테스트 데이터 개요 스트 데이터(Test Data는 데이터 과학 및 기계 학습 프로젝트에서 모델의능을 평가하기 위해 사용되는 데이터의 하 집합입니다.적으로 전체 데이터셋은 훈련(Training), 검증(Validation), 테스트(Test) 데이터로 분할되며, 이 중 테 데이터는 모델발 과정에서 최종 평가 단에서 사용됩니다 테스트 데이터는 모이 훈련 과에…
검색 결과
"암 진단"에 대한 검색 결과 (총 41개)
의학 검사 (Medical Test) 1. 개요 의학 검사는 환자의 신체 상태, 생리적 기능, 병리적 변화를 객관적으로 측정하여 질병의 유무를 진단하고, 치료 방향을 결정하며, 치료 후의 경과를 관찰하기 위해 시행하는 모든 과학적 분석 절차를 의미한다. 현대 의학에서 검사는 주관적인 문진과 신체 진찰의 한계를 보완하여, 근거 중심 의학(Evidence-Ba…
정밀도 정밀도(Precision)는 인공지능 특히 머신러닝 모델의 성능을 평가하는 핵심 지표 중 하나로, 모델이 긍정 클래스(positive class)로 예측한 샘플 중 실제로 긍정인 샘플의 비율을 의미합니다. 주로 분류(Classification) 작업에서 사용되며, 특히 불균형 데이터셋(imbalanced dataset)에서 모델의 신뢰도를 판단하는 …
재현율 개요 재현율(Recall)은 인공지능, 특히 머신러닝 모델의 성능을 평가하는 핵심 지표 중 하나로, 정답인 사례 중에서 모델이 얼마나 많은 것을 올바르게 찾아냈는지를 나타내는 비율입니다. 주로 분류 문제, 특히 이진 분류(Binary Classification)에서 사용되며, 민감도(Sensitivity) 또는 참양성률(True Positive Ra…
오류 비용 (Cost of Error) 1. 개요 오류 비용(Cost of Error)이란 머신러닝 모델이나 통계적 의사결정 시스템이 잘못된 예측을 내렸을 때 발생하는 경제적, 사회적, 혹은 물리적 손실의 가치를 의미한다. 오류 비용은 품질 경영(Six Sigma, Taguchi Loss Function)이나 경제학 등 다양한 분야에서 다루는 광범위한 개념…
대장암 개요 대장암(Col은 대장(결장 및 직장)의 점막 상피세포에서 발생하는 악성 종양으로, 전 세계적으로 가장 흔한 암 중 하나이며, 사망 원인 암 순위에서도 상위를 차지하고 있다. 한국을 포함한 선진국에서는 식생활의 서구화, 고지방 저섬유소 식이, 흡연, 음주, 운동 부족 등의 생활습관 변화로 인해 발생률이 꾸준히 증가하고 있다. 대장암은 조기에 발견…
데이터 리크 (Data Leakage) 개요 데이터 리크(Data Leakage)란 머신러닝 모델을 학습시킬 때, 모델이 예측해야 할 타겟(Target) 정보나 테스트 데이터셋의 정보가 학습 데이터셋에 의도치 않게 포함되어 모델의 성능이 비정상적으로 높게 측정되는 현상을 말한다. 데이터 리크가 발생하면 학습 단계에서는 매우 높은 정확도와 낮은 오차를 보이지…
췌장암 (Pancreatic Cancer) 1. 개요 췌장암은 췌장(Pancreas)에 발생하는 악성 종양으로, 소화 효소를 분비하는 외분비 기능과 인슐린 등의 호르몬을 조절하는 내분비 기능을 수행하는 췌장 조직에서 암세포가 증식하는 질환이다. 췌장은 위장 뒤쪽, 복강 깊숙한 곳에 위치하여 일반적인 신체 검진으로는 발견이 매우 어렵다. 또한, 초기에는 뚜렷…
의료 AI 의료 인공지능(Medical Artificial Intelligence, 이하 의료 AI)은 인공지능 기술을 의료 분야에 적용하여 질병의 진단, 치료 계획 수립, 예후 예측, 의료 영상 분석, 신약 개발 등 다양한 의료 활동을 지원하는 기술을 의미합니다. 특히 AI 진단 소프트웨어는 의료 AI의 핵심 분야 중 하나로, 의사의 진단을 보조하거나 보…
자기공명영상 (Magnetic Resonance Imaging, MRI) 자기공명영상(MRI)은 강한 자기장과 라디오파(RF pulse)를 이용하여 인체 내부의 상세 영상을 얻는 비침습적 검사법입니다. 방사선을 사용하지 않고 신체 내부의 수소 원자핵이 반응하는 원리를 이용하므로, 인체에 무해하면서도 매우 정밀한 해부학적 정보를 제공합니다. (그림: 수소 원…
예측 불확실성 (Predictive Uncertainty) 1. 개요 예측 불확실성(Predictive Uncertainty)이란 통계적 모델이나 머신러닝 알고리즘이 특정 입력값에 대해 출력값을 예측할 때, 그 예측 결과가 얼마나 불확실한지를 나타내는 척도이다. 일반적으로 '예측 오차(Prediction Error)'가 실제 정답과 예측값 사이의 거리라는 …
F1-score 1. 개요 F1-score는 분류 모델의 성능을 평가하는 지표로, 정밀도(Precision)와 재현율(Recall)의 조화 평균(Harmonic Mean)으로 계산되는 수치입니다. 일반적으로 분류 모델의 성능을 측정할 때 정확도(Accuracy)를 사용하지만, 데이터의 클래스 분포가 매우 불균형한 경우(Imbalanced Data) 정확도는…
개인 리스크 (Personal Risk) 1. 개요 개인 리스크(Personal Risk)란 개인이 삶을 영위하는 과정에서 직면하게 되는 불확실한 사건으로 인해 신체적, 정신적, 경제적 손실을 입을 가능성을 의미한다. 현대 사회에서 개인 리스크는 단순히 운의 영역이 아니라, 체계적인 관리와 대비가 필요한 경제적 변수로 취급된다. 리스크가 적절히 관리되지 않…
TPR (True Positive Rate, 진양성률) 1. 개요 TPR(True Positive Rate, 진양성률)은 이진 분류 모델이 실제 '양성(Positive)'인 샘플을 얼마나 정확하게 '양성'으로 예측했는지를 나타내는 비율이다. 분야에 따라 다양한 명칭으로 불리는데, 통계학 및 의학 분야에서는 민감도(Sensitivity)라고 하며, 머신러닝 …
모델 평가 (Model Evaluation) 1. 개요 모델 평가란 학습된 머신러닝 모델이 새로운 데이터에 대해 얼마나 정확하고 일반화된 예측 성능을 보이는지를 정량적으로 측정하는 과정이다. 모델 평가의 핵심 목적은 모델의 일반화 성능(Generalization Performance)을 확인하는 것이다. 모델이 학습 데이터에만 지나치게 최적화되어 새로운 데…
전립선 MRI (Prostate MRI) 개요 전립선 MRI는 자기공명영상(Magnetic Resonance Imaging) 기술을 이용하여 전립선의 해부학적 구조와 조직의 특성을 고해상도로 시각화함으로써, [[전립선암]]의 진단, 병기 결정 및 치료 계획 수립을 돕는 정밀 의료 영상 검사이다. 특히 전립선암의 조기 발견과 국소 침범 여부를 판단하는 데 있…
모델 예측 (Model Prediction) 개요 모델 예측(Model Prediction)은 머신러닝 및 딥러닝 분야에서 학습된 알고리즘이 새로운, 보지 못한 데이터(Unseen Data)에 대해 특정 결과를 도출해 내는 과정을 의미합니다. 모델 학습(Model Training)이 과거의 데이터(레이블이 있는 정답 데이터)를 통해 패턴을 학습하고 가중치(…
CT (Computed Tomography) CT(Computed Tomography, 전산화 단층 촬영)는 X선을 이용하여 인체의 단면 이미지를 고해상도로 재구성하는 비침습적 의료 영상 진단 기술입니다. 1972년 영국의 엔지니어인 고프리 하운스필드(Godfrey Hounsfield)가 발명하여 1979년 노벨 생리의학상을 수상한 이후, 현대 의학에서 가…
재현율 (Recall) 재현율(Recall)은 머신러닝과 데이터 과학 분야에서 분류(Classification) 모델의 성능을 평가하는 핵심 지표 중 하나입니다. 특히 불균형 데이터(Imbalanced Data)가 존재하거나, 거짓 음성(False Negative)의 비용이 매우 높은 상황에서 모델의 민감도(Sensitivity)를 파악하는 데 필수적인 개…
정밀도 정밀도(Precision)는 인공지능, 특히 머신러닝 모델의 성능을 평가하는 핵심 지표 중 하나로, 모델이 긍정으로 예측한 샘플 중 실제로 긍정인 비율을 의미합니다. 주로 분류 문제, 특히 이진 분류(Binary Classification)에서 사용되며, 모델의 예측 결과가 얼마나 신뢰할 수 있는지를 판단하는 데 중요한 역할을 합니다. 정밀도는 단순…