• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 춘계학술발표대회
• /
• pp.452-455
• /
• 2022

4차 산업혁명의 확산으로 의학계에서도 딥러닝 기술을 이용한 질병의 치료결과 예측 연구가 활발하다. 이와 관련, 일부 연구에서 국소적인 환자 데이터의 활용으로 인해 도출된 연구 결과의 일반화가 어려웠으며 예측률 제고를 위해 특정 딥러닝 알고리즘을 중심으로 한 실험이 추진되어 다양한 알고리즘별 예측률의 비교·분석 결과를 제시하는 연구도 미흡하였다. 이에, 건강보험심사평가원의 대규모 진료 정보와 다종의 알고리즘을 제공하는 AutoML을 이용, 사망률이 높은 80대·90대 노령자 대상 폐암 진단 후 84개월간의 사망률을 예측하는 Decision Tree 등 5개 알고리즘별 모델을 생성하고 이를 활용, 사망률의 예측 성능을 비교하고 사망률에 영향을 미치는 요인에 대한 분석 결과를 도출하였다.

• 한국콘텐츠학회논문지
• /
• 제22권3호
• /
• pp.71-80
• /
• 2022

과거 양식장에서 어류 질병은 세균성이었던 반면 최근은 바이러스성 및 혼합된 형태가 되면서 어류 질병의 빈도가 높아졌다. 양식장이라는 밀폐된 공간에서 바이러성 질병은 확산속도가 높으므로 집단 폐사로 이어질 확률이 매우 높다. 집단 폐사를 방지하기 위해서는 어류 질병의 빠른 식별이 중요하다. 그러나 어류의 질병 진단은 고도의 전문지식이 필요하고 매번 어류의 상태를 눈으로 확인하기 어렵다. 질병의 확산을 막기 위해서는 병이든 어류의 자동식별 시스템이 필요하다. 본 논문에서는 딥러닝 기반의 넙치의 질병 식별 시스템의 성능을 높이기 위해서 기존 전처리 방법을 비교 실험한다. 대상 질병은 넙치에서 가장 빈번히 발생하는 3가지 질병 스쿠티카병, 비브리오증, 림포시스티스를 선정하였고 이미지 전처리 방법으로 RGB, HLS, HSV, LAB, LUV, XYZ, YCRCV를 사용하였다. 실험결과 일반적인 RGB를 사용하는 것보다 HLS가 가장 좋은 결과를 얻을 수 있었다. 간단한 방법으로 질병의 인식률을 향상해 어류 질병 식별 시스템을 고도화 할 수 있을 것으로 예상한다.

• 산업진흥연구
• /
• 제7권3호
• /
• pp.103-113
• /
• 2022

본 연구에서는 고전점성학(Classic Astrology)의 네이티비티(Nativity) 출생차트에서 '네이티브의 질병을 다스리는 구조를 다르게 타고났다면 네이티브의 삶에서 질병도 서로 다르게 나타날 수 있을 것이다.'는 전제하에 연구를 했다. 출생차트에서 개인이 타고난 건강을 사인(Sign, 별자리)과 플래닛(Planets, 행성)의 강약, 애스펙트(행성과의 관계)를 통하여 분석 했다. 선천적 질병을 다스리는 경우, 네이티비티 출생차트에서 네이티브가 타고난 ASC 별자리와 픽스트 스타 그리고 플래닛과의 애스펙트 관계를 살펴 연구했다. 후천적 질병을 다스리는 경우, 네이티비티 출생차트에서 질병을 다스리는 6^th하우스의 별자리과 룰러, 플래닛의 강약을 살펴 판단했다. 운의 흐름을 통해서 들어 오는 질병의 경우, 네이티브는 인생을 살면서 다양한 사고와 질병에 노출될 수 있다. 그래서 피르다리아(Firdaria)를 통해서 들어오는 플래닛의 기운과 강약, 플래닛과의 애스펙트 관계, 픽스트 스타 등을 통하여 질병의 관계를 살펴보았다. 연구 결과 네이티비티 출생차트에서 선천적으로 타고난 건강은 네이티브의 ASC 사인(별자리)과 플래닛(행성)의 강약에 따라 네이티브(Native)의 건강상태가 다르게 주어진다. 그리고 후천적 질병은 건강을 다스리는 6^th의 상태에 따라 네이티브의 건강이 결정되며 운에서 들어오는 질병은 피르다리아에서 들어오는 플래닛과 애스펙트의 관계에 따라 질병과 사고가 발생한다는 사실이 증명되었다.

• 정보처리학회논문지B
• /
• 제9B권4호
• /
• pp.407-414
• /
• 2002

최근 자신의 건강에 관한 관심이 고조됨에 따라 웹 상에서 많은 증상 진단 사이트들이 대두되고 있다. 그러나 기존의 건강정보 사이트들은 사용자에게 매우 제한된 기능만을 제공하고 있다. 본 논문에서는 신경망의 학습 효과를(전문가의 지식이 아니라) 진단 과정에 통합되도록 함으로써 유연한 증상-진단 도구를 제안한다. 즉 사용자(흑은 전문가)가 웹 상에서 단계별로 지정한 증상들을 바탕으로 하여 신경망 모델에 적용함으로써 보다 유연하게 사용자의 질병을 예측할 수 있는 새로운 알고리즘을 개발한다. 제안한 알고리즘은 두 가지 중요한 특징을 가진다 : 1) 일반 사용자들은 조기에 자신의 질병에 대한 진단을 받을 수 있고, 2) 전문가는 예상 질병 목록과 함께 각 질병의 가능성(확률)을 참조함으로써 진단의 정확성을 높일 수 있다는 점이다.

• Korean Chemical Engineering Research
• /
• 제58권2호
• /
• pp.197-208
• /
• 2020

본 연구에서는 발병 횟수가 빠르게 증가하고 있는 벡터매개질병(vector-borne disease) 중 하나인 쯔쯔가무시증의 발병 특성을 공간적 그리고 시간적으로 분석하고 기후변화 시나리오에 따른 미래 발병 특성을 예측하였다. 쯔쯔가무시증의 공간적 분포와 발병률을 예측하기 위하여 환경 그리고 사회 변수의 공간적 특성을 이용하여 maximum entropy(MaxEnt) 생태 모델을 구성하고, 주요 변수의 쯔쯔가무시증 발병에 관한 상관관계를 분석하였다. 공간 특성 중 환경변수인 고도 및 기온이 주요한 변수로 분석되었으며, 이는 쯔쯔가무시증의 매개체인 털진드기의 생육 환경과 주요 관련이 있는 것으로 나타났다. 쯔쯔가무시증의 시간적 발병 횟수는 심층 인공 신경망 모델기반 예측을 하였으며, 특히 쯔쯔가무시증의 주요 특성인 지연 효과를 고려하여 모델을 구성하였다. 심층 인공 신경망을 이용한 예측 결과 여름철의 기온, 강우량, 그리고 습도가 털진드기의 활동에 주된 관련이 있으며 가을철의 쯔쯔가무시증 발병 횟수에 영향을 끼치는 것으로 확인 되었다. 또한, 기존 통계적 예측 모델과 비교하였을 때, 심층 인공 신경망 기반 예측 모델의 예측 정확성이 우수함을 확인하였다. 공간적 그리고 시간적 모델에 기후 변화 시나리오를 이용하여 2040년의 쯔쯔가무시증 발병 특성을 예측한 결과, 최대 발병률이 8% 증가, 발병률이 높은 지역이 9% 확대, 그리고 주된 발병 기간이 2개월 증가하였다. 본 연구 결과를 통해 쯔쯔가무시증의 공간적 및 시간적 발병 특성 분석을 통하여, 공중보건 측면에서 벡터매개 질병 발병 요인 규명을 통해 주민 건강을 위한 질병 관리 및 예측에 기여할 수 있을 것으로 기대한다.

• 대한지리학회:학술대회논문집
• /
• 대한지리학회 2003년도 추계학회술표회 논문집
• /
• pp.267-272
• /
• 2003

일반적으로 도시화(urbanization)란 도시지역으로 인구가 집중되어 결과적으로 국가 전체인구 중 도시지역에 거주하는 인구의 비율이 증가되는 과정이라고 정의될 수 있다. 이러한 도시화는 환경문제를 비롯하여 실업, 질병 둥의 여러 문제를 야기 시키고 있다. 따라서, 도시화가 미치는 영향을 고려해 볼 때, 지속 가능한 도시성장을 위해 도시가 어떻게 성장해 왔는가를 분석하고, 도시성장을 예측하며, 이에 대한 적절한 대안을 모색하는 것은 도시관리를 위해 매우 중요한 문제이다(강영옥ㆍ박수홍, 2000). (중략)

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 추계학술발표대회
• /
• pp.1031-1033
• /
• 2020

최근 지구온난화에 따른 기온 및 강수량 증가 등으로 인해 모기 개체 수가 증가함에 따라 말라리아, 일본뇌염, 뎅기열 등 모기를 통해 전파되는 질병에 감염병의 위험률도 높아지고 있어 머신러닝기반 기후 데이터를 활용하여 모기 개체 수를 예측할 수 있는 모델을 제안하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2005년도 한국컴퓨터종합학술대회 논문집 Vol.32 No.1 (B)
• /
• pp.292-294
• /
• 2005

대사증후군은 당뇨병, 고혈압, 복부 비만, 고지혈증 등의 질병이 한 개인에게 동시에 발현하는 것을 말한다. 미국에서는 $25\%$ 이상의 성인이 대사성 증후군인 것으로 알려져 있으며, 경제 여건의 향상 및 식생활 습관의 변화와 함께 최근 우리나라에서도 심각한 문제가 되고 있다. 한편 불확실성의 처리를 위해 많이 사용되고 있는 베이지안 네트워크는 사람이 분석 가능한 확률 기반의 모델로 최근 의학 분야에서 지식 발견, 데이터 마이닝을 위한 도구로 유용하게 사용되고 있다. 본 논문에 서 는 대사증후군을 예측하는 문제를 다루며, 베이지안 네트워크와 의학 지식을 이용한 대사증후군의 예측 모델을 제안한다. 제안하는 모델을 통해 1993년의 데이터를 가지고 1995년의 상태를 예측하는 분류 실험을 수행하였으며, 실험 결과 다층 신경망, k-최근접 이웃 등의 분류기 보다 높은 $81.5\%$의 예측율을 보였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2010년도 제42차 하계학술발표논문집 18권2호
• /
• pp.425-428
• /
• 2010

웹을 통해서 수천 또는 심지어는 수백만 명의 정보 수집이 가능해짐에 따라 이러한 사용자들로부터 생성된 데이터를 결합하는 알고리즘을 사용하여 새로운 비즈니스를 창출하는 집단지성이 크게 대두되고 있다. 최근 건강정보에 있어서도 웹을 통하여 사용자들이 정보의 획득이 일반화되면서 웹을 이용하는 사용자의 패턴을 이용하여 식중독이나 독감 같은 공공보건 관련 예후를 예측하는데 사용될 수 있다. 본 논문에서는 인터넷 사용자들의 검색 동향을 통해 독감의 유행을 예측하기 위해 국내외의 인플루엔자 표본감시 데이터 및 검색 동향을 비교하였다. 이러한 사용자들이 독감 관련 검색어의 증가는 실제 독감의 유행과 높은 상관관계(p=0.5, p=0.76)를 보였으며, 이는 인터넷 검색 동향만으로도 초기 단계에서 감시하고자 하는 질병의 발생 양상과 유행 양상의 전개를 예측하는데 중요한 역할을 수행할 수 있음을 의미하는 것으로 인터넷 검색 동향을 통해 공공보건을 예측하는 시스템을 제시한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2015년도 학술발표회
• /
• pp.20-20
• /
• 2015

최근 기후변화의 영향으로 전 세계적으로 홍수와 가뭄의 발생빈도가 증가하고 있다. 특히, 가뭄은 우리나라에서 겨울과 봄철을 중심으로 매년 발생되고 있다. 가뭄의 정확한 발생을 판단하기는 어려우나, 가뭄이 발생되면 그 진행속도는 홍수보다 느리기 때문에 초기에 가뭄의 발생가능성을 예측한다면 가뭄에 대한 피해를 줄일 수 있다. 따라서 최근 가뭄 예측에 대한 다양한 연구가 이루어지고 있다. 본 연구에서는 가뭄발생의 불확실성을 내포하기 위하여 Bayesian Network (BN) 모형과 SPI의 자기상관성을 바탕으로 가까운 미래의 가뭄 발생확률을 예측하는 방법을 제안하였다. BN은 변수들 간의 인과관계를 확률적으로 나타낼 수 있는 네트워크 모형으로, 자연현상에 대한 위험도 분석 및 의학 분야에서 질병추정을 위한 모형으로 활용되고 있다. 본 연구에서는 가까운 미래의 가뭄 예측을 위하여 APEC 기후센터(APEC Climate Center, APCC)에서 제공하는 다중모형앙상블(Multi-model Ensemble, MME) 강우예측 결과로 도출한 미래 SPI 및 과거 강우량 자료로 구축한 SPI를 부모노드로, 예측 SPI를 자식노드로 BN을 구축하였다. BN의 각각의 노드를 Gaussian 확률분포모형으로 가정한 뒤, Likelihood weighting 방법으로 주변사후분포확률(Marginal posterior distribution)을 추정하여 미래의 SPI의 발생확률을 계산하였다. 2008년부터 2013년의 BN 가뭄 예측값과 MME 강우예측 결과로 도출한 SPI를 실제 관측 강우량으로 산정한 SPI와 비교하였으며, BN이 실제 관측결과에 가까운 결과가 도출되었다. 본 연구에서는 BN을 활용하여 가까운 미래의 가뭄 발생가능성을 확률적으로 나타낼 수 있는 방법을 제시하였으며, 그 결과 가뭄상태별 가뭄 발생확률이 산정되었다.