Progress Seminar 2019.03.26 신희안

연구 진행 상황 보고서 인공 심폐기 Suture Force HF Classification 기타 2주전 계획 연구 결과 문제점 Software validation/기술문서 보완 사항 사이넥스 제출 나일론 시편 예비 실험 진행 Accuracy 증가 문제점 및 대책 목표 및 계획

저번 발표….:

Data imbalance class0: ~2800 class1: ~1400 ①class0: ~1400, class1: ~1400 으로 minor class의 data개수로 맞춤 ②전체의 80%를 training으로 분류 후, training set에 대해서만 Oversampling 기법인 SMOTE(Synthetic Minority Over-sampling Technique) 적용.  class0: 2674, class1: 2674

Network Structure- 1Hidden Layer (80 nodes) Class0: Survived over 1yr [1 0] Class1: Death within 1yr [0 1] Input   weights1   Hidden Layer Node Output: 1yr_death       weights2   Σ Σ                 ……. ……. …….               Σ Σ   …….         ……. Bias   Bias

5-fold Validation Accuracy Accuracy Training Test 0.95 0.71 0.98 0.72 ①class0: ~1400, class1: ~1400 으로 minor class의 data개수로 맞춤 ② Training set에 SMOTE(Synthetic Minority Over-sampling Technique) 적용. Accuracy Accuracy Training Test 0.95 0.71 0.98 0.72 0.97 0.93 0.73 Training Test 0.94 0.81 0.97 0.76 0.96 0.82 0.92

동물 실험 목표: 예비 실험 과정: Suture Force : 예비 실험 진행 각 시편의 최대 suture 값 파악 약물 주입으로 양의 혈압을 2가지 값으로 변화시킨 후, 심장 박동과 함께 심장의 어느 부분(시편의 위치로 파악)이 가장 큰 힘을 받는지 파악. 예비 실험 과정: Titanum  Nylon 합성된 polymer 재질로 시편 변경 (탄성력 ↑, 변형률 ↑) 고무 장갑으로 심장 조직 모사 고무 장갑에 suture하는 과정 측정 고무장갑을 튕기면서 심장 박동 모사하여 센서 값 측정

Suture Force – Suture Procedure V/V *10000

Suture Force – Heart beat mimic1 V/V *10000

Suture Force – Heart beat mimic2 V/V *10000

다음 예비 실험: 심장의 조직이 부위별로 단단함과 탄성이 다름 각기 다른 두께의 silicon으로 조직 모사 Strain Gauge silicon shielding 사용하여 실험 8 channel 모두 사용하여 실험

Data Preprocessing 195 parameters 4600 patients AGE Ht Wt BSA BMI SBP DBP HR EKG_QRSdur EKG_QT EKG_QTc EKG_HR WBC Platelet albumin Na K Hemoglobin BUN Creatinine glucose discharge_Na_max discharge_Na_min discharge_Na_imm discharge_K_max discharge_K_min discharge_K_imm discharge_Hb_max discharge_Hb_min discharge_Hb_imm discharge_BUN_max discharge_BUN_min discharge_BUN_imm discharge_Cr_max discharge_Cr_min discharge_Cr_imm discharge_glu_max discharge_glu_min discharge_glu_imm discharge_Bwt_max discharge_Bwt_min discharge_Bwt_imm GFR_MDRD hospit_d SEX Lung_Cong LV_dysf HF_new HF_type HTN DM DM_IHD HTN_new DM_new CHF CHF_admhx IHD prevMI prevPCI prevCABG prevAngina DCMP prevValveDis arrythmia atrialfib ICDimplant CRTop COPD CRF Cerebrovascular malignancy firstHTN firstDM firstCRF HTN_yn DM_yn IHD_yn ICD_yn CRT_yn smoking alcohol Afib_ECG VT EKG_Qwave EKG_RBBB EKG_LBBB EKG_IVCD Etiol_HF_IHD01 Etiol_HF_val01 Etiol_HF_cong01 Etiol_HF_CMP01 Etiol_HF_hyperten01 Etiol_HF_myositis01 Etiol_HF_infil01 Etiol_HF_tachy01 Etiol_HF_thyroid01 Etiol_HF_toxic01 Etiol_HF_unknown01 Etiol_HF_others01 HF_Agg_ACS HF_Agg_HTN HF_Agg_Tachy HF_Agg_Brady HF_Agg_Infection HF_Agg_PulmEmboli HF_Agg_RenalFail HF_Agg_anemia HF_Agg_meds HF_Agg_noncompliance HF_Agg_alcohol HF_Agg_endoAbnor HF_Agg_neginotropics HF_Agg_others HF_Agg_UK HF_Agg_numb Med_ACEI_befAdm Med_ACEI_durAdm Med_ACEI_dis Med_ARB_befAdm Med_ARB_durAdm Med_ARB_dis Med_BB_befAdm Med_BB_durAdm BB_dis_Yn Med_BB_dis Med_AA_befAdm Med_AA_durAdm Med_AA_dis Med_nitrate Med_hydralazine Med_LoopD LoopD_Yn Med_Thiazide Thiazide_Yn Med_Amiodarone Med_digoxin Med_HepLMWH Med_Warfarin Med_asp Med_statin Med_Ivabradine Med_dronedarone Med_DM_insulin Med_DM_SU Med_DM_Met Med_DM_Glita Med_DM_acarbose Med_DM_DPP4 Med_DM_meglitinide Med_DM_num Med_IV_diuretics Med_IV_dobuta Med_IV_dopa Med_IV_milrinone Med_IV_levo Med_IV_NP Med_IV_NG Med_IV_number IVmed_diuretics IVmed_inotropics IVmed_vasodilater MechVentil AssDev_IABP AssDev_LVAD AssDev_ECMO AssDev_CRT AssDev_number renalRT transfusion discharge_state discharge_NYHA CVAstroke ICUAdm C1_8_1__10 OtherTreatment OtherTx_HTPL OtherTx_CRT OtherTx_ICD OtherTx_VAD OtherTx_ECMO OtherTx_PCI OtherTx_CABG OtherTx_ValOP OtherTx_celltx Na_twice K_twice Hb_twice BUN_twice Cr_twice glu_twice EF_twice Bwt_twice ACEI_ARB_B ACEI_ARB_IH ACEI_ARB_3D ACEI_ARB_DC 1yr_death 195 parameters 4600 patients

Output Change Data imbalance 저번 시간: Duration<365days Follow up duration + Follow up death 1년 내 사망 유무(binary parameter) Duration<365days Duration>365days Follow-up Death(O) Not Survived [1] Missing Death(X) [0] Data imbalance class0: ~2800 class1: ~1400 ①class0: ~1400, class1: ~1400 으로 minor class의 data개수로 맞춤 ②전체의 80%를 training으로 분류 후, training set에 대해서만 Oversampling 기법인 SMOTE(Synthetic Minority Over-sampling Technique) 적용.  class0: 2674, class1: 2674