• 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.

• 한국정보통신학회논문지
• /
• 제21권10호
• /
• pp.1898-1908
• /
• 2017

가축 질병을 정확하게 예측하고 관리하는 것은 지속가능한 가축의 생산을 보장하고 궁극적으로 인간의 건강을 유지하는 데 기여한다. 가축의 건강을 유지하는 것은 인간의 건강에 영향을 미치는 중요한 부분이다. 송아지 질병 예측은 송아지의 생체 데이터를 측정하여 전처리 과정을 거친다. 송아지 정보는 송아지의 출산 이력과 송아지 생체 정보측정, 축사의 환경 정보, 질병 관리를 위한 정보를 사용하며, 온톨로지 개발하여 지식 베이스로 활용하였고, 송아지의 질병에 대한 상호 연관성을 분석 과정하기 위해 베이지안 네크워크를 사용하여 추론하였다. 송아지 질병, 원인, 발생 시기, 증상 등에 대한 송아지 질병 지식을 기반으로 질병을 예측하면 그 결과로 정확한 질병 치료에 대응할 수 있고 다른 가축에게 전염되는 것을 사전에 방지할 수 있을 것이다.

• 스마트미디어저널
• /
• 제11권4호
• /
• pp.62-68
• /
• 2022

수산 양식장 질병 감염의 확산을 사전에 차단을 위해서는 양식장의 수질 환경 및 생육 어류의 상태를 실시간 모니터링하면서 어류의 질병을 예측하는 시스템이 필요하다. 어류 질병 예측의 기존 연구는 이미지 처리 기법이 대부분이었으나 최근에는 딥러닝 기법을 통한 질병 예측방법의 연구가 활발히 진행되고 있다. 본 논문에서는 수산 양식장에서 발생할 수 있는 넙치의 질병을 딥러닝 기술로 예측하는 방법에 대한 연구결과를 소개하고자 한다. 이 방법은 양식장에서 수집된 카메라 영상에 데이터 증강과 전처리 포함하여 질병 인식률의 성능을 높인다. 이것을 통해 질병 어류를 조기 발견으로 양식 어업에서 어류 집단 폐사 등 어업 재해를 예방하고 지역 수산 양식장으로 어류의 질병 확산 피해를 줄여 매출액 감소 차단될 것으로 기대한다.

• 중소기업융합학회논문지
• /
• 제6권4호
• /
• pp.79-84
• /
• 2016

본 논문에서는 스마트 헬스케어 서비스 시스템의 바이오 데이터 분석 과정을 프로세스로 해석하기 위하여, 온톨로지 기반 통계학적 개인 맞춤형 질병예측 기법인 PCADP(Personalized Computer Aided Diagnosis Probability)를 제안하였다. 또한 이러한 개인 맞춤형 질병예측 기법을 바탕으로 스마트 헬스케어 데이터 및 헬스케어 서비스 명세의 의미 있는 표현을 위하여 헬스케어 온톨로지 프레임워크를 시맨틱스형으로 모델링하였다. PCADP 기법은 스마트 헬스케어 환경에서 개인 맞춤형 판별 기법이 갖추어야 할 조건인 실시간 처리, 유연한 구조, 판별과정의 모니터링, 지속적인 개선 등에 부합하는 통계학적 질병예측 기법임을 확인하였다.

• 한국엔터테인먼트산업학회논문지
• /
• 제13권8호
• /
• pp.335-343
• /
• 2019

건강한 삶은 인간이 추구하는 행복의 필수불가결한 요소이다. 식생활은 그 기반을 제공하는 것이며 가축의 건강은 사람의 건강에 직접적인 영향을 준다. 가축 질병을 정확하게 예측하고 관리하는 것은 지속가능한 가축의 생산을 보장하고 인간의 건강을 유지하는 데 기여한다. 사람의 경우 만병의 근원이 감기라면, 송아지의 경우 모든 질병의 원인을 제공하는 것은 설사병이다. 따라서 송아지의 설사병을 스마트 센서로 생체 데이터를 추출하고, 수집된 생체 데이터는 전처리 후에 의미 있는 정보로 사용한다. 축사의 환경 정보와 송아지 객체의 생화학·면역·감염원인체의 측정 정보를 온톨로지로 구축한다. 온톨로지는 논리적 추론 절차를 거쳐 송아지의 설사병을 예측할 수 있는 지식 베이스로 구축하였다. 송아지의 질병명, 원인, 발생 시기, 증상에 대해서 지식 기반으로 설사병을 예측한다. 가축의 일부 중에서 송아지를 모델한 지식 기반의 가축 원격 진료 질병 예측은 상위 온톨로지와 예측에 관한 도메인 온톨로지로 표현하여 그 결과로 치료, 예방법을 제시할 수 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2014년도 춘계학술발표대회
• /
• pp.708-711
• /
• 2014

국민소득 증가와 고령화 사회에 진입하면서 다양한 의료소비가 의료서비스산업에 영향을 미치고 있으며, 이러한 사회 구조 및 환경변화에 따라 새로운 질병에 대한 대응 또한 절실히 요구되고 있다. 질병 예측을 위한 연구는 기후변화와 질병, 건강행태와 질병, 사회적 위치와 질병 등 질병에 영향을 주는 많은 요인들이 있다. 그러나 이러한 요인들을 통합, 분석 활용하는 데는 해결해야 할 문제들이 많이 있다. '정부3.0 공공데이터 개방 정책' 을 통해 질병에 관련된 자료가 공개 되면서 본 연구에서는 2010년부터 2012년까지의 질병에 영향을 주는 공공데이터를 연도별로 통합하여 지리정보시스템(GIS)기반 데이터베이스를 구축하고 활용 할 수 있게 하였다. 향후 기후변화에 민감한 질병을 찾기 위해 해당기관의 자료를 활용하여 월별로 데이터베이스를 구축하고, 이를 기반으로 의료서비스의 활성화 및 효율성에 기여 할 수 있다.

• 한국콘텐츠학회논문지
• /
• 제21권12호
• /
• pp.322-330
• /
• 2021

수산 양식장에서 어류 질병을 초기에 발견하지 못하는 경우 밀폐된 공간 안에서 확산하기 때문에 집단 폐사로 이어질 확률이 매우 높다. 이런 이유로 질병의 조기 발견은 양식업에서 매우 중요하다. 양식장에서 질병의 확산을 막기 위해서는 초기에 병이 든 어류를 자동식별이 가능한 방법이 필요하다. 최근 딥러닝 기반의 어류 질병 자동식별 방법이 많이 사용되고 있는데, 어류의 질병 이미지가 충분하지 않아 객체 식별에 많은 어려움이 있다. 본 논문은 질병 자동식별 예측을 위한 질병 이미지의 부족 문제를 해결하기 위해서 SinGAN 딥러닝 모델을 이용하여 정상 이미지와 질병 이미지를 합성해 다양한 어류 질병 이미지를 자동 생성하는 방법을 제안한다. 넙치에서 가장 빈번히 발생하는 3가지 질병 스쿠티카병, 비브리오증, 림포시스티스에 대해서 SinGAN 기반으로 질병 이미지를 증강한다. 본 연구에서는 넙치 정상 이미지 11장에 각 질병 패턴 10가지를 합성하여서 스쿠티카병 110장, 비브리오증 110장, 림포시스티스 110장으로 총 330장을 만들었고 이를 통해 생성된 이미지는 4배수 하여 1,320장의 이미지를 생성할 수 있었다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2022년도 제34회 한글 및 한국어 정보처리 학술대회
• /
• pp.59-64
• /
• 2022

한국표준질병사인분류(KCD)는 사람의 질병과 사망 원인을 유사성에 따라 체계적으로 유형화한 분류체계이다. KCD는 계층적 분류체계로 구성되어 있어 분류마다 연관성이 존재하지만, 일반적인 텍스트 분류 모델은 각각의 분류를 독립적으로 예측하기 때문에 계층적 정보를 반영하는 데 한계가 있다. 본 논문은 계층적 분류체계를 적용한 KCD 예측 모델을 제안한다. 제안 방법의 효과를 입증하기 위해 비교 실험을 진행한 결과 F1-score 기준 최대 0.5%p의 성능 향상을 확인할 수 있었다. 특히 비교 모델이 잘 예측하지 못했던 저빈도의 KCD에 대해서 제안 모델은 F1-score 기준 최대 1.1%p의 성능이 향상되었다.

• 월간양계
• /
• 제49권9호
• /
• pp.168-171
• /
• 2017

• 한국정보통신학회논문지
• /
• 제20권8호
• /
• pp.1460-1465
• /
• 2016

오늘날 많은 비용이 국가 의료보장체계의 유지를 위협하고 있다. 국가 질병 통제 및 방지 센터의 감사체계를 동반한 건강관리 역학성에 대한 연구에도 불구하고, 시간 한계, 표본 한계, 대상 질병 한계에 대한 제약이 여전히 존재하고 있다. 이러한 배경에서, 방대한 양의 전수 데이터를 활용하여, 많은 기술들이 건강의 선제적 예측이나 그 대상 질병을 확장하는 분야에 충분하게 적용되고 있다. 우리는 국민건강보험의 구조적 데이터와 소셜네트워크서비스의 비구조적 데이터를 활용하여 질병을 예측하는 모형을 설계하였다. 이 모형은 건강예보서비스를 제공함으로써, 국민건강을 증진시키고 사회적 혜택을 극대화할 수 있다. 또한, 빅데이터 분석에 근거하여, 건강보험비용의 갑작스러운 증가를 감소시키거나 적시적인 질병발생을 예측할 수도 있다. 관련된 의료 예측 사례를 살펴보았고, 제안된 모형의 검증을 위하여 시범과제를 통한 실험을 수행하였다.