 더욱 우수한 성능의 머신러닝 모델을 구축할 수 있을 것으로 사료된다.

목차

Abstract
Ⅰ. 서론
Ⅱ. 재료 및 방법
1. 당뇨병 환자 데이터셋
2. 머신러닝 모델
Ⅲ. 결과
Ⅳ. 고찰 및 결론
Ⅴ. 참고문헌
요약

키워드

저자

• Doo-Bin Kim [ 김두빈 | Department of Radiology, Uijeongbu Eulji Medical Center ]
• Han-Joon Yang [ 양한준 | Department of Radiology, Magnus Hospital ]
• Joo-Wan Hong [ 홍주완 | Department of Radiological science, College of Health Sciences, Eulji University ] Corresponding Author

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  대한디지털의료영상학회논문지 [Korean Journal of Digital Imaging in Medicine]

• 간기

  연3회

• pISSN

  1976-7641

• 수록기간

  1995~2026

• 십진분류

  KDC 510 DDC 610