• 대한치과교정학회:학술대회논문집
• /
• 2004.11a
• /
• pp.35.1-35.1
• /
• 2004

• The Korean Nurse
• /
• v.25 no.1 s.134
• /
• pp.10-15
• /
• 1986

• The Korean Chronic Disease News
• /
• no.14
• /
• pp.8-8
• /
• 1981

• The Korean Nurse
• /
• v.34 no.1
• /
• pp.58-59
• /
• 1995

• Journal of the Korea Society of Computer and Information
• /
• v.26 no.11
• /
• pp.21-31
• /
• 2021

As the COVID-19 pandemic rapidly changes healthcare around the globe, the need for smart healthcare that allows for remote diagnosis is increasing. The current classification of respiratory diseases cost high and requires a face-to-face visit with a skilled medical professional, thus the pandemic significantly hinders monitoring and early diagnosis. Therefore, the ability to accurately classify and diagnose respiratory sound using deep learning-based AI models is essential to modern medicine as a remote alternative to the current stethoscope. In this study, we propose a deep learning-based respiratory sound classification model using data collected from medical experts. The sound data were preprocessed with BandPassFilter, and the relevant respiratory audio features were extracted with Log-Mel Spectrogram and Mel Frequency Cepstral Coefficient (MFCC). Subsequently, a Parallel CNN network model was trained on these two inputs using stacking ensemble techniques combined with various machine learning classifiers to efficiently classify and detect abnormal respiratory sounds with high accuracy. The model proposed in this paper classified abnormal respiratory sounds with an accuracy of 96.9%, which is approximately 6.1% higher than the classification accuracy of baseline model.

• Journal of the Institute of Electronics and Information Engineers
• /
• v.50 no.8
• /
• pp.196-202
• /
• 2013

Basal cell carcinoma (BCC) is the most common skin cancer and its incidence is increasing rapidly. In this paper, we propose a diagnosis method of basal cell carcinoma by Raman spectra of skin tissue using the NMF(non-negative matrix factorization) algorithm. After preprocessing steps, measured Raman spectra is used classification experiments. The weight and the basis can be obtained in a simple matrix operation and a column vector of the matrix decompsed by the NMF. Linear combination of bases and weights, it is possible to approximate the average of Raman spectra. The classification method is to select the class which to minimize the root mean square of the difference of the linear combination and the objective spectrum. According to the experimental results, the proposed method shows the promising results to diagnosis BCC. In addition, it confirmed that the proposed method compared with the previous research result could be effectively applied in the analysis of the Raman spectra.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.07a
• /
• pp.333-335
• /
• 2022

본 논문에서는 기존에 두 가지 모델이 필요했던 작업을 하나의 모델로 처리할 수 있는 자연어 처리 아키텍처를 제안한다. 단일 모델로 알츠하이머 환자의 언어패턴과 대화맥락을 분석하고 두 가지 결과인 환자분류와 챗봇의 대답을 도출한다. 일상생활에서 챗봇으로 환자의 언어특징을 파악한다면 의사는 조기진단을 위해 더 정밀한 진단과 치료를 계획할 수 있다. 제안된 모델은 전문가가 필요했던 질문지법을 대체하는 챗봇 개발에 활용된다. 모델이 수행하는 자연어 처리 작업은 두 가지이다. 첫 번째는 환자가 병을 가졌는지 여부를 확률로 표시하는 '자연어 분류'이고 두 번째는 환자의 대답에 대한 챗봇의 다음 '대답을 생성'하는 것이다. 전반부에서는 셀프어탠션 신경망을 통해 환자 발화 특징인 맥락벡터(context vector)를 추출한다. 이 맥락벡터와 챗봇(전문가, 진행자)의 질문을 함께 인코더에 입력해 질문자와 환자 사이 상호작용 특징을 담은 행렬을 얻는다. 벡터화된 행렬은 환자분류를 위한 확률값이 된다. 행렬을 챗봇(진행자)의 다음 대답과 함께 디코더에 입력해 다음 발화를 생성한다. 이 구조를 DementiaBank의 쿠키도둑묘사 말뭉치로 학습한 결과 인코더와 디코더의 손실함수 값이 유의미하게 줄어들며 수렴하는 양상을 확인할 수 있었다. 이는 알츠하이머병 환자의 발화 언어패턴을 포착하는 것이 향후 해당 병의 조기진단과 종단연구에 기여할 수 있음을 보여준다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2002.05a
• /
• pp.153-157
• /
• 2002

자기 진단 센서는 자신의 상태를 스스로 진단하는 기능을 갖는 센서를 말한다. 이러한 기능을 갖기 위해서 자신의 상태를 판단 할 수 있는 정보를 얻는 것이 가장 중요하다. 본 연구에서는 자신의 노이즈 신호만으로 상태를 판단할 수 있는 자기 진단센서의 설계하는 방법을 제안하였다. 웨이브렛 및 ICA 분석기법을 이용하여 자신의 출력 신호로부터 대상목표의 측정물리량을 나타내는 신호성분을 제외한, 센서 자신으로부터 발생하는 특징 노이즈 신호만을 분류한 다음에, 이 신호를 PDS로 정량화하여 특징 데이터를 생성하였다. 실험을 통해 그 타당성을 입증하였다.

• Proceedings of the Korean Institute of Industrial Safety Conference
• /
• 2002.05a
• /
• pp.413-418
• /
• 2002

베어링은 산업현장에서 널리 쓰여지는 중요 부품이다. 따라서 이의 결함에 따른 손실을 예방하기 위해서는 이상을 진단하고 검지하는 기법이 요구된다. 따라서 본 연구에서는 저속회전하므로 노이즈가 많이 포함되어 절상상태의 신호검출이 어려운 저속회전베어링의 외륜이상을 웨이브렛의 Denoising 기법을 적용하여 정량적으로 진단하고 패턴인식법 중의 하나인 KDI(Kullback Discrimination Information)를 적용하여 이상상태의 진단/검지능력을 시험해 보았다. 웨이브랫의 Denoising 기법은 노이즈 캔셀링(Noise canceling)이 능력이 뛰어났고, HDI기법은 저속회전베어링의 정상과 이상의 분류에 뛰어난 검지능력이 있음을 알 수 있었다.(중략)

• Proceedings of the Korea Information Processing Society Conference
• /
• 2010.11a
• /
• pp.687-690
• /
• 2010

본 논문에서는 우즈베케스탄 사람을 대상으로 한국의학에서 사용되고 있는 사상체질진단법을 적용하여 실험하였으며, 먼저 설문조사방법으로 체질을 진단하는 QSCC II(Questionnaire for Sasang Constitution Classification II)라는 진단기구와 음성분석으로 체질을 진단하는 PSSC(Phonetic System of Sasang Constitution)를 사용하여 체질을 진단한 후, 한국인과 마찬가지로 우즈베키스탄인들에게도 적용이 가능한지를 살펴보았다. 실험결과 우즈베키스탄인도 사상체질로 분류됨을 보았다.