• Proceedings of the Korea Information Processing Society Conference
• /
• 2016.10a
• /
• pp.546-547
• /
• 2016

생활수준의 향상 및 소비자들의 건강에 대한 관심의 증가로 인해 자신의 건강에 대해서 스스로 결정하고자 하는 요구가 점차 증가하고 있다. IT와 의료기술의 발달은 이를 가능하게 하였으며 각종 의료정보를 기반으로 하는 질병진단에 대한 연구가 많이 진행되고 있다. 본 논문에서는 국민건강정보 기반 진료과목 예측에 대한 연구를 진행하여 소비자 스스로 진료과목을 선택하는데 도움을 주고자 한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.06a
• /
• pp.19-21
• /
• 2006

Single Nucleotide Polymorphism(SNP)는 인간 유전자 서열의 0.1%에 해당하는 부분으로 이는 각 개인의 체질 및 각종 유전질환과 밀접한 관련이 있다고 알려져 있다. 최근 이 SNP정보의 패턴을 이용 질병의 진단 및 치료에 연관지으려는 노력이 시도되고 있다. 그러나 아직 SNP를 이용한 효율적인 분석방법에 대한 전산학적 연구는 많지 않다. 본 논문에서는 대표적인 패턴인식기 중 하나인 Support Vector Machine(SVM)을 이용 한국인의 대표적인 유전질환으로 알려진 만성간염에 대해서 관련된 SNP에 대한 패턴 인식율 측정을 실험하였다. 실험 데이터는 간 및 소화기 질환 유전체 센터에서 얻어진 만성간염 환자와 관련 SNP정보를 사용하였으며, 실험 결과 전체 SNP 정보를 모두 가지는 환자그룹에 대한 학습인식율이 66.46%로 나타났으며, 부분그룹에서는 72.91%로 높은 인식율을 보였다. 이 결과는 SNP 정보를 이용한 만성간염의 초기진단예측에 SVM을 효율적으로 사용할 수 있음을 보인다.

• Proceedings of the Korea Contents Association Conference
• /
• 2014.11a
• /
• pp.55-56
• /
• 2014

치쿤구니아열은 치쿤구니아 바이러스(chikungu- nya virus)에 감염된 매개 모기(열대숲모기 및 흰줄숲모기)에 물려 감염되는 급성 열성 질환으로 잠복기가 짧고 치료제가 없기 때문에 조기 진단이 매우 중요한 급성전염병이다. 아열대기후로 진입하는 우리나라에서도 흰줄숲모기가 자주 발견되기 때문에 이 질병으로부터 결코 자유롭지가 않다. 치쿤구니아 바이러스 감염을 진단하기 위한 진단키트를 개발하기 위해 먼저 타깃 유전자 부위 선정이 매우 중요하다. 본 연구에서는 생명정보학을 기반으로 이 바이러스 만을 검출할 수 있는 epitope를 예측하고자 한다. 이 바이러스의 capsid 유전자를 찾고 유사한 바이러스의 유전자들과 multiple alignment를 수행하여 이 바이러스만이 가지고 있는 독특한 부위를 추출하였다. 이후 ProtScale Tool 프로그램으로 선택한 단백질의 친수성(hydrophilicity), 접근성(accessi- bility), 유연성(flexibility), 회전(${\beta}$-turns) 등의 특성을 모두 만족하는 부위를 선별하여 진단키트 제작을 위한 epitope를 제시하고자 한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10b
• /
• pp.733-735
• /
• 2003

DNA Microarray 기술은 유전자의 발현여부를 매우 빠르게 검사할 수 있는 도구이며 각종 질병의 발생여부를 예측하기 위한 정보를 제공한다. 유전자 발현 데이터로부터 암의 발생 여부를 예측하기 위해서는 기존의 접근방법과 다른 기계학습 기법이 요구된다. 일반적으로 샘플의 개수가 극히 적은 반면에 특징의 개수는 수천에서 수만 개가 존재하기 때문에 문제의 특성에 맞는 분류기의 구조를 결정하는 것이 매우 어려운 일이기 때문이다. 진화 신경망은 신경망의 구조와 가중치를 동시에 학습하며 사용자는 각 개체의 적합도를 평가할 수 있는 방법만 제공해 주면된다. 특히 신경망의 구조를 사전에 고정하지 않아도 되는 장점이 있기 때문에 전문적인 지식이 없는 사용자라도 이용가능하다. 대장암 데이터에 대한 실험결과 제안하는 분류기 모델이 다층 퍼셉트론, SVM (support vector machine), 최근접 이웃 방법에 비해 향상된 성능을 보였다.

• The KIPS Transactions:PartB
• /
• v.17B no.3
• /
• pp.239-248
• /
• 2010

Leukocyte in blood smear image provides significant information to doctors for diagnosis of patient health status. Therefore, it is necessary step to separate leukocyte from blood smear image among various blood cells for early disease prediction. In this paper, we present a saliency map and stepwise region merging based leukocyte segmentation method. Since leukocyte region has salient color and texture, we create a saliency map using these feature map. Saliency map is used for sub-image separation. Then, clustering is performed on each sub-image using mean-shift. After mean-shift is applied, stepwise region-merging is applied to particle clusters to obtain final leukocyte nucleus. The experimental results show that our system can indeed improve segmentation performance compared to previous researches with average accuracy rate of 71%.

• Communications for Statistical Applications and Methods
• /
• v.16 no.4
• /
• pp.723-730
• /
• 2009

Missing values in time series can be treated as unknown parameters and estimated by maximum likelihood or as random variables and predicted by the expectation of the unknown values given the data. The purpose of this study is to impute missing values which are regarded as the maximum likelihood estimator and random variable in incomplete data and to compare with two methods using ARMA model. For illustration, the Mumps data reported from the national capital region monthly over the years 2001 ${\sim}$ 2006 are used, and results from two methods are compared with using SSF(Sum of square for forecasting error).

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.10 no.3
• /
• pp.97-102
• /
• 2010

The purpose of medical data mining for efficient algorithms and techniques throughout the various diseases is to increase the reliability of estimates to classify. Previous studies, an algorithm based on a single model, and even the existence of the model to better predict the classification accuracy of multi-model ensemble-based research techniques are being applied. In this paper, the higher the medical data to predict the reliability of the existing scope of the ensemble technique applied to the I-ENSEMBLE offers. Data for the diagnosis of hypothyroidism is the result of applying the experimental technique, a representative ensemble Bagging, Boosting, Stacking technique significantly improved accuracy compared to all existing, respectively. In addition, compared to traditional single-model techniques and ensemble techniques Multi modeling when applied to represent the effects were more pronounced.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2014.11a
• /
• pp.868-871
• /
• 2014

오늘날 한국에서는 급성 심근경색증으로 인한 사망률이 높은 상태로, 발병 시에 치료까지 신속한 의사결정이 요구되는 위중한 질병이기 때문에, 한국인에게 맞는 급성 심근경색증 연구가 매우 중요 하다. 본 연구는 한국인 급성 심근경색증 등록 데이터를 이용해 기계 학습 방법의 한 종류인 나이브 베이지안 방법을 이용해 급성 심근경색증 환자의 예후를 예측하고자, 의료 데이터의 특성에 따른 데이터 변환 방법을 제안한다. 타겟 클래스에서 보다 중요한 의미를 가진 death 값에 대해 각 값을, nominal value, numeric value, 결측치로 구분한 방식에 따라, 확률을 계산해 변환한다. 실험 결과를 통해 결측치를 피처마다 존재하는 값들의 평균을 낸 값으로 대입하였을 때 가장 좋은 성능임을 알 수 있었는데, 기존의 방법에 비해 precision=5.4%, recall=7.0%의 성능이 향상되었다. 따라서 제안한 방법은 나이브 베이지안 방법의 예측 성능 향상에 기여하였다고 판단된다. 이후 적용했던 데이터 변환 방법을 여러 가지 기계 학습 방법에서 판단해보고, 다른 타겟 클래스에도 시험해보고자 한다.

• Communications for Statistical Applications and Methods
• /
• v.17 no.2
• /
• pp.263-273
• /
• 2010

Missing values in time series can be treated as unknown parameters and estimated by maximum likelihood or as random variables and predicted by the conditional expectation of the unknown values given the data. The purpose of this study is to impute missing values which are regarded as the maximum likelihood estimator and random variable in incomplete data and to compare with two methods using ARMA and STAR model. For illustration, the Mumps data reported from the national capital region monthly over the years 2001~2009 are used, and estimate precision of missing values and forecast precision of future data are compared with two methods.

• The Korean Journal of Applied Statistics
• /
• v.37 no.2
• /
• pp.239-253
• /
• 2024

This research applies both point-wise and pair-wise learning strategies within the learning-to-rank (LTR) framework to predict horse race rankings in Seoul. Specifically, for point-wise learning, we employ a linear model and random forest. In contrast, for pair-wise learning, we utilize tools such as RankNet, and LambdaMART (XGBoost Ranker, LightGBM Ranker, and CatBoost Ranker). Furthermore, to enhance predictions, race records are standardized based on race distance, and we integrate various datasets, including race information, jockey information, horse training records, and trainer information. Our results empirically demonstrate that pair-wise learning approaches that can reflect the order information between items generally outperform point-wise learning approaches. Notably, CatBoost Ranker is the top performer. Through Shapley value analysis, we identified that the important variables for CatBoost Ranker include the performance of a horse, its previous race records, the count of its starting trainings, the total number of starting trainings, and the instances of disease diagnoses for the horse.