• Clinical and Experimental Pediatrics
• /
• 제51권9호
• /
• pp.977-986
• /
• 2008

목 적 : 사회적 관점에서 로타바이러스의 사회적 비용을 추계하고자 하였다. 방 법 : 로타바이러스 연간 발생 환자수는 2002년 7월에서 2004년 6월까지 정읍지역에서 보고된 5세 미만 인구 1,000명당 입원 환자 11.6명, 외래 환자는 1,000명당 45.3명을 1년 단위로 환산하여 적용하였으며 의료비 자료는 건강보험심사평가원에 로타바이러스(A08.0)로 청구된 자료를 이용하였다. 2006년 12월부터 2007 년 5월까지 환자 보호자 조사를 실시하여 직접 비의료비 및 간접 비용을 산출하는 근거로 사용하였다. 결 과 : 2005년 5세 미만 아동 중 로타바이러스 감염으로 외래 이용한 환자수는 55,030명, 입원 환자수는 14,092명으로 추정하였다. 의료 비용은 110억원으로 전체의 82.8%를 차지했고, 교통비 및 기저귀 사용 등으로 인한 직접 비의료비는 16억원, 간호에 따른 작업 손실 비용은 6억 8000만원으로 로타바이러스 감염으로 인한 총 사회적 비용은 약 132억원 8천만원으로 집계되었다. 결 론 : 로타바이러스 감염은 의료비 뿐 아니라 비의료비와 간접 비용의 추가적인 지출을 가져오며 이는 사회적으로 큰 손실이 될 것이다. 그러나 본 연구에서는 보수적 추정을 하였으며 추후 연구에서 로타바이러스 감염이 보호자의 삶의 질과 건강수준의 저하에 미치는 영향을 비용 항목에서 충분히 고려할 필요가 있다.

• 대한토목학회논문집
• /
• 제35권2호
• /
• pp.397-405
• /
• 2015

과거 고속도로는 이동성 중심의 기능을 주로 담당하였으나, 삶의 질 향상과 의식 수준의 향상에 따라 '빠른 고속도로'에서 '안전한 고속도로'로 고속도로 기능의 패러다임이 변화하고 있다. 고속도로 교통사고는 2012년 기준 3,550건이 발생하였으며, 371명이 교통사고로 사망한 것으로 집계되었고, 치사율은 일반국도의 약 2배에 달하는 것으로 보고되고 있다. 본 연구에서는 고속도로 주요 6개 노선을 대상으로 교통사고건수와 교통량 기반의 사고예측모형(안전성능함수)을 개발하였다. 안전성능함수는 각 노선별로 도로의 선형 및 규모 등이 달라 정확하게 각 노선을 예측하는데 어려움이 있을 것으로 판단되어, 6개 노선의 통합 안전성능함수를 구축하고, 각 노선별로 교통사고를 보정할 수 있는 계수를 산출하였다. 본 연구의 결과는 향후 교통사고 예방을 위한 노선별 교통안전 전략수립의 기초자료로 활용함으로써 보다 안전한 고속도로 관리에 기여할 것으로 판단된다. 향후에는 각 노선별 특성에 따른 그룹별 통합모형을 통한 노선별 보정계수를 산출하여 신뢰성 있는 사고 예측값을 제시하는 연구가 수행되어야 할 것이다.

• 융합정보논문지
• /
• 제11권11호
• /
• pp.57-65
• /
• 2021

본 논문은 딥 러닝(Deep Learning)을 이용하여 대기오염측정망 데이터 중 특정 증상이 나타나는 이상 데이터를 탐지하는 방법을 제시한다. 기존 방법들은 일반적으로 시계열 데이터 내에서 기존과는 다른 특이한 패턴이 나타나는 데이터를 탐지하여 이상치로 분류하며, 이는 특정 증상만을 탐지하기에는 적합하지 않다. 본 논문에서는 주로 이미지의 전경 분리(Sementic Segmentation)에 사용되는 DeepLab V3+ 모델의 2차원 합성곱 신경망 구조를 1차원 구조로 변형하여 이미지 대신 여러 센서의 시계열 측정값을 입력받고 특정 증상이 나타나는 데이터를 탐지하도록 하는 방법을 제시한다. 또한, 데이터에 '조각별 집계 근사법(Piecewise Aggregate Approximation)'을 적용하여 잡음이 많은 대기오염측정망 데이터의 복잡도를 줄임으로써 성능을 높인다. 실험 결과를 통해 준수한 성능으로 이상치 탐지를 수행할 수 있음을 확인할 수 있다.

• 핵의학기술
• /
• 제21권1호
• /
• pp.76-82
• /
• 2017

전신 뼈 스캔은 핵의학에서 가장 많은 비중을 차지하는 검사 중 하나이다. 기본적으로 전면상과 후면상을 동시에 획득하는데, 때때로 전면상과 후면상만으로는 병소를 분간하기 어려울 때가 있다. 이러한 경우 SPECT/CT나 추가 정적 영상을 통한 병소의 정확한 위치 확인이 중요하며, 추가 촬영 여부에 대한 최초 판단은 주로 방사선사에 의해 이루어진다. 이에 본원에서는 방사선사의 업무 능력 함양을 위한 다양한 개선활동이 이루어져 왔고, 본 연구에서는 방사선사의 교육 및 표준화된 업무 프로세스 적용이 전신 뼈 스캔 오류 감소에 어떠한 영향을 미치는지 확인하고자 한다. 새로운 프로세스 적용을 위해 몇 가지 시스템이 순차적으로 도입되었다. 첫 번째는 의국 교육 및 테스트의 시행, 두 번째는 추가 촬영이 예상되는 환자를 분류하여 촬영 전에 방사선사가 미리 확인할 수 있는 사전 여과 시스템 도입, 마지막으로 판독의가 방사선사에게 직접 촬영 영상에 대해 피드백 할 수 있는 NMQA라는 커뮤니케이션 시스템을 적용하였다. 결과 확인을 위해 2014년 1월부터 2016년 12월까지 서울아산병원 핵의학과를 내원한 전신 뼈 스캔 환자를 대상으로 조사하였다. 조사 기간 동안 전체 전신 뼈 스캔 대비 NMQA가 전송된 검사 건수를 백분율로 산출하였다. 연간 발생량은 2014년 141건, 2015년 88건, 2016년 86건으로 집계되었고 NMQA 발생률은 2014년 0.88%, 2015년 0.53%, 2016년 0.45%로 감소하였다. 새로운 프로세스가 적용된 2014년 이후 NMQA 발생률이 감소하는 경향을 보였다. 다만 통계적으로 유용성을 확인하기까지는 데이터가 부족하여 향후에도 지속적인 데이터 축적이 필요할 것으로 생각한다. 본 연구를 통해 전신 뼈 스캔 영상 질 향상을 위해 표준화된 업무와 교육의 필요성을 확인하였고 향후에도 지속적인 연구와 관심으로 업데이트가 필요하다고 사료된다.

• 지능정보연구
• /
• 제19권1호
• /
• pp.57-77
• /
• 2013

소셜 미디어는 모바일 어플리케이션과 웹에서 가장 많이 사용되는 미디어 중 하나이다. Nielsen사의 보고서에 따르면 소셜 네트워크 서비스와 블로그가 온라인 사용자의 주 활동 공간으로 사용되고 있으며, 미국인 중에서 온라인 활동이 왕성한 5명의 사용자중 4명은 매일 소셜 네트워크 서비스와 블로그를 방문하고 온라인 활동 시간의 23%를 소비한다고 집계하고 있다. 미국의 인터넷 사용자들은 야후, 구글, AOL 미디어 네트워크, 트위터, 링크드인 등과 같은 소셜 네트워크 서비스중 페이스북에서 가장 많은 시간을 소비한다. 최근에는 대부분의 회사들이 자신의 특정 상품에 대하여 "페이스북 페이지(Facebook Page)"를 생성하고 상품에 대한 프로모션을 진행한다. 페이스북에서 제공되는 "좋아요" 옵션은 페이스북 페이지를 통해 자신이 관심을 가지는 상품(아이템)을 표시하고 그 상품을 지지할 수 있도록 한다. 많은 영화를 제작하는 영화 제작사들도 페이스북 페이지와 "좋아요" 옵션을 이용하여 영화 프로모션과 마케팅에 이용한다. 일반적으로 다수의 스트리밍 서비스 제공업들도 영화와 TV 프로그램을 즐기며 볼 수 있는 서비스를 사용자들에게 제공한다. 이 서비스는 일반 컴퓨터와 TV 등의 단말기에서인터넷을 통해 영화와 TV 프로그램을 즉각적으로 제공할 수 있다. 스트리밍 서비스의 선두 주자인 넷플릭스는 미국, 라틴 아메리카, 영국 그리고 북유럽 국가 등에 3천만 명 이상의 스트리밍 사용자가 가입되어 있다. 또한 넥플릭스는 다양한 장르로 구성된 수백만 개의 영화와 TV 프로그램을 보유하고 있다. 하지만 수많은 콘텐츠로 인해 사용자들은 자신이 선호하는 장르에 관련된 영화와 TV 프로그램을 찾기 위해 많은 시간을 소비해야 된다. 많은 연구자들이 이러한 사용자의 불편함을 줄이기 위해 아이템에 대한 사용자가 보지 않은 아이템에 대한 선호도를 예측하고 높은 예측값을 갖는 아이템을 사용자에게 제공하기 위한 추천 시스템을 적용하였다. 협업적 여과 방법은 추천 시스템을 구축하기 위해 가장 많이 사용되는 방법이다. 협업적 여과 시스템은 사용자들이 평가한 아이템을 기반으로 각 사용자 간의 유사도를 측정하고 목적 사용자와 유사한 성향을 가진 사용자 그룹을 결정한다. 군집된 그룹은 이웃 사용자 집단으로 불리며 이를 이용하여 특정 아이템에 대한 선호도를 예측하고, 예측 값이 높은 아이템을 목적 사용자에게 추천해 준다. 협업적 여과 방법이 적용되는 분야는 서적, 음악, 영화, 뉴스 및 비디오 등 다양하지만 논문에서는 영화에 초점을 맞춘다. 이 협업적 여과 방법이 추천 시스템 내에서 유용하게 활용되고 있지만 아직 "희박성 문제"와 "콜드 스타트 문제" 등 해결해야 할 과제가 남아있다. 희박성 문제는 아이템의 수가 증가할수록 아이템에 대한 사용자의 로그 밀도가 감소하는 것이다. 즉, 전체 아이템 수에 비해 사용자가 아이템에 대해 평가한 정보가 충분하지 않기 때문에 사용자의 성향을 파악하기 어렵고, 이로 인해 사용자가 아직 평가하지 않은 아이템에 대해서 선호도를 추측하기 어려운 것을 말한다. 이 희박성 문제가 포함된 경우 적합한 이웃 사용자 집단을 형성하는데 어려움을 겪게 되고 사용자들에게 제공되는 아이템 추천의 질이 떨어지게 된다. 콜드 스타트 문제는 시스템 내에 새로 들어온 사용자 또는 아이템으로 지금까지 한 번도 평가를 하지 않은 경우에 발생한다. 즉, 사용자가 평가한 아이템에 대한 정보가 전혀 포함되어 있지 않거나 매우 적기 때문에 이러한 경우 또한 적합한 이웃 사용자 집단을 형성하는데 어려움을 겪게 되고 사용자가 평가하지 않은 아이템에 대한 선호도 예측의 정확성이 감소되게 된다. 본 논문에서는 영화 추천 시스템에서 발생될 수 있는 초기 사용자 문제를 해결하기 위하여 사용자가 평가한 영화와 소셜 네트워크 서비스로부터 추출된 사용자 선호 장르를 활용하여 사용자 군집을 형성하고 이를 활용하는 방법을 제안한다. 소셜 네트워크 서비스로부터 사용자가 선호하는 영화 장르를 추출하기 위해 페이스북 페이지의 '좋아요' 옵션을 이용하며, 이 '좋아요' 정보를 분석하여 사용자의 영화 장르 관심사를 추출한다. 페이스북의 영화 페이지는 각 영화를 위한 페이스북 페이지로 구성되고 있으며, 사용자는 자신의 선호도에 따라서 "좋아요" 옵션을 선택할 수 있다. 사용자의 페이스북 정보는 페이스북 그래프 API를 활용하여 추출되고 이로부터 사용자 선호 영화를 알 수 있게 된다. 시스템에서 활용되는 영화 정보는 인터넷 영화 데이터베이스인 IMDb로부터 획득한다. IMDb는 수많은 영화와 TV 프로그램을 보유하고 있으며, 각 영화에 관련된 배우 정보, 장르 및 부가 정보들을 포함한다. 논문에서는 사용자가 "좋아요" 표시를 한 영화 페이지를 이용하여 IMDb로부터 영화 장르 정보를 가져온다. 그리고 추출된 영화 장르 선호도와 본 시스템에서 제안하는 영화 평가 항목을 이용하여 유사한 이웃 사용자 집단을 구성한 후, 사용자가 평가하지 않은 아이템에 대한 선호도를 예측하고, 높은 예측 값을 갖는 아이템을 사용자에게 추천한다. 본 논문에서 제안한 사용자의 선호 장르 기반의 사용자 군집 기법을 이용한 시스템을 평가하기 위해서 IMDb 데이터 집합을 이용하여 사용자 영화 평가 시스템을 구축하였고 참가자들의 영화 평가 정보를 획득하였다. 페이스북 영화 페이지 정보는 참가자들의 페이스북 계정과 페이스북 그래프 API를 통해 획득하였다. 사용자 영화 평가 시스템을 통해 획득된 사용자 데이터를 제안하는 방법에 적용하였고 추천 성능, 품질 및 초기 사용자 문제를 벤치마크 알고리즘과 비교하여 평가하였다. 실험 평가의 결과 제안하는 방법을 적용한 추천 시스템을 통해 추천의 품질을 10% 향상시킬 수 있었고, 초기 사용자 문제에 대해서 15% 완화시킬 수 있음을 볼 수 있었다.