• Proceedings of the Korea Information Processing Society Conference
• /
• 2017.11a
• /
• pp.720-723
• /
• 2017

돼지 호흡기 질병은 돈사에 막대한 경제적 손실을 초래하는 질병들 중 하나이다. 본 논문에서는 저비용으로도 구축이 가능한 소리 센서 기반의 돼지 호흡기 질병 탐지 시스템을 제안하며, 특히 잡음 환경에서도 강인한 시스템의 구성에 초점을 두었다. 제안하는 시스템은 먼저, 돈사 내의 소리 센서로부터 취득한 돼지 소리를 2차원 회색조 이미지로 변환한다. 이후, 잡음에 강인한 성능을 보이는 Dominant Neighborhood Structure(DNS) 알고리즘을 이용하여 질감정보를 추출한다. 마지막으로, 이미지 분류에서 그 성능이 이미 입증된 딥러닝의 대표적 모델인 Convolutional Neural Network(CNN)에 사용하여 돼지 호흡기 질병을 탐지 및 분류한다. 실제 국내 돈사에서 취득한 돼지 소리를 이용하여 제안하는 시스템의 성능을 실험적으로 검증한 바 96%가 넘는 안정적인 시스템임을 확인하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2013.10a
• /
• pp.965-967
• /
• 2013

The paper proposed the DRCS(Disease Rule Creation Scheme) which generates the disease rules for efficient disease management in Healthcare system. The DRCS uses basically Rough Set Theory and computes support between each attributes and decision attributes. It creates the disease rules that judges disease after it removes the attribute which is the lowest support. Therefore, it reduces the number of disease rules and improves the exactness, compared with C4.5 algorithm.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2008.08a
• /
• pp.187-192
• /
• 2008

최근 자신의 건강에 대한 관심이 고조되고 있는 반면, 현재 대부분 On-line에서 제공되는 진단 서비스 시스템은 질병 명을 이용하여 질병에 대한 처방이나 민간요법 등을 제시하고 있다. 이에 질병에 대해 전문지식이 부족한 일반인들이 이용하기에는 어려움이 있다. 따라서 본 논문에서는 On-line에서 퍼지 ART 알고리즘을 이용하여 사용자가 제시한 증상을 바탕으로 이미 학습되어진 질병의 증상과 비교하여 신경망을 통해 유사도가 높은 상위 3개의 질병을 도출한다. 도출된 질병에 대해 질병의 전체적인 증상과 동의보감에서 제시한 민간요법을 결과로 출력한다. 질병 데이터베이스는 서울대학교에서 교육용으로 출판한 가정의학(家庭醫學)을 기초로 동의보감과 한방의학백과서적을 통해 한의학 전문의의 검증을 거쳐 생성하였다. 그리고 본 시스템은 전문의의 상담시스템을 지원한다. 전문의의 상담시스템을 이용하여 자택 및 직장에서 편리하게 전문의의 진료와 소견을 받을 수 있도록 하였다. 전문의 상담 시스템은 전문의가 서버에 접속한 상태에서 사용자의 진로 신청으로 연결되며, 텍스트 데이터 및 기존의 진료기록이 있다면 이를 기반으로 전문의의 진단을 유도하도록 한다. 제안된 한방 자가 진단 시스템을 한의학 전문의가 분석한 결과 기존의 질병 진단 시스템 보다 일반성이 개선된 것을 확인하였다.

• Journal of Broadcast Engineering
• /
• v.27 no.6
• /
• pp.923-935
• /
• 2022

This paper deals with detection and classification of leaf diseases for phenomics systems. As the smart farm systems of plants are increased, It is important to determine quickly the abnormal growth of plants without supervisors. This paper considers the color distribution and shape information of leaf diseases, and designs two deep leaning networks in training the leaf diseases. In the first step, color distribution of input image is analyzed for possible diseases. In the second step, the image is first partitioned into small segments using mean shift clustering, and the color information of each segment is inspected by the proposed Color Network. When a segment is determined as disease, the shape parameters of the segment are extracted and inspected by proposed Shape Network to classify the leaf disease types in the third step. According to the experiments with two types of diseases (frogeye/rust and tipburn) for apple leaves and iceberg, the leaf diseases are detected with 92.3% recall for a segment and with 99.3% recall for an input image where there are usually more than two disease segments. The proposed method is useful for detecting leaf diseases quickly in the smart farm environment, and is extendible to various types of new plants and leaf diseases without additional learning.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.01a
• /
• pp.119-120
• /
• 2021

본 연구의 목적은 Big Data를 활용하여 우리나라 빈곤, 실업, 질병의 우울증과의 인과관계를 규명하고자 한다. 이를 위해 Google 트랜드의 지난 5년간(2015.12. 27~2020.12.20.)의 빈곤-실업-질병-우울증 등의 주제어 중심의 분석을 시도하였다. 분석결과, 빈곤(B=.295, p<.001)과 실업(B=.404, p<.001)은 질병에 유의미한 영향을 미치며, 빈곤(B=.150, p<.01)과 질병(B=.186, p<.01) 및 실업(B=.466, p<.001)은 우울증에 유의미한 영향을 미치는 것으로 나타났다.

• Journal of Scientific & Technological Knowledge Infrastructure
• /
• s.8
• /
• pp.107-112
• /
• 2002

이 글에서는 많은 연구자들이 찾고자하는 예방 및 치료법의 대상이 되는 질병 중에서 유전질환에 대해서 말하고자 한다. 먼저, 어떤 질병이든지 그 질병에 대한 종합적인 분석이 바탕이 되어야 치료법 및 약이 개발될 수 있다. 유전질환도 마찬가지이다. 유전질환의 발병 및 증상에 대한 자료들이 체계적으로 수집되고 종합적으로 관리되어야 그 예방 및 치료법 개발을 위한 기반이 마련되는 것이다. 특히 유전질환은 지역이나 인종에 따라 그 양상이 다를 수가 있어 한국인의 민족적 유전 특성에 따른 질환 특이성이 고려된 유전질환의 종류와 발생 빈도, 유전자 변이에 대한 연구가 필요하다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.26 no.5
• /
• pp.755-762
• /
• 2022

This paper propose a clustered algorithm that possible more efficient COVID-19 disease learning prediction within clustering using context-aware attribute information. In typically, clustering of COVID-19 diseases provides to classify interrelationships within disease cluster information in the clustering process. The clustering data will be as a degrade factor if new or newly processing information during treated as contaminated factors in comparative interrelationships information. In this paper, we have shown the solving the problems and developed a clustering algorithm that can extracting disease correlation information in using K-means algorithm. According to their attributes from disease clusters using accumulated information and interrelationships clustering, the proposed algorithm analyzes the disease correlation clustering possible and centering points. The proposed algorithm showed improved adaptability to prediction accuracy of the classification management system in terms of learning as a group of multiple disease attribute information of COVID-19 through the applied simulation results.

• Proceedings of the Korea Contents Association Conference
• /
• 2009.05a
• /
• pp.306-311
• /
• 2009

We initially obtained human diseases-related proteins dataset from the OMIM and the SWISS PROT and then constructed disease-related protein-protein interaction network. The protein network contains 40 hub proteins such as CALM1, ACTB and ABL2. The protein network can be derived the map of the relationship between different disease proteins, denoted disease interaction network. We demonstrate that the associations between diseases are directly correlated to their underlying protein-protein interaction networks. From constructed the disease-protein bipartite network, we derived 38 diseasomal proteins, including APP, ABL1 and STAT1. We previously demonstrated that hub proteins in the network tend to be diseasomal proteins in the disease-related protein sub-networks. However, we found that 18% hubs are only diseasomal proteins in the whole disease network. At this point, we could not elucidate difference in the hub-diseasomal proteins tendency between sub0network and whole network. In spite of we still have unsolved problems, our results elucidate that the discovery of protein interaction networks assigned by diseases will provide insight into the underlying molecular mechanisms and biological processes in complex human disease system.

• 건강소식
• /
• v.32 no.2 s.351
• /
• pp.4-11
• /
• 2008

서울의대.울산의대.고려의대 예방의학교실 연구팀이 대한민국 인구의 약 2.5%인 120만명을 무작위로 추출해 2002년부터 5년간 추적조사를 토대로 발표한 <한국인의 질병부담보고서(2005)>에 의하면 질병부담 1순위가 당뇨병인 것으로 나타났다. 이어 뇌졸중, 천식, 위.십이지장 궤양, 심근경색증, 간경화.류머티스 관절염, 우울증, 간암, 위암, 폐암, 만성 폐쇄성 폐질환 순으로 질병부담이 높은 것으로 측정되었다. 질병부담이란 질병에 걸릴 뿐 아니라 해당 질병으로 인한 질병 후유증과 장애까지 포함하는 광범위한 개념이다. 이에 2008년에는 <건강 소식> 연간 특별기획으로‘한국인의 10대 질병부담, 그 예방과 극복’이라는 주제를 선정,한국인의 질병부담이 높은 10가지 질환에 대한 기초적인 지식과 실생활에 활용할 수 있는 예방과 관리, 극복방법등의 정보를 독자들에게 전하고자 한다

• Journal of Digital Convergence
• /
• v.13 no.4
• /
• pp.227-233
• /
• 2015

The recent health care is growing rapidly want to receive offers users a variety of medical services, can be exploited easily exposed to a third party information on the role of the patient's hospital staff (doctors, nurses, pharmacists, etc.) depending on the patient clearly may have to be classified. In this paper, in order to ensure safe use by third parties in the health care environment, classify the attributes of patient information and patient privacy protection technique using hierarchical multi-property rights proposed to classify information according to the role of patient hospital officials The. Hospital patients and to prevent the proposed method is represented by a mathematical model, the information (the data consumer, time, sensor, an object, duty, and the delegation circumstances, and so on) the privacy attribute of a patient from being exploited illegally patient information from a third party the prevention of the leakage of the privacy information of the patient in synchronization with the attribute information between the parties.