• Journal of the Korea Society of Computer and Information
• /
• v.27 no.12
• /
• pp.267-275
• /
• 2022

This paper proposed a Deep Neural Network Model system utilizing Keras for predicting air pollution risk of the cardiovascular disease through the effect of each component of air on the harmful virus using past air information, with analyzing 18,000 data sets of the Seoul Open Data Plaza. By experiments, the model performed tasks with higher accuracy when using methods of sigmoid, binary_crossentropy, adam, and accuracy through 3 hidden layers with each 8 nodes, resulting in 88.92% accuracy. It is meaningful in that any respiratory disease can utilize the risk prediction system if there are data on the effects of each component of air pollution and fine dust on oil-borne diseases. It can be further developed to provide useful information to companies that produce masks and air purification products.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2016.04a
• /
• pp.616-619
• /
• 2016

고병원성 조류 인플루엔자는 빠른 확산과 높은 치사율로 인하여 발병 초기에 질병의 확산경로 및 확산범위를 예측한다는 것은 매우 어려운 문제이면서 동시에 반듯이 해결해야만 하는 중요한 과제이다. 본 연구에서는 공개된 법정 고병원성 조류인플루엔자의 발병데이터를 기반으로 순차패턴 마이닝을 적용하여 질병의 순차적인 확산경로 규칙을 도출한 후, 그 결과를 바탕으로 지역개념계층(location concept hierarchy)에 따른 추상화 레벨의 점진적인 조절을 통하여 지역 원도우의 확대와 축소를 적용함으로써 도시(city)레벨부터 리(street)레벨까지의 질병확산경로 그래프와 GIS기반의 질병확산경로에 대한 분석을 시도하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2017.04a
• /
• pp.822-825
• /
• 2017

본 연구는 키넥트를 통해 사람의 걸음걸이를 측정하고 의사결정트리(Decision Tree)를 통해 분석함으로써 현재의 걸음걸이를 통해 측정자의 허리 또는 무릎에서 발생할 가능성이 높은 문제 또는 질병들을 예측하고 해당결과를 측정자에게 알린다. 본 연구를 진행하며 첫 번째 단계에서는 관련 논문이나 병원 자료 결과들을 통해 판별할 속성들을 정하였다. 두 번째 단계에서는 키넥트를 통해 측정한 실제 데이터를 적용하기에 앞서 첫 번째 단계에서 정한 속성들이 측정자의 문제 또는 질병들을 판단해내는 연관 정도가 높은지 테스트 데이터를 이용하였고 의사결정나무를 통해 분석하였다. 그 결과 7개의 속성 중 6개로 약 85.7%정도의 연관이 있었다. 마지막 세 번째 단계에서는 판별식을 세우고 실제 데이터들을 쌓아나가며 69명의 측정한 데이터를 분석한 결과 6개의 속성 중 5개의 속성이 허리와 연관정도가 높았고 이는 두 번째 단계에서 나왔던 결과인 약85.7%에 가까운 약83%의 결과가 도출되었다. 이를 기반으로 시스템을 개발해 나가며 판별 정확도를 향상시키기 위해 계속 측정해 데이터를 쌓아가고 관련된 식들의 문제점을 보완하며 또한 어떤 환경에서 키넥트의 측정값의 정확도가 올라가는지 연구할 예정이다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2000.04a
• /
• pp.243-249
• /
• 2000

본 연구의 목적은 휴대폰이나 무선호출기가 가진 양방향 데이터 전송기술을 활용하여 혈압자료를 주기적 혹은 수시로 송신하고 개인별로 축적된 건강관련데이터를 이용하여 혈압과 관련된 심혈관 질환을 예측하는 시스템을 개발하고자 한다. 본 시스템은 크게 5가지 모듈로 구성되어 있다. 첫째는 가정용 혈압측정기에 무선 데이터 전송 기능이 부가된 혈압측정 및 전송장비이다. 둘째는 무선데이터 송수신을 위한 데이터 전송과 관련된 시스템을 구축하는 부분이다. 셋째는 수신된 개인별 혈압 데이트를 DB화하고 이를 자동으로 검사하여 혈압 이상변동 여부를 수시로 확인하고, 필요시 본인에게 경고 메시지를 보내어서 담당의사와 상의하거나 병원에 가서 정밀진단을 받도록 사전에 건강 이상상태를 경고해 주는 조기경보시스템이다. 넷째는 의사의 전문지식과 개인별 혈압자료를 기초로 하여 인터넷 상에서 스스로 심혈관 관련 질병을 진단해 볼 수 있는 인터넷 기반 심혈관 질병 진단 시스템의 구축이다. 다섯 번째로는 이러한 모든 기능이 복합된 전체 시스템을 통합하고 각 부분을 연결하는 시스템 인터페이스 및 사용자가 아주 쉽게 사용할 수 있도록 하는 사용자 인터페이스 부분이다. 본 논문에서는 이를 위한 전체 시스템의 프레임웍을 제시하고 혈압과 의사의 전문지식에 기초한 심혈관 질병 진단 전문가 시스템에 대하여 구축하고자 한다.

• The Journal of the Korea Contents Association
• /
• v.10 no.10
• /
• pp.54-67
• /
• 2010

Applying the conventional machine-learning method which has been frequently used in health-care area has several fundamental problems for modern U-health service analysis. First of all, we are still lack of application examples of the traditional method for our modern U-health environment because of its short term history of U-health study. Second, it is difficult to apply the machine-learning method to our U-health service environment which requires real-time management of disease because the method spends a lot of time in the process of learning. Third, we cannot implement a personalized U-health diagnosis system using the conventional method because there is no way to assign weights on the disease-related variables although various kinds of machine-learning schemes have been proposed. In this paper, a novel diagnosis scheme PCADP is proposed to overcome the problems mentioned above. PCADP scheme is a personalized diagnosis method and it makes the bio-data analysis just a 'process' in the U-health service system. In addition, we offer a semantics modeling of the U-health ontology framework in order to describe U-health data and service specifications as meaningful representations based on this PCADP. The PCADP scheme is a kind of statistical diagnosis method which has characteristics of flexible structure, real-time processing, continuous improvement, and easy monitoring of decision process. Upto the best of authors' knowledge, the PCADP scheme and ontology framework proposed in this paper reveals one of the best characteristics of flexible structure, real-time processing, continuous improvement, and easy monitoring among recently developed U-health schemes.

• Journal of the Korean Data and Information Science Society
• /
• v.26 no.2
• /
• pp.301-312
• /
• 2015

The purpose of this paper is to establish the epidemic model to explain the process of disease spread. The process of disease spread can be classified into two types: deterministic process and stochastic process. Most studies supposed that the process follows the deterministic process and established the model using the ordinary differential equation. In this article, we try to build the disease spread prediction model based on the SIR (Suspectible - Infectious - Recovered) model. we first estimated the model parameters using least squared method and applied to a deterministic model using ordinary differential equation. we also applied to a stochastic model based on Gillespie algorithm. The methods introduced in this paper are applied to the data on the number of cases of malaria every week from January 2001 to March 2003, released by Korea Centers for Disease Control and Prevention. As a result, we conclude that our model explains well the process of disease spread.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10b
• /
• pp.802-804
• /
• 2003

2000년대 초 인간 지놈 프로젝트의 완성으로 새로운 포스트-지놈 시대를 맞이하여, 유전자에 대한 해독보다는 인간의 모든 대사와 질병에 직접관여 하고 있는 단백질의 구조와 기능에 대해 많은 관심과 연구가 이루어지고 있다. 특히, 특정 단백질들은 암과 같은 불치병에 직접관여 하고 있으므로 이러한 단백질들의 기능과 구조에 대한 예측 성능의 향상은 새로운 신약 개발에 큰 도움이 될 것이다. 본 논문은 기계학습(Machine Learning)의 한 분야인 HMM(Hidden Markov Model)을 이용하여 $\beta$-barrel 형태로 막횡단하는 단백질의 특성과 기능으로부터 막횡단하는 부위가 존재하는지 여부를 예측하는 프로그램을 구현했다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10b
• /
• pp.817-819
• /
• 2003

현재 바이오인포매틱스(Bioinformatics) 분야에서 가장 중요한 부분 중의 하나는 유전자 및 단백질의 구조와 기능을 정확하게 예측하는 것이다. 이는 질병 치료 및 신약개발에 유용하여 이로부터 나온 결과로부터 경제적 산업적 효과를 기대할 수 있다. 이 논문에서는 기계학습(Machine Learning)의 한 분야인 SVM(Support Vector Machine)과 HMM(Hidden Markov Model)를 결합하여 단백질의 막횡단(Transmembrane) $\alpha$-Helix 단백질 지역을 예측하는 새로운 알고리즘을 개발, 구현 및 실험하였다. 그 결과 이 두 가지 알고리즘이 결합된 방식을 사용함으로써 성능을 향상 시킬 수 있음을 증명했다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.06a
• /
• pp.85-87
• /
• 2006

압타머칩은 (주)제노프라에서 개발한 새로운 개념의 바이오칩으로서, 압타머(aptamer)를 이용하여 혈액중의 특정 단백질군의 상대적인 양의 변화를 측정할 수 있으며, 질병 진단에 바로 응용할 수 있는 도구이다. 본 논문에서는 압타머칩 데이터 분석을 통해 심혈관 질환 환자의 질병 진행 단계를 예측할 수 있음을 보인다. 정상, 안정/불안정성 협심증, 심근경색의 네 단계로 표지된 환자의 혈액 샘플로부터 제작한 (주)제노프라의 3K 압타머칩 데이터를, 일반 DNA 마이크로어레이 분석과 동일한 과정을 거쳐 분류한 결과, 각 단계별 환자샘플이 확연히 구분되는 것을 확인하였다. 분산분석 결과 P-Value를 이용하여 자질 선택을 수행하고, 분류 알고리즘으로는 신경망, 결정트리, SVM, 베이지안망을 적용한 결과. 각 알고리즘별로 50대 남성환자 31개의 샘플에 대하여 $77{\sim}100%$의 정확도로 심혈관 질환의 단계를 구분해내었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.11a
• /
• pp.1113-1116
• /
• 2013

유전체에 대한 관심이 크게 증가하면서, 이에 따른 다양한 연구가 이루어졌다. 그 결과 유전체와 관련된 다양한 종류의 데이터가 얻어졌으며, 그것을 해석하고 다른 데이터와 통합하는 것이 중요한 연구과제 중 하나가 되었다. 본 논문은 유전자 상호작용(genetic interaction) 데이터, 유전자 발현 데이터, 문헌으로부터 텍스트마이닝 기술을 통해 얻은 이종(heterogeneous) 데이터를 통합하여 암과 관련이 있는 유전자를 찾는 실험을 수행하였다. 또한, 단순히 질병(disease)-정상(normal)의 대조가 아니라 암의 단계(stage)를 고려한 실험을 수행하였다. 데이터를 통합하지 않거나 암의 단계를 고려하지 않았을 경우에 비하여 제안하는 방법이 더 높은 유전자 예측 성능을 나타냈다.