랜덤 포레스트 기계 학습 방법을 이용한 넙치의 복수 증상 분석

Analysis of Ascites Symptoms in Cultured Olive Flounder, Paralichthys Olivaceus, using a Random Forest Machine Learning Method

복수는 물고기의 복강에 체액이 비정상적으로 축적되는 상태로써 넙치의 건강 상태를 나타내는 중요한 지표이다. 박테리아, 바이러스, 기생충 등의 감염 과정에서 복수가 생길 수 있으며, 이로 인해 복부의 팽만, 부진한 성장 및 체중 감소 등이 나타난다. 본 논문에서는 넙치의 복수 증상에 영향을 미치는 다른 증상 또는 질병과의 연관성을 찾고자 하였다. 실험 데이터로는 복수의 증상을 복수 없음, 복수 투명, 복수 불투명의 3가지 상태로 구분하고 7년 동안 수집한 양식넙치의 질병진단 데이터를 사용하였다. 랜덤 포레스트 기계 학습 방법을 위해 적절한 전처리 과정을 수행한 후 복수 증상과 관련 있는 다른 증상 및 질병 인자들을 추출하였으며, 제안된 모델이 복수 증상 관련 주요 인자들을 제시해 줄 수 있음을 확인하였다.

Ascites is a condition in which body fluids are abnormally accumulated in the fish's abdominal cavity, and is an important indicator of the health of flounder. Ascites can occur in the process of infection with bacteria, viruses, parasites, etc., which causes abdominal distension, sluggish growth, and weight loss. In this paper, we tried to find the correlation with other symptoms or diseases that affect ascites symptoms in flounder. As experimental data, ascites symptoms were divided into three states: no ascites, ascites transparent, and ascites opaque, and disease diagnosis data of cultured flounder collected for 7 years were used. After performing an appropriate preprocessing process for the random forest machine learning method, other symptoms and disease factors related to ascites were extracted, and it was confirmed that the proposed model could present the main factors related to ascites.