• 한국빅데이터학회지
• /
• 제6권2호
• /
• pp.161-168
• /
• 2021

본 연구에서는 기계 학습을 사용하여 심혈관 질환 예측 모델을 제안한다. 먼저 두 집단간에 다양한 차이를 다차원분석하고 그 결과를 시각화한다. 특히, 질환과 같이 정상집단과 환자집단 간에 높은 클래스 불균형이 존재하는 경우에 대하여 민감도를 향상시킬 수 있는 비용 민감 학습을 사용하는 예측 모델을 제안한다. 본 연구에서는 대표적인 머신러닝 기술인 CART와 XGBoost를 사용하여 예측모델을 개발하고, 심혈관 질환 환자 데이터를 대상으로 예측하고 성능을 비교한다. 연구결과에 따르면 CART가 XGBoost 보다 더 높은 정확도와 특이도를 보였으며, 정확도는 약 70%~74%로 나타났다.

• 문화기술의 융합
• /
• 제8권4호
• /
• pp.339-345
• /
• 2022

심혈관 질환은 전 세계적으로 주요 사망원인들 중 하나이다. 본 연구는 보다 우수한 심혈관질환 판별 모델을 생성하기 위한 방법에 대한 연구로써, 3가지 변수 선택법과 7가지 머신러닝 알고리즘을 바탕으로 사회인구학적 변수들을 이용하여 고혈압과 이상지질혈증 판별모델들을 생성하고, 생성된 모델들의 성능을 비교 평가한다. 본 연구의 결과에서는 두 가지 질병 모두에서, 전체변수 및 correlation-based feature subset selection 메소드 기반 모델들에서는 naive Bayes 모델이 다른 머신러닝을 이용한 모델들보다 다소 우수한 판별 성능이 있는 것으로 나타났고, wrapper 메소드 기반 변수 선택법에서는 logistic regression 모델이 다른 모든 모델보다 성능이 다소 우수한 것으로 나타났다. 본 연구의 결과는 원격의료 및 대중보건 분야에서 향후 한국인의 심혈관질환 판별 및 예측 모델 생성을 위한 참고자료로 활용될 수 있을 것으로 기대된다.

• 순환기질환의공학회:학술대회논문집
• /
• 순환기질환의공학회 2003년도 제3회 학술대회
• /
• pp.10-11
• /
• 2003

• 대한예방의학회:학술대회논문집
• /
• 대한예방의학회 1999년도 제51차 추계 학술대회 연제집
• /
• pp.198-199
• /
• 1999

• 한국전산유체공학회:학술대회논문집
• /
• 한국전산유체공학회 2008년도 춘계학술대회논문집
• /
• pp.542-546
• /
• 2008

In this study, we developed a whole cardiovascular system model combined with a Laplace heart based on the numerical cardiac cell model and a detailed arterial network structure. The present model incorporates the Laplace heart model and pulmonary model using the lumped parameter model with the distributed arterial system model. The Laplace heart plays a role of the pump consisted of the atrium and ventricle. We applied a cellular contraction model modulated by calcium concentration and action potential in the single cell. The numerical arterial model is based upon a numerical solution of the one-dimensional momentum equations and continuity equation of flow and vessel wall motion in a geometrically accurate branching network of the arterial system including energy losses at bifurcations. For validation of the present method, the computed pressure waves are compared with the existing experimental observations. Using the cell-system-arterial network combined model, the pathophysiological events from cells to arterial network are delineated.

• EDISON SW 활용 경진대회 논문집
• /
• 제6회(2017년)
• /
• pp.712-714
• /
• 2017

미병의 예방과 관리의 중요성이 거론되고 있으나, 미병에 대한 분류나 진단을 위한 확고한 근거가 미약한 상황으로서 미병 진단 인자 분류를 위한 생리시스템 모델 개발이 필요한 시점이다. 본 연구의 목적은 개발한 생리학적 모델이 미병 단계를 구별하는데 효과 및 유용성이 있는지를 임상 검증하기 위하여 생리학적 모델 인공지능 시뮬레이션을 개발하고자 함이다. 인공지능 계산은 3층으로 구성된 네트워크를 이용하였으며 각 층은 30개의 neuron들로 구성하였다. 인공지능망의 입력 값은 나이, 수축기 혈압, 이완기 혈압, 심박수 값 (입력 값 4개)이고 출력 값은 혈관 저항값인 Ra이다. 머신러닝 차수를 높이면서 인공지능을 사용하지 않은 생리적 모델로부터 도출된 결과와 인공지능을 통하여 계산된 결과를 비교하였다. 개발된 인공지능계산을 이용한 생리시스템 모델은 대량의 표본집단에서 임상 검증에 기여할 것이다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제23권1호
• /
• pp.49-55
• /
• 2017

심장 CT 혈관 조영 영상은 심혈관의 전체 해부학 구조를 3D 로 보여줄 뿐 아니라 병변의 정보를 제공하기 때문에 관상동맥 질환 진단 및 치료에 많이 사용되고 있다. 하지만 영상의 방대한 크기로 인해 수동으로 정보를 추출하는 데는 한계가 있어 자동으로 심혈관을 정확하게 추출하는 연구들이 활발히 진행되고 있다. 심혈관 자동 추출 알고리즘을 개발하는데 있어 심혈관의 시작점인 상행대동맥의 심문을 검출하는 방법은 필수적인 부분이다. 본 논문에서는 심혈관의 시작점인 심문을 분할하는 방법을 제안한다. 첫째, 상행대동맥의 크기와 위치를 고려한 허프변환으로 대동맥 초기영역을 검출한다. 둘째, 초기영역을 기반으로 탐색범위를 줄일 수 있도록 관심 볼륨 영역을 설정한다. 셋째, 지오데식 활성외곽선 모델을 기반으로 정제된 대동맥 영역을 검출한다. 마지막으로 검출된 대동맥 영역에서 심문을 분할한다. 제안방법의 평가를 위해 20 개의 심장 CT 혈관 조영 영상에서 전문가가 수동으로 표기한 시작점과 비교 분석하였다. 실험 결과 제안방법을 통해 시작점이 제대로 추출 됨을 확인할 수 있었다.

• 한국컴퓨터정보학회논문지
• /
• 제27권5호
• /
• pp.21-28
• /
• 2022

심혈관질환은 심장질환과 혈관질환 등 순환기계통에 생기는 모든 질병을 통칭한다. 심혈관질환은 2019년 사망의 1/3을 차지하는 전 세계 사망의 주요 원인이며, 사망자는 계속 증가하고 있다. 이와 같은 질병을 인공지능을 활용해 환자의 데이터로 미리 예측이 가능하다면 질병을 조기에 발견해 치료할 수 있을 것이다. 본 연구에서는 심혈관질환 중 하나인 심장질환을 예측하는 모델들을 생성하였으며 Accuracy, Precision, Recall의 측정값을 지표로 하여 모델들의 성능을 비교한다. 또한 Decision Tree의 성능을 향상시키는 방법에 대해 기술한다. 본 연구에서는 macOS Big Sur환경에서 Jupyter Notebook으로 Python을 사용해 scikit-learn, Keras, TensorFlow 라이브러리를 이용하여 실험을 진행하였다. 연구에 사용된 모델은 Decision Tree, KNN(K-Nearest Neighbor), SVM(Support Vector Machine), DNN(Deep Neural Network)으로 총 4가지 모델을 생성하였다. 모델들의 성능 비교 결과 Decision Tree 성능이 가장 높은 것으로 나타났다. 본 연구에서는 노드의 특성배치를 변경하고 트리의 최대 깊이를 3으로 지정한 Decision Tree를 사용하였을 때 가장 성능이 높은 것으로 나타났으므로 노드의 특성 배치 변경과 트리의 최대 깊이를 설정한 Decision Tree를 사용하는 것을 권장한다.

• 한국방사선학회논문지
• /
• 제15권5호
• /
• pp.691-696
• /
• 2021

환자의 질병을 예방 및 치료를 위해서는 의료영상을 통한 병변의 해부학적 구조 파악은 중요한 과정중 하나이다. 하지만 스크린으로 통해 보여 지는 영상으로는 한계가 있으므로 3D 프린팅 기술을 이용하여 이를 극복하고자 하는 많은 연구가 진행 중이다. 이를 위해 본 연구는 실제 환자 영상데이터를 이용하여 3차원 심혈관 모델을 구현하였고, 이를 3D 프린터를 이용하여 출력하여 현재 종사하고 있는 의료전문가에게 유용성 테스트를 진행하였다. 유용성 평가 결과 총 5인이 실시한 설문을 리커트 척도로 변환하였을 때 모든 항목 평균값이 4.83점의 높은 결과를 나타내고, 교차분석 결과 x²(P)=10.000(0.265)의 수치로 모든 설문자간 동일하게 긍정적인 설문 결과를 나타냈다. 결과를 바탕으로 3D프린팅 기술이 의료기술 발전에 도움을 줄 것으로 기대한다.

• 대한의용생체공학회:의공학회지
• /
• 제42권3호
• /
• pp.100-106
• /
• 2021

Measuring Intima-media thickness (IMT) with ultrasound images can help early detection of coronary artery disease. As a result, numerous machine learning studies have been conducted to measure IMT. However, most of these studies require several steps of pre-treatment to extract the boundary, and some require manual intervention, so they are not suitable for on-site treatment in urgent situations. in this paper, we propose to use deep learning networks U-Net, Attention U-Net, and Pretrained U-Net to automatically segment the intima-media complex. This study also applied the HE, HS, and CLAHE preprocessing technique to wireless portable ultrasound diagnostic device images. As a result, The average dice coefficient of HE applied Models is 71% and CLAHE applied Models is 70%, while the HS applied Models have improved as 72% dice coefficient. Among them, Pretrained U-Net showed the highest performance with an average of 74%. When comparing this with the mean value of IMT measured by Conventional wired ultrasound equipment, the highest correlation coefficient value was shown in the HS applied pretrained U-Net.