메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김주영 (부경대학교) Vu Tuan Anh (부경대학교) 하일도 (부경대학교)
저널정보
한국데이터정보과학회 한국데이터정보과학회지 한국데이터정보과학회지 제36권 제1호
발행연도
2025.1
수록면
115 - 126 (12page)
DOI
10.7465/jkdi.2025.36.1.115

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
고차원 생존데이터 (high-dimensional survival data)는 수 (n)에 비해 입력 변수의 개수 (p)가 매우 많은 중도절단 생존데이터이기 때문에, Cox (1972) proportional hazards (PH) 모형 기반 벌점화 생존분석 (penalized survival analysis)이 주로 사용 되어 왔다. 하지만, 이러한 모형 분석법은 입력변수들의 위험함수에 대해 선형성을 가정하기 때문에 입력변수들의 비선형 및 상호작용(interaction) 패턴을 효과적으로 학습할 수 없다. 이와 같은 문제점을 개선하기 위해 본 논문에서는 Cox-PH 모형을 기반으로 DNN (deep neural network)과 CNN (convolutional neural network)을 결합한 어텐션 (attention) 기반 멀티모달 (multi-modal) CNN (즉 MCNN)을 제안한다. MCNN 생존모형 학습을 위해 Breslow 벌점 로그가능도 (Breslow’s penalized log-likelihood)에 기반한 손실함수를 사용한다. 제안된 MCNN 모형의 예측 성능을 평가하기 위해 세 가지 실제 고차원 생존 데이터를 사용하였으며, 분석 결과 MCNN은 기존의 다양한 생존분석 방법들에 비해 concordance index (C-index)와 integrated Brier score (IBS) 측면에서 우수한 예측력을 보였다.
#고차원 생존데이터 #딥러닝 #Cox-PH 모형 #High-dimensional survival data #deep learning #CNN #Cox-PH model #MCNN

목차

요약
1. 서론
2. 멀티모달 생존모형 (MCNN)
3. 실험 방법 및 결과
4. 토론 및 향후 연구
References
Abstract

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-25-02-092357848