DOI QR코드

DOI QR Code

A Design of a Distributed Computing Problem Solving Environment for Dietary Data Analysis

식이 데이터 분석을 위한 분산 컴퓨팅 문제풀이환경 설계

  • 최지은 (숙명여자대학교 컴퓨터과학과) ;
  • 안윤선 (숙명여자대학교 컴퓨터과학과) ;
  • 김윤희 (숙명여자대학교 컴퓨터과학과)
  • Received : 2015.01.09
  • Accepted : 2015.05.03
  • Published : 2015.07.15

Abstract

Recently, wellness has become an issue related to improvements in personal health and quality of life. Data that are accumulated daily, such as meals and momentum records, in addition to body measurement information such as body weight, BMI and blood pressure have been used to analyze the personal health data of an individual. Therefore, it has become possible to prevent potential disease and to analyze dietary or exercise patterns. In terms of food and nutrition, analyses are performed to evaluate the health status of an individual using dietary data. However, it is very difficult to process the large amount of dietary data. An analysis of dietary data includes four steps, and each step contains a series of iterative tasks that are executed over a long time. This paper proposes a problem solving environment that automates dietary data analysis, and the proposed framework increases the speed with which an experiment can be conducted.

개인의 건강과 삶의 질의 향상을 위해 웰니스에 대한 사람들의 관심이 증가하고 있다. 개인의 건강 데이터 분석을 위해 체중, BMI, 혈압과 같은 신체 측정 데이터를 사용하거나 일상생활의 식사 기록이나 운동량 기록으로 축적된 데이터를 사용한다. 축적된 건강 데이터는 개인이 가진 잠재적인 질병을 예측하거나 식사 또는 운동 패턴의 분석이 가능하다. 식품 영양학 분야에서는 여러 명의 식이 데이터와 건강정보를 설문을 통해 수집하여 입력 데이터에 대한 하나의 가설을 세우고 여러 통계 분석을 통해 가설을 검증하는 방식으로 데이터 분석 실험을 진행한다. 한편, 과학자들의 실험의 편리성을 위한 문제풀이환경에 대한 연구가 활발히 진행되고 있다. 본 논문에서는 식품 영양학적으로 식이 데이터 분석의 효율적인 실험환경을 위한 문제풀이환경을 설계한다. 제안된 문제풀이 환경은 반복적인 실험 단계를 자동화하고 순차적인 작업을 병렬 수행 가능하도록 분산 컴퓨팅 환경에 배치하여 전체 실험의 속도를 높인다.

Keywords

Acknowledgement

Supported by : 숙명여자대학교

References

  1. Wullianallur Raghupathi and Viju Raghupathi, "Big data analytics in healthcare: promise and potential," Health Information Science and Systems, Vol. 2, No. 1, pp. 1-10, 2014. https://doi.org/10.1186/2047-2501-2-1
  2. Nitesh V, Chawla PhD, Darcy A, Davis PhD, "Bringing Big Data to Personalized Healthcare: A Patient-Centered Framework," Journal of General Internal Medicine, Vol. 28, No. 3, pp. 660-665, 2013.
  3. R. Nambiar, R. Bhardwaj, A. Sethi, R. vargheese, "A look at challenges and opportunities of Big Data analytics in healthcare," Big Data, 2013 IEEE International Conference, pp. 17-22, Oct. 2013.
  4. CAP [Online]. Available: https://itea3.org/project/cap.html
  5. Lu, R.M., Tjhi, W.C., Kee Khoon Lee, Long Wang, Xiaorong Li, Di Ma, "A Framework for Cloudbased Large-Scale Data Analytics and Visualization: Case Study on Multiscale Climate Data," Cloud Computing Technology and Science (CloudCom), pp. 618-622, Nov. 29 - Dec. 1, 2011.
  6. S. Park, H. Kang, Y. Kim, C. Kim, Y. Hyun, "An Integrated Scientific Experiment Framework for Numerical Analysis in e-Science Environment," Computation Tools 2012:The Third International Conference on Computational Logics, Algebras, Programming, Tools, and Benchmarking, pp. 34-37, 2012.
  7. Hongyong Yu, Deshuai Wang, "Research and Implementation of Massive Health Care Data Management and Analysis Based on Hadoop," Computational and Information Sciences (ICCIS), pp. 514-517, 2012.
  8. SAS [Online]. Available: http://www.sas.com/
  9. Korean National Nutrition Survey [Online] Available: http://knhanes.cdc.go.kr/