• 한국콘텐츠학회논문지
• /
• 제12권12호
• /
• pp.345-355
• /
• 2012

심뇌혈관 질환의 초기 처치가 지연되면 예후가 불량하고, 치료 후 심각한 후유증이 남으므로. 신속하고 적절한 처치를 위해 병원 전 단계 응급의료전화상담원에 의한 적절한 환자 분류와 병원 선정이 중요하다. 여러 선진국에서는 현장에 출동시킬 구급대 자원의 결정이나 각 병원에의 환자분산을 위해 응급의료전화상 담원이 표준화된 환자분류 지침을 사용하고 있다. 하지만, 우리나라의 경우 응급의료전화상담원의 심뇌혈관 환자 중증도 분류를 위한 표준화된 지침이 개발되어 있지 않다. 저자들은 영국의 NHS direct와 캐나다의 CTAS 체계에 기반하여, 뇌졸중 증상과 흉통 환자 분류를 위한 표준화 지침을 개발하였다. 환자가 내원한 응급실에서 시행된 중증도 분류를 기준으로 표준화된 지침을 사용한 군과 사용하지 않은 군을 비교하였다. 흉통환자에서 표준화된 지침을 사용한 군의 정확도가 높았다.(70.0% VS 94.0% p<0.01). 뇌졸중 환자에서도 같은 결과를 보였다. (64.2% VS 84.6% p<0.01). 결론적으로 응급의료정보센터의 응급의료전화상담원에 의한 뇌졸중 증상과 흉통 항목의 중증도 판단에 있어, 응급의료전화상담원의 주관적인 판단보다는 표준화된 지침을 이용한 판단이 병원에서 시행한 중증도 분류와 보다 일치하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2022년도 제66차 하계학술대회논문집 30권2호
• /
• pp.333-335
• /
• 2022

본 논문에서는 기존에 두 가지 모델이 필요했던 작업을 하나의 모델로 처리할 수 있는 자연어 처리 아키텍처를 제안한다. 단일 모델로 알츠하이머 환자의 언어패턴과 대화맥락을 분석하고 두 가지 결과인 환자분류와 챗봇의 대답을 도출한다. 일상생활에서 챗봇으로 환자의 언어특징을 파악한다면 의사는 조기진단을 위해 더 정밀한 진단과 치료를 계획할 수 있다. 제안된 모델은 전문가가 필요했던 질문지법을 대체하는 챗봇 개발에 활용된다. 모델이 수행하는 자연어 처리 작업은 두 가지이다. 첫 번째는 환자가 병을 가졌는지 여부를 확률로 표시하는 '자연어 분류'이고 두 번째는 환자의 대답에 대한 챗봇의 다음 '대답을 생성'하는 것이다. 전반부에서는 셀프어탠션 신경망을 통해 환자 발화 특징인 맥락벡터(context vector)를 추출한다. 이 맥락벡터와 챗봇(전문가, 진행자)의 질문을 함께 인코더에 입력해 질문자와 환자 사이 상호작용 특징을 담은 행렬을 얻는다. 벡터화된 행렬은 환자분류를 위한 확률값이 된다. 행렬을 챗봇(진행자)의 다음 대답과 함께 디코더에 입력해 다음 발화를 생성한다. 이 구조를 DementiaBank의 쿠키도둑묘사 말뭉치로 학습한 결과 인코더와 디코더의 손실함수 값이 유의미하게 줄어들며 수렴하는 양상을 확인할 수 있었다. 이는 알츠하이머병 환자의 발화 언어패턴을 포착하는 것이 향후 해당 병의 조기진단과 종단연구에 기여할 수 있음을 보여준다.

• Bioinformatics and Biosystems
• /
• 제1권2호
• /
• pp.134-138
• /
• 2006

우울증은 가장 유병율이 높은 '기분 장애'(mood disorder)의 일종으로, 약 20%의 인구가 일생동안 우울증 증상을 한번쯤 경험한다. 이러한 우울증은 크게 '우울 장애'(major depressive disorder)와 '양극성 장애'(bipolar disorder)로 구분된다. 환자의 질병 분류에 따라 사용되는 약과 의학적 처방이 다르기 때문에, 우울증 환자의 빠르고 정확한 진단 및 분류는 매우 중요하다. 기존의 다면성 인성검사(MMPI)와 같은 통계적인 방법이 우울증 환자의 진단을 위해 사용돼 왔으나, 장시간의 집중력을 요구하기 때문에 집중력 저하의 특징을 보이는 우울증 환자들에게 적용하는데 어려움이 있다. 이 논문에서는 이러한 문제를 해결하고자, 빠른 측정이 가능하고 측정동안 집중력을 요하지 않는 EEC 데이터의 분석을 통해 우울증 환자의 분류를 시도하였다. EEG 채널 간 정보 흐름에서의 비선형성과 근사 엔트로피(approximate entropy)의 크기를 속성(attribute)으로 사용하여 데이터 마이닝 기법 중 의사 결정 트리(decision tree)와 가능성 기반 서포트 벡터머신(possibilistic support vector machines) 통해 분석을 수행하였다. 30명의 주요 우울장애환자와 24명의 양극성 장애 환자를 통해 위의 분석을 수행한 결과 의사 결정 트리의 경우 85.19% 의 정확도를 가지며 분류해냈고, 가능성 기반 서포트 벡터머신의 경우 77.78%의 정확도를 보여줬다. 본 연구는 가능성 기반 서포트 벡터 머신 분석이 우울증 환자는 진단하고 분류하는데 유용하게 적용될 수 있는 가능성을 제시하고 있다.

• 한국음향학회:학술대회논문집
• /
• 한국음향학회 1998년도 학술발표대회 논문집 제17권 2호
• /
• pp.399-402
• /
• 1998

본 논문에서는 환자의 음성을 정상, 양성종양, 악성종양으로 분류하는 실험을 켑스트럼 파라미터를 통한 음원분리와 신경회로망을 이용하여 수행하고 그 결과를 보고한다. 기존의 장애음성 데이터베이스에는 정상음성과 양성종양의 경우만 수록되어 있었고 외국의 환자들을 대상으로 한 경우만 있었기 때문에 국내의 환자들에게 직접 적용할 경우 어떠한 결과가 나올지 예측하기가 어려웠다. 최근 부산대학교 이비인후과팀에서 수집한 국내의 정상, 양성, 악성종양의 경우에 대한 데이터베이스를 분석하고 신경회로망에 의해 분류함으로써 사람의 음성신호만에 의한 후두질환이 식별이 가능하였다. 본 실험에서는 식별 파라미터로 음성신호의 선형예측오차신호에 관한 켑스트럼으로부터 음원비인 HNRR을 구하여 Jitter, Shimmer와 함께 사용하였다. 신경회로망은 입, 출력 층과 한 개의 은닉층을 갖는 다층신경망을 이용하였으며, 식별은 두단계로 나누어 정상과 비정상을 분류한 후 다시 비정상을 양성과 악성으로 분류하였다[1].

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2008년도 제39회 하계학술대회
• /
• pp.1985-1986
• /
• 2008

혀의 상태는 인체 내부의 생리적 병리적 특성의 변화를 나타내므로, 한의학에서 중요한 지수가 된다. 한의학에서 설진 방법은 환자의 설질과 설태의 변화를 관찰함으로써 질병을 진찰하는 방법이므로, 편리할 뿐만 아니라 비침습적이고, 널리 쓰이고 있다. 그러나 설진은 광원, 환자의 자세, 한의사의 상태와 같은 검사 환경에 의해 영향을 받는다. 표준화된 진단을 위한 자동 진단 시스템을 개발하기 위하여 질병의 예후를 판단할 수 있는 설태 분류 방법은 필수적이지만, 컬러의 경계가 모호하므로 설태와 설질을 구분하기는 매우 어렵다. 이 논문에서 분할된 설체 내에서 컬러를 계층적으로 분류하여 설태를 분류하는 방법을 제안한다. 또한 설태 영역을 정확하게 분할하도록 하였다. 제안된 방법은 표준화된 진단을 가능하도록 한다.

• 말소리와 음성과학
• /
• 제14권4호
• /
• pp.45-56
• /
• 2022

본 논문은 만성콩팥병 환자의 음성을 사용하여 질병을 자동으로 진단하고 중증도를 예측하는 최적의 방법론을 제안한다. 만성콩팥병 환자는 호흡계 근력의 약화와 성대 부종 등으로 인해 음성이 변화하게 된다. 만성콩팥병 환자의 음성을 음성학적으로 분석한 선행 연구는 존재했으나, 환자의 음성을 분류하는 연구는 진행된 바가 없다. 본 논문에서는 모음연장발화, 유성음 문장 발화, 일반 문장 발화의 발화 목록과, 수제 특징 집합, eGeMAPS, CNN 추출 특징의 특징 집합, SVM, XGBoost의 머신러닝 분류기를 사용하여 만성콩팥병 환자의 음성을 분류하였다. 총 3시간 26분 25초 분량의 1,523개 발화가 실험에 사용되었다. 그 결과, 질병을 자동으로 진단하는 데에는 0.93, 중증도를 예측하는 3분류 문제에서는 0.89, 5분류 문제에서는 0.84의 F1-score가 나타났고, 모든 과제에서 일반 문장 발화, 수제 특징 집합, XGBoost의 조합을 사용했을 때 가장 높은 성능이 나타났다. 이는 만성콩팥병 음성 자동 분류에는 화자의 발화 특성을 모두 반영할 수 있는 일반 문장 발화와 거기로부터 추출한 적절한 특징 집합이 효과적임을 시사한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제64차 하계학술대회논문집 29권2호
• /
• pp.317-320
• /
• 2021

본 연구는 주기적인 알츠하이머 병의 중증도 모니터링을 위해 스마트 인솔을 통한 보행 특징 추출과 머신러닝 기반 중증도 분류의 성능에 대해 살펴보았다. 최근 고령화가 가속화되는 추세에 있어 치매 환자가 급증하고 있으며, 중증도가 심해질수록 필요한 치료 비용 및 노력이 급증하기 때문에 조기 진단이 최선의 치료 전략으로 보여진다. 환자 친화적이고 저비용의 관성 측정 장치가 내장된 스마트 인솔만을 사용하여 다양한 보행 실험 패러다임에서 환자의 보행 특징을 추출하고, 이를 알츠하이머 병의 중증도 진단을 위한 머신러닝 기반 분류기를 훈련시켜 성능을 평가한 결과, 숫자세기와 같이 뇌에 부하를 주는 하위 작업이 포함된 복합 보행을 측정한 데이터셋을 사용하여 훈련된 분류 모델이 일반 걷기 데이터셋을 사용한 모델보다 성능이 높게 나타나는 것이 관찰되었다. 본 연구는 안전하고 환경적 제약이 적은 방법을 사용하여 시기 적절한 진단뿐만 아니라 주기적인 중증도 모니터링 시스템의 일환으로 활용될 수 있을 것이다.

• 한국재난정보학회 논문집
• /
• 제14권1호
• /
• pp.28-35
• /
• 2018

본 연구에서는 재난현장 또는 일상에서 발생할 수 있는 다수사상자의 중증도 분류를 신속하고 정확하게 수행하기 위한 시스템을 설계하여 구현하였으며, 중증도 분류 알고리즘의 정확도뿐만 아니라 사용자 편의성 등 현장의 요구사항을 적극 반영하였다. 개발된 e-Triage System은 IoT개념을 활용하여 다양한 중증도 분류 알고리즘을 적용하였으며, 기존의 중증도 분류표의 단점을 극복하기 위하여 NFC 모듈 등 전자적 요소를 반영한 e-Triage Tag를 구현하였다. 앱으로 구현된 중증도 분류 알고리즘을 사용하여 신속하고 정확한 환자의 평가가 가능함을 입증하였고, 시인성을 위해 전자 중증도 분류 결과를 4가지 LED램프로 표출하였으며, 2차 분류를 통해 RTS 점수를 FND(Flexible Numeric Display)로 표출하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 가을 학술발표논문집 Vol.31 No.2 (2)
• /
• pp.265-267
• /
• 2004

경제 여건의 향상 및 생활양식의 변화로 최근 우리나라에서도 당뇨병 환자가 늘어남에 따라 당뇨병의 예측 및 치료가 중요한 관심사가 되고 있다. 본 논문은 1993년과 1995년 두 차례에 걸쳐 경기도 연천 지역 주민들의 여러 가지 신체 지수 등을 조사한 데이터를 대상으로, 1차 년도의 데이터로부터 동일한 환자가 2차 년도에 정상상태를 유지하는지 흑은 당뇨병으로 진행이 되는지를 예측하는 문제를 다룬다. 혈당량, 허리둘레 등의 수치가 당뇨병의 발병에 영향을 끼치는 것은 알려진 사실이므로, 현재의 데이터로부터 앞으로의 발병 가능성을 예측하는 것이 가능하며, 이는 환자에게 보다 정확한 정보를 알려줄 수 있으므로 의미가 있는 일이다. 예측을 위해 본 논문에서는 분류기를 사용하며, 예측율을 높이기 위해 여러 분류기를 BKS로 결합하였다. BKS (behavior knowledge space) 결합 방법은 분류기간의 독립 가정이 필요 없으며, 데이터 크기가 크고 전형적인 경우에 좋은 결과를 낼 수 있는 방법이다. BKS 결합 방법을 통해 실험을 해본 결과 단일 분류기로 실험을 한 결과보다 향상된 성능을 얻을 수 있었으며, 투표 결합 방법과 비교하여 더 좋은 성능을 보였다.

• Radiation Oncology Journal
• /
• 제27권3호
• /
• pp.140-144
• /
• 2009

목 적: 전이성 뇌종양 환자에서 전뇌조사를 시행받은 160명의 환자를 대상으로 원발 종양 가중치에 따른 생존율을 후향적으로 분석해보고자 하였다. 대상 및 방법: 2002년부터 2008년 사이에 인하대병원에서 전이성 뇌종양으로 진단받은 암환자들 중 전뇌 조사 방사선 치료 30 Gy를 받은 160명의 환자를 대상으로 후향적으로 분석하였다. 원발성 종양이 유방암인 경우는 20명, 폐암인 경우는 103명이었다. 160명의 환자 중 척수 연수막 전이(leptomeningeal seeding) 환자를 제외한, 142명의 환자를 대상으로 예후 인자 및 Recursive Partitioning Aanalysis (RPA) 분류에 따른 생존율, 중앙생존기간과, RPA 분류에 원발 종양의 종류에 따라 가중치를 둔 새로운 Weighted Partitioning Analysis (WPA) 분류에 따른 생존율과 중앙생존기간을 분석하였고 RPA분류와 비교 분석하였다. 결 과: RPA분류에 의한 중앙생존기간은 분류 I (8명), 분류 II (76명), 분류 III (58명)가 각각 20.0개월, 10.0개월, 3.0개월이었으며(p=0.003), WPA 분류의 경우에는 분류 I (3명), 분류 II (9명), 분류 III (70명), 분류 IV (60명)가 각각 36개월, 23.7개월, 10.9개월, 8.6개월로(p=0.001) RPA 분류보다 더 우위성을 보였다. 결 론: 새로운 예후 지표인 WPA 분류가 기존의 RPA 분류보다 전이성 뇌종양 환자에서 치료 방침을 결정함에 있어 도움을 줄 것으로 생각된다.