본 논문은 뇌졸중 조기 예측을 위한 컴퓨터 단층촬영(CT) 스캔 기반의 새로운 머신러닝 접근 방식을 제시합니다. DenseNet201, InceptionV3, MobileNetV2, ResNet50, Xception 등의 사전 훈련된 딥러닝 모델을 이용하여 CT 이미지에서 특징을 추출하고, BFO, PCA, LDA와 같은 특징 엔지니어링 기법을 적용하여 모델 성능을 향상시켰습니다. SVC, RF, XGB, DT, LR, KNN, GNB 등의 머신러닝 알고리즘을 사용하여 분류를 수행하였으며, MobileNetV2, LDA, 그리고 SVC의 조합이 97.93%의 가장 높은 분류 정확도를 달성하였음을 보여줍니다. 이는 경량의 사전 훈련된 모델과 강력한 최적화 및 분류 기법을 통합하는 것이 뇌졸중 진단에 효과적임을 시사합니다.
