• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2017년도 제29회 한글 및 한국어 정보처리 학술대회
• /
• pp.238-241
• /
• 2017

본 논문에서는 구글 학술 검색 기반의 데이터를 이용하여 질병과 폐질환과 관련된 바이오마커 단어의 유사도를 계산하는 방법을 제안한다. 질병과 바이오마커의 유사도를 계산할 때, 각 단어의 구글 학술 검색의 검색 결과를 이용하였다. 이를 통해 폐질환 관련 바이오마커와 다른 질병간의 관계를 파악하고자 하며, 의료 전문가에게 폐질환 관련 바이오마커와 다른 질병간의 새로운 관계를 제시하고자 한다. 이러한 데이터를 이용하여 계산한 결과, Wor2Vec의 결과를 이용한 코사인 유사도의 결과와 상관 계수가 약 0.64로 상당히 높은 상관 관계를 확인할 수 있었다. 따라서 이 방법을 통해 질병과 바이오마커의 관계를 파악하고자 하였다. 또한 Word2Vec을 이용한 질병과 바이오마커 단어의 벡터 값과 단어 유사도 계산 방법의 결과를 이용한 Deep Neural Networks (DNNs) 모델을 구축하고자 하며, 이를 통해 자동적으로 유사도를 분석하고자 하였다.

• 한국어정보학회:학술대회논문집
• /
• 한국어정보학회 2017년도 제29회 한글및한국어정보처리학술대회
• /
• pp.238-241
• /
• 2017

본 논문에서는 구글 학술 검색 기반의 데이터를 이용하여 질병과 폐질환과 관련된 바이오마커 단어의 유사도를 계산하는 방법을 제안한다. 질병과 바이오마커의 유사도를 계산할 때, 각 단어의 구글 학술 검색의 검색 결과를 이용하였다. 이를 통해 폐질환 관련 바이오마커와 다른 질병간의 관계를 파악하고자 히며, 의료 전문가에게 폐질환 관련 바이오마커와 다른 질병간의 새로운 관계를 제시하고자 한다. 이러한 데이터를 이용하여 계산한 결과, Wor2Vec의 결과를 이용한 코사인 유사도의 결과와 상관 계수가 약 0.64로 상당히 높은 상관 관계를 확인할 수 있었다. 따라서 이 방법을 통해 질병과 바이오마커의 관계를 파악하고자 하였다. 또한 Word2Vec을 이용한 질병과 바이오마커 단어의 벡터 값과 단어 유사도 계산 방법의 결과를 이용한 Deep Neural Networks (DNNs) 모델을 구축하고자 하며, 이를 통해 자동적으로 유사도를 분석하고자 하였다.

• 한국가금학회지
• /
• 제16권3호
• /
• pp.175-192
• /
• 1989

한국 양계의 성장기이었던 1971년부터 1988년까지 최근 18연간 국내 양계농가로부터 농촌진흥청 가축위생연구소에 의뢰된 닭 가검물의 병성감정결과 질병검색된 총 9,012건 중 전염성 질병으로 진단된 6,181건에 대하여 검색 연도별, 계절별 및 일영별 검색상황을 조사 분석하였던 바 다음과 같은 결과를 얻었다. 1. 연도별 전염성 질병의 검색률은 49.3％(1973연)∼78.3％(1985년)로써 연평균 68.6％로 나타나 비전염성 질병(31.42％)보다는 월등히 높았다. 2. 전염성 질병 중에는 세균성이 32.6％(16.2∼42.5％)로 가장 높았고 다음 바이러스성 질병이 26.3％(21.8∼38.1％)이었으며 기생충성 및 곰팡이성 질병은 각각 7.7％ 및 2.1％의 낮은 검색율을 나타내었다. 3. 세균성 질병으로는 마이코프라스마병, 대장균증 및 포도상구균증의 연평균검색률이 각각 8.8％, 8.5％, 5.8％로 가장 높았으며, 다음 살모넬라균증, 추백리, 난황염 및 수란괌염이 각각 0.8∼1.5％ 이었고 피부염(0.2％) 및 연쇄상구균증(0.1％)은 매우 낮은 빈도로 검색되었다. 4. 바이러스성 질병중에는 임파성 백혈병 및 마렉병이 각각 연평균 7.5％ 및 7.2％로 가장 많았고 다음 뉴캣슬병(4.4％), 전염성 후두기관염(2.0％), 전염성 낭병(1. 7％) 및 조뇌척수염(1.0％)의 순이었으며 그 외 전염성 기관지염, 산란저하증 '76 및 봉입체간염 등이 각각 1.0％, 미만으로 검색되었다. 5. 기생충성 질병의 검색률에 있어서는 닭 콕시듐병이 연평균 4.5％로 가장 높았고 다음 회염증이 1.4％이었다. 그 외에 류코싸이토준병 흑두병, 맹장충증 및 외부기생충증이 각각 0.2∼0.7％의 낮은 비율로 검색되었다. 곰팡이성 질병으로는 곰팡이성 폐렴이 연평균 2.0％, 다음으로 캔디다증이 0.1％ 검색되었다. 6. 계절별 전염성 질병의 검색은 하계 및 추계절에 각각 27.7％ 검색되어 가장 높았으며 다음 동계(23.5％) 및 춘계절의 순으로 낮았다. 이들중 세균성, 바이러스성 및 곰팡이성 질병은 이와 유사한 경향이었으나 기생충성 질병은 하계 및 추계절에서의 검색률이 각각 34.3％ 및 39.5％로 다른 계절에 비하여 월등히 높았다. 7. 세균성 포도장구균증은 추계절에서의 검색율이 가장 높았으며, 바이러스성 질병으로는 마렉병, 전염성 후두기관염 및 전염성 낭병은 하계절에, 그리고 임파성백혈병, 계두 및 산란저하증 '76은 추계절에서 가장 높았으며 전염성 기관지염은 동계절에 최고빈도로 검색되었다. 기생충성 질병에 있어서는 콕시듐병을 위시하여 회충증, 류코싸이토준병 및 흑두병등 대부분의 주요질병이 하계절 및 추계절에 가장 많이 검색되었다. 8. 닭 일영별 전염성 질병의 검색률은 육성계(30∼150일영)에서 47.4％의 가장 높은 검색률을 나타내었고 다음 성계(150일영이상)에서 35.3％ 및 유추(30 일영미만)에서 17.3％의 순이었다. 이중 세균성 및 기생충성 질병은 육성계에서의 검색률이 가장 높았으나, 바이러스성 질병은 육성계 및 성계에서 거의 같은 비율로 높았으며 곰팡이성 질병은 유추에서 가장 높은 검색률을 나타내었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2000년도 가을 학술발표논문집 Vol.27 No.2 (1)
• /
• pp.122-124
• /
• 2000

본 논문은 질병이 있는 뇌종양 MRI 이미지 검색을 위해 아이콘 기반의 스케치 질의 방안을 제시한다. 기존의 이미지 검색 시스템은 이미지가 갖는 속성 중 일부의 속성 값만을 가지고 사용자가 직접 질의 이미지를 작성한다. 그러나 이런 방법으로는 여러 복잡한 속성값을 갖는 뇌종양 MRI 이미지의 내용을 표현하기는 어렵다. 그래서 본 논문에서는 질병이 있는 뇌 MRI 이미지 검색을 위해 아이콘을 사용한 템플릿 형식의 메디컬 스케치 질의 방법을 제시한다. 뇌에서 발생하는 뇌질환을 질병별로 분류하였고, 분류된 질병들이 가지고 있는 색상이나 질감, 모양과 같은 속성 값들을 아이콘화하여 템플릿 이미지로 제공되는 정상인의 이미지에 정의된 질병 아이콘의 크기와 위치를 설정함으로써 사용자가 검색하고자 하는 질의 이미지를 쉽게 작성할 수 있는 스케치 형식의 질의방법을 제안한다.

• 한국차세대컴퓨팅학회논문지
• /
• 제14권6호
• /
• pp.30-43
• /
• 2018

영상의 특징인 색상, 모양, 질감 등을 이용해 영상을 검색하는 연구들은 많이 진행되어 왔다. 또한 작물의 질병 영상과 관련된 연구들도 진행되고 있다. 농업 현장에서 재배되는 작물에 발생한 질병을 확인하는데 도움이 되기 위해 본 논문에서는 시설원예 작물의 질병 영상을 이용한 유사도 기반 작물 질병 검색 시스템을 제안한다. 제안하는 시스템은 단일 Descriptor를 사용하지 않고, 조합 Descriptor를 통해 기존 대비 영상의 유사도 검색 성능을 높였고 유사도 검색 결과를 가독성 높게 사용자에게 제공하기 위해 가중치 기반 산출방법을 적용했다. 본 논문에서는 총 13개의 개별 Descriptor를 이용해 조합을 진행했다. 조합 Descriptor를 이용해 6개 작물의 질병에 대해 유사도 검색을 진행했고 작물별로 평균 accuracy가 높은 조합 Descriptor를 선정해 유사도 검색에 사용했다. 검색된 결과는 병명의 비율을 기반으로 한 산출방법과 가중치를 기반으로 한 산출방법을 사용해 백분율로 나타냈다. 병명의 비율을 기반으로 한 산출방법은 질의 영상과 유사도 검색에 사용되는 영상의 수가 많은 병명이 1순위로 출력되는 문제점이 있다. 이를 해결하기 위해 가중치를 기반으로 한 산출방법을 사용했다. 작물의 병명별 테스트 영상을 두 가지 산출방법에 적용해 검색 성능을 측정했다. 작물의 질병별로 두 가지 산출방법에 대해 검색 성능 값의 평균을 비교한 결과 고추, 사과 작물에서는 병명의 비율을 기반으로 한 산출방법의 성능이 가중치를 기반으로 한 산출방법의 성능보다 평균 약 11.89%의 높은 성능 결과를 보였다. 국화, 딸기, 배, 포도 작물에서는 가중치를 기반으로 한 산출방법이 병명의 비율을 기반으로 한 산출방법의 성능보다 평균 약 20.34%의 높은 성능 결과를 보였다. 또한 본 논문에서 제안하는 시스템의 UI/UX는 실제 사용자의 피드백을 통해 편리하게 구성했다. 시스템의 화면마다 상단에 제목과 설명을 출력했고 사용자가 질병의 정보를 보기 편리하게 화면을 구성했다. 검색된 질병의 정보는 위에서 제안한 산출방법을 토대로 유사한 질병의 영상과 병명을 출력한다. 시스템의 환경은 PC 환경 기반의 웹 브라우저와 모바일 디바이스 환경 기반의 웹 브라우저를 통해 사용할 수 있도록 구현했다.

• 한국정보통신학회논문지
• /
• 제23권11호
• /
• pp.1337-1342
• /
• 2019

의료기관은 급속한 ICT 융합 보급에 따른 의료 기관 간의 경쟁력을 확보하고, 의료 산업을 통해 발생하는 데이터의 빅 데이터화 및 사물 인터넷 의 등장으로 엄청난 속도로 증가하는 데이터를 관리해야하는 과제에 직면해 있다. 이러한 의료계의 빅 데이터 패러다임은 단순히 크기가 큰 자료나 그것을 처리하고 분석하는 도구와 과정만을 의미하는 것이 아니라 인간이 생활하고 사고하고 연구하는 방식의 전산적인 전환을 의미한다고 볼 수 있다. 최근 의료분야 데이터가 공개됨에 따라 의료 데이터의 활용 요구가 증가하고 있으므로 합리적이고 효율적인 의사 결정에 도움을 줄 수 있는 오픈 소스를 활용한 공공 데이터 기반의 질병 검색 시스템 연구를 진행하였다. 실험 결과 기존 공공 기관에서 제공하는 단순 질병 조회나 단일 질환에 대한 증상 조회와는 달리 증상이나 원인으로 검색해도 관련 질병들이 검색되며 병명이 재지정 되었거나 유사한 증상을 가지는 질병들도 검색이 되었다.

• 월간양계
• /
• 제33권2호통권376호
• /
• pp.148-153
• /
• 2001

국립수의과학검역원에서는 다음의 3가지 목적을 가지고 매년 전국의 양계농가 혹은 양계관련회사, 수의사로부터 질병진단을 위하여 가검물을 의뢰 받고 있다. 이 사업은 1966년에 처음으로 시작하여 2000년 올해까지 35년이 되었다. 가. 가금질병의 국내 발생 동향 및 추세파악으로 방역지침자료 확보 나. 새로운 질병의 조기검색 및 연구자료 제공으로 질병 신속방제 다. 양계농가에 대한 질병 치료, 예방 및 위생기술 지도 지금부터 이야기하고자 하는 2000년도 질병분석은 1월부터 10월까지 국립수의과학검역원에 의뢰된 가검물을 기본으로 하였으며 이 자료에 대한 인용은 양계관련잡지, 업체, 개인 누구나 가능하다. 또한, 이 자료는 작성을 한 후 각 전문잡지에 공통으로 투고를 했기 때문에 본문내용이 모두 똑같은 점을 이해해 주었으면 한다. 2000년도 12월 31일까지 분석한 최종자료는 2001년 3월에 발간되는 국립수의과학검역원 정보지에 실릴 예정이다.

• 월간양계
• /
• 제12권8호통권130호
• /
• pp.107-109
• /
• 1980

어떻게 하면 닭이 가장 편안한 상태에서 사양되느냐가 더욱 문제시 되고 있다. 국내가금질병검색 동향을 보아도 질병피해 원인중 전염병이 60$\%$인 반면 눈에 보이지 않는 비전염병은 40$\%$를 차지하고 있다는 점을 생각해 볼 필요가 있다. 이에 하절 기온상승과 장마철의 높은 습도하에서 전염병예방을 위한 예방접종 이외에 기본적인 질병예방 요소를 알아둘 필요가 있다.

• 월간양계
• /
• 제41권2호
• /
• pp.118-122
• /
• 2009

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.418-421
• /
• 2023

본 논문은 Word2Vec를 이용하여 한국어 증상 기반 질병 예측 모델을 제시한다. 아산병원 질환 백과의 크롤링 데이터를 세 가지 형식으로 나누어, 모델에 알맞은 데이터 형식을 찾고 모델에 적용한다. 가장 모델에 맞는 데이터 형식은 증상별 질병과 질병별 증상을 합친 경우이다. 데이터의 양을 늘려 임베딩 스페이스를 넓혔고, 가장 중요한 증상과 질병의 유사도도 정확하게 출력되었다. 이는 유사도가 높은 질병과 증상들이 제대로 학습이 되었다는 것을 알 수 있다. 이렇게 만들어진 예측 모델에 positive 증상을 입력하면 유사도가 향상되고, negative에 입력하면 하락하는 결과를 확인했다. 따라서 환자의 증상을 positive에 넣으면, 그 증상을 가진 질병이 가까워지는 반면, 환자의 증상이 아닌 증상을 negative에 넣으면, 환자에게 맞지 않는 질병이 멀어진다. 그러므로 환자의 상태에 맞는 질병을 유추해, 의사나 환자가 증상에 대한 질병을 알고 싶을 때 또는 검색에 유용하게 사용할 수 있다. 더불어, 질병의 진료과 데이터를 추가하여, 환자에게 맞는 진료과를 찾는 데도 도움을 줄 수 있다.