Support Vector Machine과 인공신경망을 이용한 태아곤란증 태아의 분류

Abstract

비 침습적인 자료인 태아심박동(fetal heart rate)과 그 관련변수 만을 이용하여 태아곤란증(fetal distress) 태아를 support vector machine과 인공신경망을 이용하여 분류를 시도하였다. 태아심박동 관련변수로 태동(no. of fetal movement), 변이도 (amplitude, mean minute range), 태아심박동 증가와 감소횟수 등과 근사엔트로피(appoximate entropy) 등의 변수를 적용해 본 결과, 인공신경망의 평균적인 오분류율은 13%이고 SVM의 오분류율은 7%로 태아심박동의 자료의 분류에서 더 효과적임을 확인할 수 있었다. 향 후, 본 연구의 결과는 종합적인 비정상태아판별 알고리즘에 응용될 수 있으리라 기대한다.