• 응용통계연구
• /
• 제33권5호
• /
• pp.541-553
• /
• 2020

Receiver operating characteristic (ROC) 곡선은 민감도와 특이도로 표현되며, ROC 곡선을 이용하는 최적분류점도 민감도와 특이도만을 반영하지만, 본 연구에서는 질병률과 효용을 추가하여 고려하는 기대효용함수를 연구한다. 특히 교차하는 ROC 곡선들의 area under the ROC curve (AUC) 값들이 유사한 경우에 특정한 부분의 부분 AUC를 비교해야 한다. 본 연구에서는 정의된 민감도 직선과 특이도 직선을 바탕으로 각각 높은 민감도와 특이도를 나타내는 부분 AUC를 제안한다. ROC 곡선들이 교차하고 동일한 AUC 값을 갖는 다양한 분포함수를 설정하여, 민감도 직선과 특이도 직선을 이용하여 구한 부분 AUC를 비교하면서 모형의 판별력을 향상시키는 방법을 제안한다.

• Communications for Statistical Applications and Methods
• /
• 제29권5호
• /
• pp.533-545
• /
• 2022

Collection of data on several variables, especially in the field of medicine, results in the problem of measurement errors. The presence of such measurement errors may influence the outcomes or estimates of the parameter in the model. In classification scenario, the presence of measurement errors will affect the intrinsic cum summary measures of Receiver Operating Characteristic (ROC) curve. In the context of ROC curve, only a few researchers have attempted to study the problem of measurement errors in estimating the area under their respective ROC curves in the framework of univariate setup. In this paper, we work on the estimation of area under the multivariate ROC curve in the presence of measurement errors. The proposed work is supported with a real dataset and simulation studies. Results show that the proposed bias-corrected estimator helps in correcting the AUC with minimum bias and minimum mean square error.

• 응용통계연구
• /
• 제35권1호
• /
• pp.35-47
• /
• 2022

Receiver operating characteristic (ROC) 곡선은 이항 반응 자료에 대한 마커의 분류 예측력을 측정하기 위해 널리 적용되어왔으며 최근에는 생존 분석에서도 매우 중요한 역할을 하고 있다. 여러 가지 유형의 중도 절단과 원인 불명 등 다양한 종류의 결측 자료를 포함한 생존 자료 분석에서 마커의 사건 발생 여부에 대한 예측력을 판단하기 위해 기존의 통계량을 확장하였다. 생존 분석 자료는 각 시점에서의 사건 발생 여부로 이해할 수 있으며, 따라서 시점마다 ROC 곡선과 AUC를 구할 수 있다. 본 논문에서는 우중도 절단과 경쟁 위험 모형하에서 사용되는 다양한 방법론과 관련 R 패키지를 소개하고 각 방법의 특성을 설명하고 비교하였으며 이를 검토하기 위해 간단한 모의실험을 시행하였다. 또한, 프랑스에서 수집된 치매 자료의 마커 분석을 시행하였다.

• Communications for Statistical Applications and Methods
• /
• 제26권2호
• /
• pp.205-216
• /
• 2019

Diagnostic tests in medical fields detect or diagnose a disease with results measured by continuous or discrete ordinal data. The performance of a diagnostic test is summarized using the receiver operating characteristic (ROC) curve and the area under the curve (AUC). The diagnostic test is considered clinically useful if the outcomes in actually-positive cases are higher than actually-negative cases and the ROC curve is concave. In this study, we apply the stochastic ordering method in a Bayesian hierarchical model to estimate the proper ROC curve and AUC when the diagnostic test results are measured in discrete ordinal data. We compare the conventional binormal model and binormal model under stochastic ordering. The simulation results and real data analysis for breast cancer indicate that the binormal model under stochastic ordering can be used to estimate the proper ROC curve with a small bias even though the sample sizes were small or the sample size of actually-negative cases varied from actually-positive cases. Therefore, it is appropriate to consider the binormal model under stochastic ordering in the presence of large differences for a sample size between actually-negative and actually-positive groups.

• Communications for Statistical Applications and Methods
• /
• 제17권2호
• /
• pp.275-292
• /
• 2010

동일 환자에게 적용된 2가지 진단검사의 정확성을 비교하기 위한 방법들 중에서 두개의 ROC곡선 아래 면적(AUC; Area Under Curve)의 차이는 주요한 잣대 중 하나이다. 본 연구에서는 AUC의 차이를 추정하는 방법으로 비모수적방법, 최대가능도법, 일반화추축량에 의한 방법, 붓스트랩방법의 4가지를 포함확률(coverage probability), 기대길이 (expected length) 측면에서 모의실험을 통하여 비교하였다.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제5권3호
• /
• pp.263-267
• /
• 2005

Building classifiers for financial real-world classification problems is often plagued by severely overlapping and highly skewed class distribution. New performance measures such as receiver operating characteristic (ROC) curve and area under ROC curve (AUC) have been recently introduced in evaluating and building classifiers for those kind of problems. They are, however, in-effective to evaluation of classifier's discrimination performance in a particular class of the classification problems that interests lie in only a local operating range of the classifier, In this paper, a new method is proposed that enables us to directly improve classifier's discrimination performance at a desired local operating range by defining and optimizing a partial area under ROC curve or domain-specific curve, which is difficult to achieve with conventional classification accuracy based learning methods. The effectiveness of the proposed approach is demonstrated in terms of fraud detection capability in a real-world fraud detection problem compared with the MSE-based approach.

• 전자공학회논문지CI
• /
• 제45권6호
• /
• pp.179-186
• /
• 2008

본 논문에서는 베이지안 알고리즘이 불균형 데이터의 학습 시 나타나는 현상을 분석하고 성능 평가 방법을 비교하였다. 사전 데이터 분포를 가정하고 불균형 데이터 비율과 분류 복잡도에 따라 발생된 분류 문제에 대해 베이지안 학습을 수행하였다. 실험 결과는 ROC(Receiver Operator Characteristic)와 PR(Precision-Recall) 평가 방법의 AUC(Area Under the Curve)를 계사하여 불균형 데이터 비율과 분류 복잡도에 따라 분석되었다. 비교 분석에서 불균형 비율은 기 수행된 연구 결과와 같이 베이지안 학습에 영향을 주었으며, 높은 분류 복잡도로부터 나타나는 데이터 중복은 학습 성능을 방해하는 요인으로 확인되었다. PR 평가의 AUC는 높은 분류 복잡도와 높은 불균형 데이터 비율에서 ROC 평가의 AUC보다 학습 성능의 차이가 크게 나타났다. 그러나 낮은 분류 복잡도와 낮은 불균형 데이터 비율의 문제에서 두 측정 방법의 학습 성능의 차이는 미비하거나 비슷하였다. 이러한 결과로부터 PR 평가의 AUC는 클래스 불균형 문제의 학습 모델의 설계와 오분류 비용을 고려한 최적의 학습기를 결정하는데 도움을 줄 수 있다.

• Biomolecules & Therapeutics
• /
• 제7권4호
• /
• pp.342-346
• /
• 1999

This study was performed to investigate the effect of cyclosporine (CsA) on glucose tolerance and peripheral insulin sensitivity in normal Sprague-Dawley rats. After daily treament of CsA (10 mg/kg, i.p.) for two weeks, glucose tolerance tests were carried out by the treatment of glucose (Glu, 2 g/kg, i.p.) alone or in conjunction with exogenous insulin (Ins; human regular insulin, 5 U/kg, s.c.) and measured the decrement of area under the time-plasma glucose concentration curve ($AUC_{o\longrightarrow120}$; g.min/ml) by the trapezoidal rule. The rats were divided into three groups (Glu- (Control), Ins+Glu- and CsA+Ins+Glu-, n=7 in each group). The $AUC_{o\longrightarrow120}$ of the CsA+Ins+Glu-group was significantly (p<0.01) lower than that of Glu-group (61.0% of control) and significantly (p<0.05) higher than that of Ins+Glu-group (197.4% of Ins+Glu-). The CsA+Ins+Glu- grou showed higher levels of maximal blood glucose concentration and higher $AUC_{o\longrightarrow120}$ than those of Ins+Glu-group in normal rats. Besides direct pancreatic toxicity of CsA previously reported (Hahn et al., 1972), these results suggest that CsA also make the possibility to induce peripheral insulin insensitivity and glucose intolerance in normal rats.

• Communications for Statistical Applications and Methods
• /
• 제16권6호
• /
• pp.1005-1012
• /
• 2009

The area under the curve(AUC) is commonly used as a measure of the receiver operating characteristic(ROC) curve which displays the performance of a set of binary classifiers for all feasible ratios of the costs associated with true positive rate(TPR) and false positive rate(FPR). In the bipartite ranking problem where one has to compare two different observations and decide which one is "better", the AUC measures the quantity that ranking score of a randomly chosen sample in one class is larger than that of a randomly chosen sample in the other class and hence, the function which maximizes an AUC of bipartite ranking problem is different to the function which maximizes (minimizes) accuracy (misclassification error rate) of binary classification problem. In this paper, we develop a way to construct the unified framework for AUC maximizer including support vector machines based on maximizing large margin and logistic regression based on estimating posterior probability. Moreover, we develop an efficient algorithm for the proposed unified framework. Numerical results show that the propose unified framework can treat various methodologies successfully.

• Ultrasonography
• /
• 제32권2호
• /
• pp.132-142
• /
• 2013

목적: 전립선암 (PC-3, LNCaP)의 이종이식쥐 모델에서 초음파 조영제를 이용하여 측정한 시간-신호강도 곡선을 통해 얻은 역학적 변수를 조직병리적 변수와 비교하고자 하였다. 대상 및 방법: 20마리의 누드마우스에 인간전립선암세포(15 PC-3, 5 LNCaP)를 다리에 주입하여 이종이식쥐 모델을 제작하였다. 이후 $500{\mu}L$의 2세대 초음파 조영제인 Sonovue를 후안와정맥을 통해 주입하였다. 관심영역은 종양의 전체를 포함할 수 있게 그린 후, 시간-신호강도 곡선을 얻고 이를 감마변량함수에 적합시켰다. 최고신호강도(A), 최고도달시간 (Tp), 최고유입률 (washin), 최고 유출률 (washout), 50초까지의 곡선하면적 ($AUC_{50}$), 유입기면적 ($AUC_{in}$), 유출기면적 ($AUC_{out}$) 등을 감마변량함수에서 도출하였다. VEGF와 CD31에 대한 면역조직화학염색법을 시행하였고, 종양부피, 시야당 VEGF 면적백분율, CD31 양성 미세혈관수 (MVD) 등을 계산한 후 이를 시간신호강도에서 얻은 역학적 변수와 상관성을 조사하였다. 결과: PC-3 와 LNCaP간 동적 및 조직병리학적 변수의 통계적 차이는 없었다. MVD는 A (r=0.625, p=0.003), washin (r=0.462, p=0.040), AUC (r=0.604, p=0.005), $AUC_{out}$ (r=0.587, p=0.007) 과 유의한 상관관계를 보였다. 또한 종양부피와 $AUC_{50}$ (r=0.481, p=0.032), washin(r=0.662, p=0.001), $AUC_{out}$ (r=0.547, p=0.012) 도 유의한 양의 상관관계를 보였으며, washout은 MVD (r=-0.454, p=0.044) 및 종양부피 (r=-0.464, p=0.039)에 모두 음의 상관관계를 보였다. 그러나 시야당 VEGF 면적백분율은 역학적 변수와 유의한 상관관계를 보이지 않았다. 결론: MVD는 다수의 역학적 변수와 상관관계를 보였다. 초음파 조영제를 이용한 초음파는 전립선암 동물모델에서 종양의 혈관성을 예측할 수 있는 가능성을 보였다.