TabNet 모델 기반 정형 데이터를 활용한 유방암 예측

초록

본 연구는 유방암 정형 데이터에 관한 딥러닝 모델 TabNet의 성능을 평가하고자 수행되었다. 연구 데이터는 WDBC(Wisconsin Diagnostic Breast Cancer)를 사용하였으며, 위스콘신 대학교에서 제공한 유방암 진단 결과 정형 데이터이다. 변수는 환자 식별 번호, 양성 여부, 종양의 상태로 이루어졌다. 어떤 변수가 유방암 예측에 가장 영향을 미치는지 파악하기 위해 정형 데이터에 특화된 딥러닝 모델 TabNet을 사용하였다. 연구 결과, 악성 종양 판단에 영향을 미치는 가장 큰 요인은 종양의 매끄러움, 질감, 반경의 평균 등이 있었다. 반면, 양성과 악성을 구분할 수 없는 요인은 비대칭적인 종양, 종양의 둘레, 오목한 점의 수 등이 있었다. WDBC에 대한 TabNet의 AUC Score에 대해서 Valid Data는 0.96356, Test Data는 0.94494로 높은 성능을 보였다.

키워드