• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.392-392
• /
• 2022

세계적 규모의 팬데믹 감염병의 출현은 전 세계적으로 경제적, 문화적, 사회적 파급효과가 매우 강력하며 전 인류를 위협하고 있다. 최근에 발병한 중증급성 호흡기질환 코로나바이러스 2(Severe Acute Respiratory Syndrome Coronavirus 2, SARS-CoV-2)는 2019년 12월 중국 우한에서 첫 보고 되었고 2022년 현재까지 종식되지 않고 있으며 바이러스의 전파력과 치명률이 높고 무증상 감염상태일 때에도 전염이 가능하여 현재 역학조사의 사후적 대응에 대한 한계가 있어 선제적 대응을 위한 수단이 필수 불가결해지고 있는 실정이다. 하수기반역학(Waste Based Epidemiology, WBE)이란 하수처리장으로 유입되기 전의 하수를 분석하여 하수 집수구역 내 도시민의 생활상을 예측하는 것으로 하수로 배출된 감염자의 분비물 및 배설물 속 바이러스를 하수관로에서 신속하게 검출함으로써 특정지역의 감염성 질환 전파 정도와 유행하는 타입(변이)등을 분석하고 기존 역학조사의 문제점을 극복할 수 있으며 선제적인 대응이 가능하다. 현재 COVID-19의 대유행과 관련하여 WBE를 기반으로 한 다양한 연구가 진행되고 있으며 실제 환자의 발생과 상관관계가 있음이 확인되고 있고 백신 접종과 새롭게 발생한 변이바이러스의 관계 속에서 발생하는 변수를 고려한 모델이 없다는 점을 들어 새로운 감염병 확산 예측 모델에 대한 필요성 또한 커지고 있다. 본 연구에서는 병원에서부터 하수처리장까지의 하수관거와 하수처리장에서의 SARS-CoV-2 검출농도 및 거동을 파악하는 것을 목적으로 하고 있으며 COVID-19의 감염규모 확산에 관한 방법론에서 수학적모델 (Euler Method, RK4 Method, Gillespie Algorithm)과 딥러닝 기반의 Nowcasting model과 Fore casting model을 살펴보고자 한다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1191-1205
• /
• 2022

복잡하고 광범위한 원인을 가진 대기오염물질 중 particulate matter (PM)은 입자의 크기에 따라 분류된다. 그 중 PM_2.5는 그 크기가 매우 작아 사람이 흡입하면 인간의 호흡기나 심혈관에 질병을 유발할 수 있다. 이러한 위험에 대비하기 위해서는 국가 중심의 관리와 사전에 예방할 수 있는 모니터링 및 예측이 중요하다. 본 연구는 고농도 미세먼지의 발생이 잦은 서울시의 PM_2.5를 local data assimilation and prediction system (LDAPS) 기상 관련 인자 15가지와 aerosol optical depth (AOD), 화학인자 4가지를 독립변수로 하여 앙상블 모델 두 가지 random forest (RF)와 extreme gradient boosting (XGB)로 예측하고자 하였다. 예측에 사용된 두 모델의 성능 평가와 인자 중요도 평가를 수행하였으며, 계절별 모델 분석도 수행하였다. 예측 정확도 결과, RF가 R² = 0.85, XGB가 R² = 0.91의 높은 예측 정확도를 보이며 XGB가 RF보다 PM_2.5 예측에 적합한 모델임을 확인하였다. 계절별 모델 분석 결과, 봄에 농도가 높은 관측 값과 비교하여 예측 수행이 잘 되었다고 할 수 있다. 본 연구는 다양한 인자를 이용하여 서울시의 PM_2.5를 예측하였고, 좋은 성능을 보이는 앙상블 기반의 PM_2.5 예측 모델을 구축하였다.

• 한국지리정보학회지
• /
• 제21권2호
• /
• pp.94-106
• /
• 2018

역학 모델은 질병 확산에 대한 시뮬레이션 및 관련 방역대책을 수립하는데 유용하며, 개체들의 접촉을 통해 전파되는 질병의 공간 확산에 대한 자세한 이해를 가능하게 한다. 이 연구에서는 공간에서 개체 간의 상호작요에 의한 결과로 메르스 전염병의 확산을 실시간적으로 시뮬레이션하기 위해 공간 빅데이터와 통합된 행위자 기반 공간 모델을 제안하고자 한다. 설계된 모델은 모집단, 시간, 공간이라는 세 요소를 고려하여 병원간의 직접접촉을 묘사하였다. 모집단의 역학관계는 2015년 서울특별시에서 발생한 메르스 사례를 기준으로 하였으며, 도로를 이동하는 사람과 메르스 환자가 발생한 병원과의 직접접촉으로 전염병이 전파하는 것으로 설계하였다. 모델을 이용하여 메르스 발생 상황을 예측하면서 시계열별로 실제 메르스 확산과 본 모형의 결과를 비교분석 하여 모형의 타당성을 검증하였으며, 다양한 시나리오를 적용해서 모의실험을 수행하였다. 메르스 발생 상황에서 방역 전략을 선정하기 위해 제시된 방법을 이용하여 방역조치를 다양하게 실험하는 것은 메르스 확산을 통제하는데 중요한 역할을 할 것으로 기대된다.

• 한국정보통신학회논문지
• /
• 제22권4호
• /
• pp.595-601
• /
• 2018

최근 미세먼지 수치가 급격히 상승함에 따라 이에 대한 관심도가 굉장히 높아지고 있다. 미세먼지의 노출은 호흡기 및 심혈관계 질환의 발생과 관련이 있으며, 사망률도 증가시키는 것으로 보고되고 있다. 뿐만 아니라, 산업현장에서도 미세먼지에 대한 피해가 속출한다. 그러나 현대인의 삶에서 미세먼지 노출은 불가피하다. 그러므로 미세먼지를 예측하여, 이에 대한 노출을 최소화하는 것이 건강 및 산업 피해축소에 가장 효율적인 방법일 것이다. 기존의 미세먼지 예측 모델은 농도 수치가 아닌 미세먼지의 농도 범위에 따라 좋음, 보통, 나쁨, 매우 나쁨으로만 나누어 예보하고 있다. 본 논문은 기존의 실제 기상 및 대기 질 데이터를 이용, 기계학습 알고리즘인 Artificial Neural Network (ANN)알고리즘과 K-Nearest Neighbor (K-NN)알고리즘을 상호 응용하여 미세먼지 수치 (PM 10)를 예측하고자 하였다.

• 한국시뮬레이션학회논문지
• /
• 제30권1호
• /
• pp.43-54
• /
• 2021

2019년 말 코로나19(중증급성 호흡기 증후군 코로나 바이러스 타입 2)가 발견된 이후로 전세계적으로 퍼져나가고 있다. 본 연구에서는 접촉자 발견 수준이 바이러스 전파에 미치는 영향을 파악하기 위해서 현재 대한민국의 코로나19 전파 상황을 반영한 에이전트 기반 시뮬레이션 모델을 소개한다. 본 연구에서는 실제적인 시뮬레이션 모델 개발을 위해 대한민국 내 관련 데이터를 수집하고 그 확률분포를 추정하였다. 감염, 격리, 회복, 사망의 전체 감염 프로세스를 도식화하였으며 사람들의 상호작용을 교통량 데이터를 기반으로 하여 모델링 하였다. 사회적 거리 두기 같은 정부 시책에 대한 사람들의 순응도를 반영하기 위해 합성 로지스틱 함수를 활용하였다. 접촉자 발견 수준에 따른 감염 양상 변화를 파악하기 위해 발견 수준을 0%에서 100%까지 변화 시켰다. 그 결과 적극적인 접촉자 추적이 바이러스 확산을 효과적으로 제한하고 제한의 효과가 접촉자 발견 수준이 증가함에 따라 기하급수적으로 증가하는 것을 확인하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2018년도 추계학술발표대회
• /
• pp.673-676
• /
• 2018

4차 산업혁명이 도래하면서 정보 통신 기술 및 융합 기술의 발전에 힘입어 소리 데이터를 이용한 연구가 활발하게 진행되고 있다. 소리 데이터를 이용한 학술적 프로토타입 연구들을 실제 환경에서 운용하기 위해서는 소리 취득 시 발생하는 다양한 잡음 환경에서도 원시 데이터(raw data)에 근접한 정보를 취득할 수 있는 시스템의 강인함이 보장되어야 한다. 본 논문에서는 SEGAN(Speech Enhancement Generative Adversarial Network) 모델을 활용하여, 전처리 및 후처리 과정이 필요 없이 원시 데이터를 대상으로 하는 end-to-end 방식의 소리 음질 향상 시스템을 제안한다. 제안하는 시스템은, 축산업 분야의 돼지 호흡기 질병 소리 데이터를 이용하여 실험하였으며, 여러 가지 잡음 상황(인위적인 잡음, 실제 환경 잡음)에서 소리 음질이 개선됨을 실험적으로 검증하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.641-643
• /
• 2023

Deep Learning(DL)을 사용한 호흡음의 자동 분석은 폐 질환의 조기 진단에 중추적인 역할을 한다. 그러나 현재의 DL 방법은 종종 호흡음의 공간적 및 시간적 특성을 분리하여 검사하기 때문에 한계가 있다. 본 연구는 컨볼루션 연산을 통해 공간적 특징을 캡처하고 시간 컨볼루션 네트워크를 사용하여 이러한 특징의 공간적-시간적 상관 관계를 활용하는 새로운 DL 프레임워크를 제한한다. 제안된 프레임워크는 앙상블 학습 접근법 내에 컨볼루션 네트워크를 통합하여 폐음 녹음에서 호흡 이상 및 질병을 검출하는 정확도를 크게 향상시킨다. 잘 알려진 ICBHI 2017 챌린지 데이터 세트에 대한 실험은 제안된 프레임워크가 호흡 이상 및 질병 검출을 위한 4-Class 작업에서 비교모델 성능보다 우수함을 보여준다. 특히 민감도와 특이도를 나타내는 점수 메트릭 측면에서 최대 45.91%와 14.1%의 개선이 이진 및 다중 클래스 호흡 이상 감지 작업에서 각각 보여준다. 이러한 결과는 기존 기술보다 우리 방법의 두드러진 이점을 강조하여 호흡기 의료 기술의 미래 혁신을 주도할 수 있는 잠재력을 보여준다.

• 대한원격탐사학회지
• /
• 제36권5_3호
• /
• pp.1053-1066
• /
• 2020

이산화황(SO₂)은 대기 중 화학 반응을 통해 2차 대기오염물질을 생성하는 전구체로, 주로 산업활동이나 주거 및 교통 활동 등을 통해 배출된다. 장기간 노출 시 호흡기 질환이나 심혈관 질환 등을 유발하여 인체 건강에 부정적인 영향을 미칠 수 있기 때문에 이에 대한 지속적인 모니터링이 필요하다. 우리나라에서는 SO₂에 대해 관측소 기반의 모니터링이 수행되고 있으나 이는 공간적으로 연속적인 정보를 제공하는 데에 한계가 있다. 따라서, 본 연구에서는 위성자료와 수치모델 자료를 융합하여 일별 13시를 타겟으로 하는 1 km의 고해상도로 공간적으로 연속적인 SO₂ 지상농도를 산출하였다. 2015년 1월부터 2019년 4월까지의 기간 동안 남한 지역에 대하여 스태킹 앙상블 기법을 이용하여 SO₂ 지상농도 추정 모델을 개발하였다. 스태킹 앙상블 기법이란 여러가지 기계학습 기법을 두 단계로 쌓는 방식으로 융합하여 단일 모델 대비 더 향상된 성능을 도출하는 방법이다. 본 연구에서는 베이스 모델로는 RF (Random Forest)와 XGB (eXtreme Gradient BOOSTing) 기법이, 메타 모델로는 MLR (Multiple Linear Regression) 기법이 사용되었다. 구축된 모델의 교차검증 결과 메타 모델은 상관계수(R) = 0.69와 root-mean-squared-error(RMSE) = 0.0032 ppm의 결과를 보였으며 이는 베이스 모델의 평균 대비 약 25% 향상된 안정성을 보였다. 또한 모델 구축에 사용되지 않은 기간에 대한 예측 검증을 수행하여 모델의 일반화 가능성을 평가하였다. 구축된 모델을 이용하여 남한 지역의 SO₂ 지상농도 공간분포를 분석한 결과 일반적인 계절성과 배출원의 변화를 잘 반영하는 패턴을 보임을 확인하였다.

• 한국컴퓨터정보학회논문지
• /
• 제26권11호
• /
• pp.21-31
• /
• 2021

최근 코로나(Covid-19)의 영향으로 스마트 헬스케어 관련 산업과 비대면 방식의 원격 진단을 통한 질환 분류 예측 연구의 필요성이 증가하고 있다. 일반적으로 호흡기 질환의 진단은 비용이 많이 들고 숙련된 의료 전문가를 필요로 하여 현실적으로 조기 진단 및 모니터링에 한계가 있다. 따라서, 간단하고 편리한 청진기로부터 수집된 호흡음을 딥러닝 기반 모델을 활용하여 높은 정확도로 분류하고 조기 진단이 필요하다. 본 연구에서는 청진을 통해 수집된 폐음 데이터를 이용하여 이상 호흡음 분류모델을 제안한다. 데이터 전처리로는 대역통과필터(BandPassFilter)방법론을 적용하고 로그 멜 스펙트로그램(Log-Mel Spectrogram)과 Mel Frequency Cepstral Coefficient(MFCC)을 이용하여 폐음의 특징적인 정보를 추출하였다. 추출된 폐음의 특징에 대해서 효과적으로 분류할 수 있는 병렬 합성곱 신경망 네트워크(Parallel CNN network)모델을 제안하고 다양한 머신러닝 분류기(Classifiers)와 결합한 스태킹 앙상블(Stacking Ensemble) 방법론을 이용하여 이상 호흡음을 높은 정확도로 분류하였다. 본 논문에서 제안한 방법은 96.9%의 정확도로 이상 호흡음을 분류하였으며, 기본모델의 결과 대비 정확도가 약 6.1% 향상되었다.

• Tuberculosis and Respiratory Diseases
• /
• 제57권2호
• /
• pp.125-131
• /
• 2004

결핵균 감염에 대한 주요 방어 항원 물질로서 항원 85 복합체(Ag85A, B, C)가 주목되고 있다. 우리는 이들 항원들을 과발현하는 재조합 BCG를 클로닝하였고, 마우스 모델을 이용하여 결핵균 감염에 대한 재조합 BCG의 방어 효능을 알아보고자 하였다. 항원 85A를 과발현하는 재조합 BCG를 rBCG/FA, 항원 85B를 과발현하는 재조합 BCG를 rBCG/FB, 그리고, 이들 두 항원을 과발현하는 재조합 BCG를 rBCG/B.FA라고 명명하였고, 이들 항원들의 과발현 여부를 SDSPAGE상에서 확인한 결과, 재조합 BCG에서 항원 85A와 B 단백질이 BCG에 비해 과발현된 것을 알 수 있었다. 면역주사한 마우스에서 분리한 비장세포를 M. tuberculosis H37Rv의 culture filtrate protein(CFP)으로 자극하여 분비된 IFN-${\gamma}$ 농도를 측정한 결과에서는 rBCG/B.FA만이 BCG에 비해 높은 IFN-${\gamma}$ 농도를 나타내었으나, 마우스 모델을 이용한 결핵균 감염에 대한 재조합 BCG의 방어 효능 실험에서는 BCG와 뚜렷한 차이를 나타내지 못하였다.