• 한국컴퓨터정보학회논문지
• /
• 제27권12호
• /
• pp.267-275
• /
• 2022

이 논문은 대기오염의 심장병에 대한 위험도를 예측하기 위하여 Keras를 활용한 Deep Neural Network Model 시스템을 제안하였다. 연구 데이터로 서울열린데이터광장의 서울시 기간별 시간평균 대기환경 데이터 18,000개의 데이터 셋을 분석하여, 심장병 질병에 미치는 영향에 대한 정보를 얻을 수 있었다. 이 모델은 각각 8개의 노드를 가진 3개의 은닉층, Sigmoid, Binary_crossentropy, Adam과 Accuracy를 사용했을 때 88.92%의 높은 정확도를 얻을 수 있었다. 이 시스템은 각 지역별 대기오염에 따른 심장병 질병 위험도를 예측하여 유용한 질병 예방의 지표로 활용 가능하다고 사료되고, 대기오염과 미세먼지의 각 성분이 유해질환에 미치는 영향에 대한 데이터만 존재한다면 어떠한 호흡기 질환이든 위험도 예측 결과를 알 수 있다는 것에 의미가 있다. 이 시스템을 더욱 발전시킨다면, 마스크 및 공기정화제품 생산기업에게 유용한 정보를 제공하여 기업의 기술개발에 도움이 될 수 있다고 사료된다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2016년도 춘계학술발표대회
• /
• 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.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2017년도 춘계학술발표대회
• /
• 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.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2000년도 춘계정기학술대회 e-Business를 위한 지능형 정보기술 / 한국지능정보시스템학회
• /
• 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.

• 한국콘텐츠학회논문지
• /
• 제10권10호
• /
• pp.54-67
• /
• 2010

종래에 헬스케어 영역에서 주로 사용해왔던 기계학습 기법을 U-health 서비스 분석단계에 적용하기에는 여러 가지 문제점들이 있다. 첫째, 아직 U-health 분야의 연구가 초기단계에 불과하여 기존의 기법들을 U-health 환경에 적용한 사례가 매우 부족하다. 둘째, 기계학습 기법은 학습시간이 많이 소요되기 때문에 실시간으로 질환을 관리해야만 하는 U-health 서비스 환경에는 적용하기 어렵다. 셋째, 그동안 다양한 기계 학습 기법들이 제시되었으나 질환 연관변수에 가중치를 부여할 수 있는 방법이 없어, 개인 맞춤형 질병예측 시스템으로 구축할 수 없는 한계를 가진다. 본 논문에서는 이러한 문제점들을 개선하고, U-health 서비스 시스템의 바이오 데이터 분석 과정을 프로세스로 해석하기 위하여, 개인 맞춤형 질병예측 기법인 PCADP를 제안하였다. 또한 이러한 PCADP를 바탕으로 U-health 데이터 및 서비스 명세의 의미 있는 표현을 위하여 U-health 온톨로지 프레임워크를 시멘틱스형으로 모델링하였다. 또한 PCADP 예측 기법은 U-health 환경에서 판별 기법이 갖추어야 할 조건인 유연성과 실시간성이 기존의 방식에 비하여 향상되었고, 판별과정의 모니터링 및 시스템의 지속적인 개선측면에서도 효율적으로 작용함을 확인하였다.

• Journal of the Korean Data and Information Science Society
• /
• 제26권2호
• /
• pp.301-312
• /
• 2015

본 연구는 전염병의 확산 과정을 설명하기 위한 질병 확산 모형을 구축 하고자 하였다. 질병의 확산 과정은 결정적인 과정과 확률적인 과정으로 크게 분류할 수 있다. 대부분의 연구가 질병의 확산 과정을 결정적 과정으로 움직인다고 가정을 하고 상미분방정식을 이용하여 모형을 구축하였다. 본 연구에서는 질병 확산 모형인 SIR (Suspectible - Infectious - Recovered) 모형을 기반으로 하여 질병의 확산 예측 모형을 구현하고자 하였다. 최소제곱법을 이용하여 모수를 추정한 후, 상미분방정식을 이용한 결정적 모형 방법과 더불어 Gillespie가 제안한 방법에 기반하여 확률적인 과정을 따르는 모형 적합을 함께 시도하였다. 본 연구에서 소개된 방법들은 질병관리본부의 2001년 1월부터 2002년 3월까지의 국내 말라리아 주별 발병자 수 자료를 이용하여 모형 적합을 시도 하였으며, 그 결과 구현된 모형이 실제 질병의 확산과정을 잘 설명하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 가을 학술발표논문집 Vol.30 No.2 (2)
• /
• 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.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 가을 학술발표논문집 Vol.30 No.2 (2)
• /
• 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.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2006년도 한국컴퓨터종합학술대회 논문집 Vol.33 No.1 (A)
• /
• 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.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2013년도 추계학술발표대회
• /
• 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.