인공지능 기반의 미생물 균총과 질병과의 연관성 예측을 위한 Data Augmentation 방법론

제공된 미생물 균총 데이터를 기반으로 Data Augmentation 방법론인 Jittering, Scaling, Permutation, Magnitude Warping 등을 수행하여 확장된 학습 데이터를 구축하여 딥러닝의 성능을 높여준다. 실험결과, Jittering에 의한 Data Augmentation 방법이 learning dataset과 test dataset에 대하여 가장 높은 질병 예측 정확도를 나타내었다. 본 논문에서 제안된 Data Augmentation 방법론을 사용하면, 인공지능 기반의 미생물 균총과 질병과의 연관성 예측에 유용하게 적용될 수 있다.