• 한국의학물리학회지:의학물리
• /
• 제20권4호
• /
• pp.277-289
• /
• 2009

최근 침의 신경생리학적 기전 및 경혈의 특이성을 밝혀내기 위해 기능적 자기공명영상(functional MRI, fMRI)을 이용한 연구가 활발히 진행되고 있다. fMRI 영상은 손가락 마주치기검사(Finger Taps test), 깜박이는 체크무늬 흑백영상에 의한 시각자극과 같은 연구주제에서 동일한 대상자의 반복되는 동일 검사에서 유의한 편차가 나타난다는 보고가 있다. 하물며 다른 개별 대상자의 fMRI 검사를 이용한 자침의 효과 및 경혈의 특이성 연구에 있어서 그룹분석 결과를 확고하게 하기 위해서는 개별 대상자들 간의 편차의 정도를 파악하고 개별데이터가 그룹 분석에 미치는 영향을 이해할 때 fMRI를 이용한 연구의 한계와 그 극복 방안에 대하여 본질적으로 접근할 수 있다고 판단된다. 따라서, 본 연구에서는 fMRI를 이용한 침 연구에서 개별분석 결과가 그룹분석 결과에 미치는 영향을 알아보는 것을 목적으로 계획되었다. 신체 건강한 성인 남자 15명을 대상으로 3.0 테슬러 자기공명영상장치를 이용하였다. 개인별 뇌구조영상과 뇌기능영상을 얻었으며, 뇌기능 영상은 진짜 침과 거짓 침 자극을 실시하였다. 자극방법은 블록방식(Block design)으로 30초의 비자극시간과 45초의 자극 시간을 3회 반복하여 총 3분 45초간 시행하였다. 자극은 우측 다리의 족삼리(ST36)를 이용하였고, 자침한 후 2 Hz의 속도로 침이 좌우로 반복하여 회전하도록 하여 자극을 주었다. 거짓 침 자극은 끝이 둥근 모양의 침으로 실시하였다. 뇌기능적 영상은 BOLD (Blood oxygenation level dependent) 경사자장 EPI (echo-planar imaging) 영상기법을 이용하였다. 각 피험자에 대한 개별 분석과 전체 피험자에 대한 그룹분석을 하였다. 족삼리 자침을 통한 개별분석 결과 거짓 침과 진짜 침 자극에 의한 뇌 활성화 반응은 개별 대상자들간의 편차가 큰 것으로 나타났으며, 이는 일부 대상자들에서만 나타난 뇌 활성화 반응의 결과가 그룹 분석의 결과에 크게 반영되었다는 것을 의미한다. 우리는 fMRI를 이용한 자침의 효과 및 경혈의 특이성 연구에 있어서 그룹분석 결과를 확고하게 하기 위해서는 개별 데이터들이 제공되어야 한다는 것을 제안한다.

• 인터넷정보학회논문지
• /
• 제14권6호
• /
• pp.1-8
• /
• 2013

거대한 데이터베이스로부터 중요하고 의미 있는 정보를 찾아내기 위해 데이터 마이닝 기법들이 사용되며, 패턴 마이닝은 이러한 데이터 마이닝을 위한 중요한 기법 중에 하나이다. 패턴 마이닝은 거대 데이터베이스로부터 유용한 패턴을 찾아내는 기법이며, 패턴 마이닝 분야 중에 하나인 빈발 패턴 마이닝은 데이터베이스에서 최소 임계치 이상의 빈도수를 가지는 빈발 패턴을 마이닝 한다. 전통적인 빈발 패턴 마이닝은 전체 데이터베이스에 대한 단일 최소 임계치를 기반으로 중요 빈발 패턴을 마이닝 한다. 단일 최소 임계치 모델은 데이터베이스 내 모든 아이템이 동일한 특성을 가진다고 암묵적으로 가정한다. 그러나 실제 응용에서는 각 아이템들이 개별적인 특성을 가지고 있을 수 있으며, 따라서 이를 반영한 패턴 마이닝 기법이 요구된다. 데이터베이스 내 아이템들의 이러한 특성이 반영되지 않은 빈발 패턴 마이닝 모델에서, 중요한 희귀 아이템이 포함된 패턴을 마이닝 하기 위해서는 낮은 최소 임계치를 설정해야 한다. 그러나 너무 낮은 최소 임계치는 의미 없는 아이템들을 포함하는 수많은 패턴을 야기한다. 반대로 높은 최소 임계치는 희귀 아이템이 포함된 패턴을 마이닝 하지 못하는 희귀 아이템 문제라 불리는 딜레마가 발생한다. 이러한 문제의 해결을 위한 초기 연구들은 아이템 빈도수에 따라 데이터를 몇 개의 블록으로 분할하거나 관련 희귀 아이템들을 하나의 그룹으로 만드는 방법을 사용한 근사적 접근법을 제안하였다. 그러나 이러한 기법들은 근사적 방법의 적용에 의해 모든 희귀 패턴을 포함한 빈발 패턴을 마이닝 하지 못한다. 다중 최소 임계치를 고려한 패턴 마이닝 모델은 아이템들의 개별적인 특성을 반영하여 희귀 아이템 문제를 해결하기 위해 제안되었다. 다중 최소 임계치 기반의 빈발 패턴 마이닝 모델에서 각 아이템은 MIS (Minimum Item Support)라고 불리는 개별 최소 임계치를 가지며, 아이템들의 데이터베이스 내 빈도수를 기반으로 계산된다. 다중 최소 임계치 모델은 MIS를 통해 수많은 의미 없는 패턴을 생성하지 않고도 손실 없이 모든 희귀 빈발 패턴을 찾아낸다. 한편, 빈발 패턴을 마이닝 하는 과정에서 후보 패턴들이 생성되며, 단일 최소 임계치 모델에서는 각 후보 패턴의 빈도수가 유일한 최소 임계치와 비교된다. 따라서, 희귀 아이템 문제가 발생할 뿐만 아니라 후보 패턴을 구성하는 아이템들의 특성이 고려되지 않는다. 다중 최소 임계치 모델에서는 이 문제를 다루기 위해 후보 패턴을 구성하는 아이템들의 MIS 값 중에서 가장 작은 MIS 값을 해당 후보 패턴의 최소 임계치로 설정하여 패턴 내 아이템들의 특성을 반영한다. 이를 적용하여 효율적으로 희귀 빈발 패턴을 마이닝 하기 위해 트리 구조 기반의 알고리즘은 빈도수 내림차순으로 트리 내 아이템들을 정렬하는 단일 최소 임계치 모델과는 달리 MIS 내림차순으로 아이템들을 정렬하여 마이닝을 수행한다. 본 논문에서는 다중 최소 임계치 기반의 빈발 패턴 마이닝 알고리즘에 대한 특성을 살펴보고, 일반 단일 임계치 기반 알고리즘과의 성능평가를 수행한다. 성능평가는 실행 속도, 메모리 사용량, 그리고 확장성의 관점에서 수행된다. 성능평가 결과, 다중 최소 임계치 기반의 빈발 패턴 마이닝 알고리즘은 희귀 빈발 패턴을 포함한 모든 빈발 패턴을 단일 임계치 기반의 빈발 패턴 마이닝 알고리즘보다 더 빠른 속도로 마이닝 하였으며, 각 아이템의 최소 임계치 정보를 위한 추가적인 메모리를 필요로 하였다. 또한, 비교 알고리즘들은 좋은 확장성 결과를 보였다.