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

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
대한예방치과·구강보건학회 대한구강보건학회지 대한구강보건학회지 제44권 제1호
발행연도
2020.1
수록면
55 - 63 (9page)

이용수

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

이 논문의 연구 히스토리 (2)

2020

12세 아동 우식경험영구치아수 예측을 위한 머신러닝 알고리즘의 적용
양용훈 ,  김지수 ,  정승화 대한구강보건학회지 2020.01 학술저널

2019

12세 아동 우식경험영구치아수 예측을 위한 머신러닝 알고리즘의 적용
양용훈 치의학과 2019.01 학위논문

초록· 키워드

오류제보하기
Objectives: The decayed-missing-filled (DMFT) index is a representative oral health indicator. Prediction of DMFT index is an important basis for the development of public oral health care projects and strategies for caries prevention. In this study, we used data from the 2015 Korean children’s oral health survey to predict DMFT index and caries risk groups using statistical techniques and four different machine-learning algorithms. Methods: DMFT prediction models were constructed using multiple linear regression and four different machine-learning algorithms: decision tree regressor, decision tree classifier (DTC), randomforest regressor, and random forest classifier (RFC). Thereafter, their accuracies were compared. Results: For the DMFT predictive model, the prediction accuracy of multiple linear regression and RFC were 15.24% and 43.27%, respectively. The accuracy of DTC prediction was 2.84 times that of multiple linear regression. The important feature of the machine-learning model, which predicts DMFT index and the caries risk group, was the number of teeth with sealants. Conclusions: Using data from the 2015 Korean children’s oral health survey, which is considered bigdata in the field of oral health survey in Korea, this study confirmed that machine-learning models are more useful than statistical models for predicting DMFT index and caries risk in 12-year old children. Therefore, it is expected that the machine-learning model can be used to predict the DMFT score.

목차

등록된 정보가 없습니다.

참고문헌 (28)

참고문헌 신청
Petersen PE / 2005 / The global burden of oral diseases and risks to oral health / Bull World Health Organ 83:661~669 google schola Fejerskov O / 2015 / Dental caries / John Wiley & Sons, Ltd :7~10 google schola Ministry of Health & Welfare / 2015 / Korean Children’s Oral Health Survey google schola 설민수 / 2016 / 머신러닝 인공지능의 법 분야 적용의 현재와 미래： 미국의 현황과 법조인력 구조 및 법학교육에 대한 논의를 중심으로 / 저스티스 156:269~302 dbpia National library of Korea / Leading the fourth industrial revolution-artificial intelligence and deep learning / National library of Korea digital collection google schola

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