• 헬스앤미션
• /
• 통권13호
• /
• pp.22-24
• /
• 2008

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 추계학술발표대회
• /
• pp.565-567
• /
• 2022

질병을 앓고 있는 환자는 상태에 따라 병실, 주거지, 요양원 등 조호환경 내 생활 시 의료 인력의 지속적인 추적 및 관찰을 통해 신체에 이상이 생긴 경우 이를 감지하고, 신속하게 조치할 수 있도록 해야 한다. 의료 인력이 직접 환자를 확인하는 방법은 의료 인력의 반복적인 노동이 요구되며 실시간으로 환자를 확인해야 한다는 특성상 의료 인력이 상주해야 하기에 이는 곧, 의료 인력의 부족과 낭비로 이어진다. 해당 문제 해결을 위해 의료 인력을 대신하여 조호환경 내 환자의 상태를 실시간으로 모니터링할 수 있는 딥러닝 모델들이 연구되고 있다. 딥러닝 모델은 데이터의 수가 많을수록 강인한 모델을 설계할 수 있으며, 데이터셋의 배경, 객체의 특징 분포 등 다양한 조건에 영향을 받기 때문에 학습에 필요한 도메인을 가지는 많은 양의 전처리된 데이터를 수집해야 한다. 따라서, 조호환경 내 환자에 대한 데이터셋이 필요하지만, 공개된 데이터셋의 경우 양이 매우 적으며 이를 반전, 회전기법 등을이용할 경우 데이터의 수를 늘릴 수 있지만, 같은 분포의 특징을 가지는 데이터가 생성되기에 데이터 증강 기법을 단순하게 적용하면 딥러닝 모델의 과적합을 야기한다. 또한, 조호환경 내 이미지 데이터셋은 얼굴 노출과 같은 개인정보가 포함 될 수 있으며 이를 보호하기 위해 정보들을 비식별화 해야 한다는 문제점이 있다. 따라서 본 논문에서는 조호환경에서 수집된 데이터 증강을 위한 Style-Generative Adversarial Networks 기법을 적용하여 조호환경 데이터셋 수집에 효과적인 증강 기법을 제안한다.

• 한국경영정보학회:학술대회논문집
• /
• 한국경영정보학회 2007년도 추계학술대회
• /
• pp.349-355
• /
• 2007

최근, 맞춤의료서비스, 헬스와 웰빙의 복합서비스, RFID 기반의 공급망 관리 서비스와 같이 정보기술(IT), 바이오기술(BT), 나노기술(NT) 등이 융합된 혁신적인 서비스들이 출현하고 있다. 그러나 기존의 전통적인 접근방법으로는 새로이 출현하는 다양한 서비스에 대한 체계적인 접근이 불가능하다. 따라서 분석의 단위를 조직이나 정보 시스템 수준에서 서비스 수준으로 하향하는 것과 요소기술이 서비스로 변환되어 소비자에게 수용되는 전체과정을 동태적, 공학적으로 설계하는 접근이 절실히 요구된다. 본 연구의 목적은 신 기술의 출현, 성숙, 시장으로의 유입과 소비자에 수용되는 서비스 생명주기 전 과정을 통태적 관점에서 분석하는 틀을 제시하고 의료서비스에 특화 하여 서비스 공학적 관점에서 IT, BT, NT가 융합된 서비스를 설계하는 모델을 제시하는 것이다. 이를 위해 우선 서비스의 특성과 서비스 시스템 설계의 목표를 제시하고 동태적 혁신이론에 기반하여 서비스의 탄생부터 시장에서의 수용에 이르는 생명주기를 표현할 수 있는 모델을 개발한다. 이 모델의 시간 축을 분기하여 단계(Stage)들을 도출하고 각 단계에서 수행해야 할 활동들을 설계한다. 아울러 모델의 실제적 유용성을 입증하기 위하여 의료분야의 관련사례를 제시하고 조직의 서비스전략과 다변화 전략을 수립하기 위한 논리도 제시하였다. 본 연구의 동태적 공학모델은 IT 생태계 (IT Ecosystem) 하에서 조직 및 IT 요소들이 다양한 환경에서 어떻게 안정적이고 효율적인 메커니즘을 형성하고 진화해야 하는지를 잘 보여주고 있다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제68차 하계학술대회논문집 31권2호
• /
• pp.313-315
• /
• 2023

본 논문에서는 ¹⁸F-FDG PET과 CT에서 추출한 영상인자를 이용하여 비소세포폐암의 전이를 예측하는 머신러닝 모델을 생성하였다. ¹⁸F-FDG는 종양의 포도당 대사 시 사용되며 이를 추적하여 환자의 암 세포를 진단하는데 사용되는 의료영상 기법 중 하나이다. PET과 CT 영상에서 추출한 이미지 특징은 종양의 생물학적 특성을 반영하며 해당 ROI로부터 계산되어 정량화된 값이다. 본 연구에서는 환자의 의료영상으로부터 image texture 프절 전이 예측에 있어 유의한 인자인지를 확인하기 위하여 AUC를 계산하고 단변량 분석을 진행하였다. PET과 CT에서 각각 4개(GLRLM_GLNU, SHAPE_Compacity only for 3D ROI, SHAPE_Volume_vx, SHAPE_Volume_mL)와 2개(NGLDM_Busyness, TLG_ml)의 image texture feature를 모델의 생성에 사용하였다. 생성된 각 모델의 성능을 평가하기 위해 accuracy와 AUC를 계산하였으며 그 결과 random forest(RF) 모델의 예측 정확도가 가장 높았다. 추출된 PET과 CT image texture feature를 함께 사용하여 모델을 훈련하였을 때가 각각 따로 사용하였을 때 보다 예측 성능이 개선됨을 확인하였다. 추출된 영상인자가 림프절 전이를 나타내는 바이오마커로서의 가능성을 확인할 수 있었으며 이러한 연구 결과를 바탕으로 개인별 의료 영상을 기반으로 한 비소세포폐암의 치료 전략을 수립할 수 있을 것이라 기대된다.

• 대한영상의학회지
• /
• 제81권6호
• /
• pp.1274-1289
• /
• 2020

최근, 의료 영상 분야에서 딥러닝은 가장 활발하게 연구되고 있는 기술 중 하나이다. 충분한 데이터와 최신의 딥러닝 알고리즘은 딥러닝 모델의 개발에 중요한 요소이다. 하지만 일반화된 최적의 딥러닝 모델을 개발하기 위해서는 데이터의 양과 최신의 딥러닝 알고리즘 외에도 많은 것을 고려해야 한다. 데이터 수집부터 가공, 전처리, 모델의 학습 및 검증, 경량화까지 모든 과정이 딥러닝 모델의 성능에 영향을 미칠 수 있기 때문이다. 본 종설에서는 의료 영상에 최적화된 딥러닝 모델을 위해 개발 과정 각각에서 고려해야 할 중요한 요소들을 살펴보고자 한다.

• 한국전자통신학회논문지
• /
• 제17권6호
• /
• pp.1283-1292
• /
• 2022

현재 보건의료 분야에서 여러 인공지능 프로젝트가 서로 경쟁하고 있어서 시스템 간 인터페이스의 통일된 사양이 부족한 상황이다. 이에 본 연구에서는 보건의료 부문 관련 응용 알고리즘, 모델 및 서비스 지원을 제공할 수 있는 하나의 보건의료 인공지능 서비스 플랫폼을 제안한다. 제안된 플랫폼은 다수의 이기종 데이터 처리, 지능형 서비스, 모델 관리, 일반 응용 시나리오 및 다양한 수준의 비즈니스를 위한 기타 서비스를 제공할 수 있다. 플랫폼 적용과 관련해서 최근 대두되고 있는 행위 인터넷 개념을 바탕으로 보건의료 분야의 사물 인터넷 서비스 관련 환자 행위 분석을 통해 보건의료 소비 행위에 대해 신뢰할 수 있고, 이해 가능한 추적 및 분석 시나리오를 나타낸다.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2000년도 추계정기학술대회:지능형기술과 CRM
• /
• pp.445-454
• /
• 2000

의료 정보 시스템은 많은 지식과 의료 인력과의 연계가 필요하기 때문에, 멀티 에이전트 시스템의 활용 영역으로 적합하다. 본 논문에서는 지능형 의료 정보 제공을 위한 멀티 에이전트 시스템인 MAMI(Multi-Agent system for Medical Image)의 에이전트 플랫폼의 설계 및 구현 대해 기술한다. MAMI는 여러 의료 정보 중 의료 영상을 위한 멀티 에이전트 시스템이다. MAMI의 가장 중요한 구성 요소로서는 에이전트 플랫폼을 들 수 있다. 에이전트 플랫폼은 에이전트들이 동작할 수 있는 물리적 기반을 제공해 준다. MAMI는 FIPA(foundation for Intelligent Physical Agent)가 제안하는 관리 모델을 따르고 있다. MAMI에서는 COM(Common Object Model)과 XML(Extensible Markup Language)로 인코딩된 ACL(Agent Communication Language)을 메시지 교환에 이용하고 있다. 의료 영역의 특성상 의사와 같은 의료 전문 인력과의 연계는 반드시 필요하다. MAMI는 이를 위해서 의료 인력을 하나의 에이전트로 개념화하여 시스템에 연결한다. MAMI의 에이전트 플랫폼은 소프트웨어 에이전트와 휴먼 에이전트들이 지식을 공유하기에 적합한 물리적 기반을 제 공해주어 지능형 의료 정보 서비스를 용이하게 해준다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2018년도 춘계학술발표대회
• /
• pp.405-406
• /
• 2018

본 논문은 소표본 의료용 영상 분석의 정확도 향상을 위해 전이학습 모델을 feature extractor로 구축하여 학습시키는 방법을 연구하였으며 성능 평가를 위해 선학습모델로 AlexNet, ResNet, DenseNet을 사용하여 fine tuning 기법을 적용하였을 때와의 성능을 비교 분석하였다. 그 결과 실험에 사용된 3개의 모델에서 fine tuning 기법보다 향상된 정확도를 보임을 확인하였고, 또한 ImageNet으로 학습된 AlexNet, ResNet, DenseNet이 소표본 의료용 X-Ray 영상에 적용될 수 있음을 보였다.

• 경영정보학연구
• /
• 제4권2호
• /
• pp.293-307
• /
• 2002

정보시스템 아웃소싱이 활성화되면서 아웃소싱 가치와 가격에 대한 관심이 고조되고 있다. 정보시스템 아웃 소싱은 개발 아웃소싱과 운영 아웃소싱으로 나눌 수 있다. 운영 아웃소싱 비용에 대한 연구는 최근에 시작되어 지속적인 추가 연구가 필요하다. 운영 아웃소싱 유형 중 대표적인 유형이 응용시스템 운영 아웃소싱(applicationsystems outsourcing)인데, 서비스 수준에 대한 복잡한 판단이 필요하기 때문에 정교한 비용산정 모형이 요구된다. 기존 연구에서는 여러 업종의 데이터를 수집하여 비용산정 모형을 구축하였기 때문에 업종의 고유한 특성을 반영하지 못하였으며, 따라서 산정 비용의 정확성이 높지 않다고 할 수 있다. 본 연구에서는 정보시스템의 중요성이 매우 높은 산업분야 중의 하나인 증권업종과 의료업종의 응용시스템 아웃소싱 비용 산정 모형을 도출한다. 업종의 특성을 반영하여 서비스 수준을 결정하는 요소를 정의하고, 증권업종의 비용 모델을 먼저 도출하였다. 의료업종과 증권업종이 서로 차별화되는지를 분석하였으며, 의료업종의 별도 비용 모델을 구축하여 업종간의 비용모델 차이가 존재함을 보였다.

• 한국인터넷방송통신학회논문지
• /
• 제10권3호
• /
• pp.97-102
• /
• 2010

의료 데이터 마이닝의 목적은 효율적인 알고리즘 및 기법을 통하여 각종 질병을 예측 분류하고 신뢰도를 높이는데 있다. 기존의 연구로 단일모델을 기반으로 하는 알고리즘이 존재하며 나아가 모델의 더 좋은 예측과 분류 정확도를 위하여 다중모델을 기반으로 하는 앙상블 기법을 적용한 연구도 진행되고 있다. 본 논문에서는 의료데이터의 보다 높은 예측의 신뢰도를 위하여 기존의 앙상블 기법에 사분위간 범위를 적용한 I-ENSEMBLE을 제안한다. 갑상선 기능 저하증 진단을 위한 데이터를 통해 실험 적용한 결과 앙상블의 대표적인 기법인 Bagging, Boosting, Stacking기법 모두 기존에 비해 현저하게 향상된 정확도를 나타내었다. 또한 기존 단일모델 기법과 비교하여 다중모델인 앙상블 기법에 사분위간 범위를 적용했을 때 더 뚜렷한 효과를 나타냄을 확인하였다.