• 한국정보통신학회논문지
• /
• 제26권5호
• /
• pp.755-762
• /
• 2022

본 논문에서는 학습 예측이 가능한 군집적 알고리즘으로 COVID-19에서 상황인식정보인 질병의 속성정보와 클러스터링를 이용한 군집적 알고리즘을 제안한다. 클러스터링 내에서 처리되는 군집 데이터는 신규 또는 새롭게 입력되는 정보가 상호관계를 예측하기 위해 분류 제공되는데, 이때 새롭게 입력되는 정보가 비교정보에서 오염된 정보로 처리되면 기존 분류된 군집으로부터 벗어나게 되어 군집성을 저하시키는 요인으로 작용하게 된다. 본 논문에서는 COVID-19에서의 질병속성 정보내 K-means알고리즘을 이용함에 있어 이러한 문제를 해결하기 위해 질병 상호관계 정보 추출이 가능한 사용자 군집 분석 방식을 제안하고자 한다. 제안하는 알고리즘은 자율적인 사용자 군집 특징의 상호관계를 분석학습하고 이를 통하여 사용자 질병속성간에 따른 클러스터를 구성해 사용자의 누적 정보로부터 클러스터의 중심점을 제공하게 된다. 논문에서 제안된 COVID-19의 다중질병 속성정보군집단위로 분류하고 학습하는 알고리즘은 적용한 모의실험 결과를 통해 사용자 관리 시스템의 예측정확도가 학습과정에서 향상됨을 보여주었다.

• 응용통계연구
• /
• 제33권5호
• /
• pp.627-637
• /
• 2020

본 논문에서는 건강보험심사평가원에서 제공한 약 120만명의 2014년 고령환자의료자료(HIRA-APS-2014-0053)과 기상자료를 일반화추정방정식(generalized estimating equation; GEE) 모형과 long short term memory (LSTM) 기반 순환신경망(recurrent neural network; RNN) 모형으로 분석하여 기상 조건에 따른 주요 주상병의 발생 빈도를 예측한다. 이를 위해 환자가 의료 서비스를 받은 기관의 지역을 이용하여 환자의 거주지를 추정하고 해당 지역의 주별 기상 관측소 자료와 의료자료를 병합하였다. 질병 발생 상태를 세 개의 범주(질병에 걸리지 않음, 관심 주상병 발생, 다른 질병 방생)로 나누었으며 각 범주에 속할 확률을 GEE 모형과 RNN 모형으로 추정하였다. 각 범주별 발생 건수는 해당 범주의 속할 추정확률의 합으로 계산하였으며 비교분석결과 RNN을 이용한 예측이 GEE를 이용한 예측보다 정확도가 높은 것으로 나타났다.

• 응용통계연구
• /
• 제29권1호
• /
• pp.145-155
• /
• 2016

이 논문에서는 기상에 따른 고령 환자의 질병 발생빈도를 예측하는 방법을 비교한다. 분석을 위해 건강보험심사평가원의 고령 환자 의료 자료와 기상청 자료를 주별, 권역별로 병합한다. 기상에 영향을 받는 질병의 주별 발생 빈도를 ARMAX모형, VARMAX모형, TSCS회귀모형으로 분석하고 MSE, MAPE, MAE 기준으로 모형을 비교했다.

• 한국가금학회:학술대회논문집
• /
• 한국가금학회 2005년도 국제심포지움
• /
• pp.77-94
• /
• 2005

국내 양계질병의 발생은 그간 양계산업의 진폭만큼이나 변화무쌍하여 발생의 추이나 정도를 예측하기가 무척 힘든 일이었다. 최근의 국내 양계산업은 지난 ‘60${\sim}$'70년대와 비교하여 양적인 면에서나 질적인 면에서 엄청난 변화를 가져와서 외형상으로는 산란계는 물론 육계분야에 있어서 여러 선진국들에 못지않은 수준에 이르렀다고도 할 수 있을 것이다. 그러나 한편으로 농가의 사육위생 및 방역, 정부의 방역정책 그리고 관련업체 및 기관들의 각자 역할에 있어서는 아직도 시계 양계 선진국들에는 훨씬 미치지 못하는 수준이라고 하겠다. 따라서 본 고에서는 지난 ’60년대 이전부터 시작하여 최근까지 국내에서 발생되어 양계농가에 많은 물질적 내지는 정신적 피해를 초래해 온 주요 가금질병들의 연대별 발생상황을 알아보고 또한 국내 양계산업에서 국가 및 민간의 방역 현대화가 시작된 지난 ‘80년대 후반을 기점으로 최근까지 양계농가로부터 농림부 국립수의과학검역원에 병성감정 의뢰되어 진단한 질병들의 검색상황을 위주로 국내 양계질병들의 발생현황을 분석하고, 그 중 몇 가지 주요 질병에 대하여는 문제점과 앞으로의 대책에 대하여 보다 심도 있게 다루고자 하였다.

• 한국빅데이터학회지
• /
• 제3권1호
• /
• pp.55-62
• /
• 2018

본 연구에서는 그동안 해외에서 주로 실행되어 왔던 빅데이터를 이용한 다양한 질병(독감, 폐렴, 수족구병) 환자수 예측 모델을 개발해 보았다. 기존의 환자수 예측이 병원에서 실제 환자수를 카운팅한 수를 수집하여 발표하는 시스템이라면, 이번에 개발한 연구 모델은 실시간으로 제공되는 질병 관련 단어 및 다양한 기후 데이터를 접목하여 기계학습 방법으로 알고리즘을 만들고, 이를 기반으로 정부에서 발표하기 전 환자수를 예측하는 모델이다. 특히 유행성 질병이 빠르게 확산될 경우, 실시간으로 전파 속도를 파악할 수 있다는 점에서 그 장점이 있다. 이를 위하여 구글 플루 트렌드에서 실패한 부분을 최대한 보완하여 다양한 데이터를 활용한 예측 모델을 개발하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2017년도 춘계학술발표대회
• /
• pp.1066-1068
• /
• 2017

본 연구는 사회적으로 문제가 되는 질병들을 사전에 예방하기 위한 연구로 키넥트라는 장비를 이용하여 사람의 골격을 촬영하여 뼈대의 휘어짐을 분석하여 뼈대의 휘어짐 상태를 사용자에게 알려준다. 또한 그에 따라 유발될 수 있는 질병들을 예측하여 알려주고 사용자가 질병을 예방할 수 있도록 도와주는 시스템에 대해 연구하였다. 본 논문에서 제안한 시스템은 질병 예방으로 건강관리, 생활 습관 개선, 의료비용절감 등에 활용이 가능할 것이다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 춘계학술발표대회
• /
• pp.413-416
• /
• 2020

COVID-19(Coronavirus Disease 2019)는 RNA 형 바이러스로써 점막감염(粘膜感染)과 비말전파(飛沫傳播)로 전염되는 급성 호흡기성 질병이다. 2019 년 12 월 중국 후베이 우한에서 처음 감염이 보고된 후 빠르게 글로벌로 확산되었고, 현재 여러 국가와 지역이 Lockdown 상태에 있다. COVID-19 의 치사율은 국가별, 연령별 차이는 있으나 사스(SARS-CoV), 메르스(MERS-CoV) 등과 비교하여 높다고 할 수 없다. 그러나 COVID-19 는 신종 코로나바이러스로써 아직 백신(Vaccine)과 항바이러스제가 개발되지 않았고 다른 질병과 비교하여 빠른 감염 속도때문에 의료 공백, 사회적 혼란, 경제적 손실을 크게 일으키고 있다. 따라서 바이러스의 확산 양상을 데이터 분석을 통하여 예측할 수 있다면 사회·경제적인 폐해를 줄일 수 있어 Bass 모델과 R 패키지를 이용하여 COVID-19 확산 예측 모형을 계량적으로 제시하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제8권11호
• /
• pp.433-440
• /
• 2019

최근에 이르러, 기계학습 및 데이터마이닝은 수많은 질병 예측 및 진단에 활용되고 있다. 만성질환은 전체 사망률의 약 80%를 차지하는 질병으로, 점점 증가하는 추세이다. 만성질환 관련 예측 모델을 연구한 기존 연구들은 예측 모델을 구성하는 데이터로 혈당, 혈압, 인슐린 수치 등의 건강검진 수준의 데이터를 이용한다. 본 논문은 만성질환의 위험 요인인 이상지질혈증과 안면 정보의 연관성을 검증하고, 기계학습 기반 안면 정보를 이용한 이상지질혈증 예측 모델을 세계 최초로 개발한다. 본 연구는 5390명의 임상 데이터 중 안면 정보와 중성지방혈증 정보를 바탕으로 수행하였다. 중성지방혈증은 이상지질혈증을 판단하는 척도이다. 연구의 결과로 얼굴의 하악(mandibular) 간의 거리를 나타내는 FD_43_143_aD(p<0.0001, Area Under the receiver operating characteristics Curve(AUC)=0.652) 와 고중성지방혈증이 매우 높은 연관성을 가진 것을 밝혀냈고, 이를 기반으로 구축한 모델은 0.662의 AUC값을 획득하였다. 이러한 연구결과는 향후 질병 역학 및 대중 보건 영역의 스크리닝 단계에서 안면정보만으로 다양할 질병을 예측할 수 있는 기반을 제공할 수 있을 것이다.

• Journal of the Korean Data and Information Science Society
• /
• 제28권2호
• /
• pp.297-307
• /
• 2017

질병 확산 모형은 질병의 확산 과정을 모형화 함으로써 질병이 발생하고 퍼지는 시간 내에서 통제하기 위하여 활용하고자 하는 모형이다. 본 연구에서는 질병 확산 모형의 가장 대표적인 SIR 모형에 기본적인 확장 접근을 하여 접촉군 (exposed)이라는 단계를 추가한 SEIR 모형을 이용하여 모형 구축을 하였다. 이 모형은 감염 대상군 (susceptible)의 사람들이 질병에 노출 된 잠복기를 거쳐 일정 시간이 경과한 후 감염되어 감염군 (infected)으로 이동한 후 다시 회복군 (removed)으로 이동하는 모형이다. 이와 같이 질병에 감염된 후 감염력이 생기는 잠복기가 있는 경우에 연구에 활용될 수 있다. 본 연구에서는 2015년 국내에서 발생한 메르스 코로나바이러스 (Middle East respiratory syndrome coronavirus; MERS CoV)에 의한 호흡기 감염증 자료를 수집하였다. 질병의 확산 과정이 결정적이 아닌 확률적인 흐름을 따른다고 가정하여 포아송 확률과정을 따른다고 보고 확률적 화학반응 모형을 이용하여 모형을 구축하였다. 모형을 구현하기 위해서 SEIR 모형의 세 모수인 질병에 노출된 정도를 나타내는 접촉률 (exposed rate), 질병의 감염 정도를 나타내는 감염률 (transmission rate), 질병의 회복정도를 나타내는 회복률 (recovery rate)를 추정함으로써, SEIR 모형에 적합하고 전염병 확산에 대한 예측을 수행하였다. 또한 접촉군이 정확하게 관찰되지 않을 부분을 보완하기 위하여 접촉군을 생성하는 과정을 전체 모형 구축 과정에 추가하였다.

• 한국멀티미디어학회논문지
• /
• 제13권5호
• /
• pp.722-729
• /
• 2010

예측 문제를 해결하기 위한 데이타마이닝 기법은 다양한 분야에서 주목받고 있다. 이것에 대한 한 예로 컴퓨터-기반의 질병의 예측 혹은 진단은 CDSS(Clinical Decision support System)에서 가장 중요한 요소이기도 하다. 이러한 예측 문제를 해결하기 위해서 RBF커널 같은 비선형 커널을 사용한 SVM이 가장 널리 사용되고 있는데, 이는 비선형 SVM이 어떠한 다른 분류기법보다 정확한 성능을 보이기 때문이다. 하지만 비선형 SVM을 사용한 경우에는 모델내부를 시각화하는 일이 어려워서 예측결과에 대한 직관적인 이해가 힘들고, 의학 전문가들은 이러한 비선형 SVM의 사용을 기피하고 있는 실정이다. Nomogram은 SVM을 시각화하기 위해 제안된 기법이다. 하지만 이는 선형 SVM의 경우에만 사용이 가능하고. 이 문제를 해결하기 위해서 LRBF 커널이 제안된 바 있다. LRBF 커널은 기존의 RBF 커널을 사용한 SVM과 대등한 결과를 보이면서도 예측결과의 선형적 분석도 가능하게 한다. 본 논문에서는 노모그램(Nomogram)과 LRBF 커널을 사용한 SVM이 통합되어 있는 예측 툴 VRIFA를 제안한다. 이 툴은 사용자와 상호작용하며 비선형 SVM 모델의 내부구조를 데이타의 각 속성별로 보여주는 방법으로 사용자가 예측결과를 직관적으로 이해하도록 도와준다. VRIFA는 Nomogram기반의 피쳐선택(feature selection) 기능도 포함하고 있는데, 이 기능은 예측결과에 부정적인 영향을 끼치거나 중복된 연관성을 보이는 속성을 제거함으로써 모델의 정확도를 높이는 데 기여한다. 그리고 데이터에 포함된 클래스의 비율이 한 쪽으로 치우쳐져 있는 경우에는 ROC 곡선 넓이(AUC)를 예측결과를 평가하기 위한 측도로 사용할 수 있다. 이 툴은 컴퓨터-기반의 질병 예측 혹은 질병의 위험 요소 분석에 대해 연구하는 연구자들에게 유용하게 사용될 것으로 전망하는 바이다.