• 정신신체의학
• /
• 제27권2호
• /
• pp.101-110
• /
• 2019

연구목적 중환자실 환자들의 섬망 발생 유무와 관련이 되어 있는 것으로 알려진 많은 임상 지표들이 있지만, 이 중 실제 섬망군과 비섬망군을 분류하는 데 있어서 어떠한 지표가 보다 중요한 역할을 하는지에 대한 연구는 충분히 이루어지지 않았다. 본 연구는 중환자실 내에서 섬망이 발생한 군과 발생하지 않은 군 사이의 재실 기간 내 특징을 비교하고, 두 군을 효과적으로 구분할 수 있는 임상 지표들을 확인하고자 하였다. 방 법 2013년 3월 1일부터 2017년 5월 31일까지 강남세브란스병원 중환자실에 있던 6386명의 환자들 중, 섬망과 연관성을 보일 것으로 예상되는 40개의 임상 지표에 대한 데이터가 재실 기간 중 적어도 한 번 이상 측정되거나, 확인이 가능한 환자 1559명을 대상으로 하였다. 무작위 부분집합 특징 선택 방법 및 주성분분석을 사용하여 섬망과 비섬망을 구분하는 데에 기여도가 높은 특징들의 순위를 구하고, 몇 개의 상위 지표가 동시에 사용되었을 때에 섬망과 비섬망을 가장 효율적으로 판별할 수 있는지를 확인하였다. 확인된 상위 지표만을 이용한 것과 전체 임상 지표를 모두 사용하였을 때의 섬망과 비섬망을 구분할 수 있는 정확도에 대해서 비교 분석하였다. 결 과 총 40개 변수 중 32개의 변수에서 섬망과 비섬망군 간 유의미한 차이를 보였다. 주성분 분석(Principal Component Analysis, PCA)상, 상위 6개 변수인 리치몬드 흥분 진정 척도(Richmond Agitation Sedation Scale, RASS), 도뇨관 사용 유무, 혈관 카테터 사용 유무, 해밀턴 불안 척도(Hamilton Anxiety Rating Scale, HAM-A), 혈액 요소 질소(Blood Urea Nitrogen, BUN), 급성 생리학 및 만성 건강 평가-II (Acute Physiology and Chronic Health Examination II, APACHE II)를 사용했을 때에 섬망과 비섬망군이 가장 잘 구분되었다. 이들 상위 6개 변수에 대해 단일 변수 로지스틱 회귀분석 시행 시 모두 섬망 여부 결정에 대한 유의성을 보였다. 다중 변수 회귀분석 시행 시, 혈관 카테터 사용 유무 를 제외하고 나머지 5개 변수에서 모두 섬망 여부 결정에 대한 유의성을 보였다. 수신자판단특성곡선 분석 결과 신뢰구간 95%에서 곡선하면적 0.818로 높은 판별력을 보였다. 전체 임상 변수를 모두 사용한 수신자판단특성곡선 분석 결과에서는 곡선하면적 0.881로 매우 높은 판별력을 보였다. 결 론 본 연구 결과, 리치몬드 흥분 진정 척도, 도뇨관 사용 유무, 혈관 카테터 사용 유무, 해밀턴 불안 척도, 혈액 요소 질소, 급성 생리학 및 만성 건강 평가-II가 섬망이 발생한 군과 섬망이 발생하지 않은 군을 구분하는데 가장 유용하였다. 중환자실 환자 중 리치몬드 흥분 진정 척도 및 해밀턴 불안 척도 점수가 과도하게 낮거나, 도뇨관 및 혈관 카테터 등의 침습적인 시술을 사용하였을 경우 좀 더 집중적인 모니터링을 통해 섬망의 가능성을 살펴보아야 할 것이다.

• 인지과학
• /
• 제3권1호
• /
• pp.61-78
• /
• 1991

본 논문은 역행 통로(backward path)를 가진 수정된 Neocognitron 을 한글 음절 인식을 위해 적용한 결과에 관한 것이다. Fukushima의 논문에서 Neocognitron이 $19{\times}19$ 크기의 필기체 숫자를 인식할 수있다고 논술하였다. 본 논문에서는 스캐너 또는 마우스를 이용하여 필기체 한글 문자 또는 그 일부의 $61{\times}61$ 영상을 입력하였다. 수정된 Neocognitron은 3쌍의 Us, Uc층으로 구성되어있다. 본 신경회로망에서 마지막 인식층인 Uc층은 $5{\times}5$ 크기의 세포로 된 24개의 명(plane)으로 구성되어 있는데, 각각의 세포들은 동시에 주의력(attention)을 받아들이느 자소(grapheme)의 존재와 입력층에서의 상대적 위치를 구별할 수 있다. 본 신경회로망은 10개의 단모음 자소, 14개의 단자음 자소와 그들의 공간적 특징을 가지고 학습시켰다. 쉽게 학습되지 않는 패턴들은 여러번 학습시켰다. 왜곡, 잡음, 크기변화, 변형, 회전 등을 갖는 개개의 자소를 분류할 수 있도록 학습된 신경망을 한글 음절의 인식을 위해 사용하였으며, 음절자내의 영상 분할 작업을 위해 선택적 주의력 기법을 사용하였다. 입력문자에 대한 초기 표본 실험에서 본 모형은 필기체 한글 음절자의 시험패턴중 79%를 정확하게 인식하였다. 이 연구결과는 Neocognitron이 입력 영상을 인식가능한 부분으로 분할함으로써 큰크기의 분자 집합을 갖는 필기체 문자를 인식할수 있는 강력한 모형임을 시사해준다. 똑같은 접근 방법이 구조나 자소가 아주 복잡한 한자의 인식에도 적용될 수 있다고 본다. 그러나, 모의실험에서 처리시간에 있어 매우 심한 병목현상을 보여 주었다. 모형의 실질적인 사용을 위해서는 신경칩으로서의 구현이 선결되어야 할 것이다. 또, 복모음, 복자음으로 구성된 한글 음절자 인식을 위하여 모형에 대한 더 깊은 연구가 수행되어질 필요가 있다. 두개의 단자모사이의 이웃지역을 정확히 인식하는 것은 이렇나 작업을 위해 매우 중요한 일이 될 것이다.