• 한국정보과학회논문지:데이타베이스
• /
• 제33권2호
• /
• pp.239-249
• /
• 2006

병원정보시스템(Hospital Information System)은 다른 병원정보시스템과 서로 독립적으로 운영되므로 상호운영성(Interoperability)이 배제되어 왔다. 이 연구는 HL7 표준임상문서구조(Health Level 7, Clinical Document Architecture)와 XML 스키마의 분석과 설계를 통하여 새로운 패러다임의 병원정보시스템을 제안한다. 퇴원요약지로부터 필수 항목을 규정하여 템플릿을 정의한 후 임상문서구조를 설계하여 자동적으로 임상문서를 생성되도록 하였다. XML 스키마는 HL7에서 정의한 참조정보모델(Reference Information Model)을 기반으로 분석하였고, 전송 프로토콜은 HL7 V2.4를 사용하였다. 본 연구가 가지는 의의는 첫째, 국제 표준인 HL7 표준임상문서구조를 사용하기 위한 확장과 정제과정의 연구를 했으며, 둘째, 표준임상문서구조를 사용할 수 있는 웹 기반의 차세대 병원정보시스템의 구조를 제안하였다. 결론적으로, 한국의 퇴원요약 표준임상문서구조에 대한 본 연구로 말미암아 평생전자의무기록(Electronic Health Record)과 임상데이타저장소(Clinical Data Repository)를 포함하여 다양한 보건의료기관 간 의료정보 공유의 기반이 될 것이다.

• 한국음향학회지
• /
• 제41권3호
• /
• pp.326-334
• /
• 2022

이 논문에서는 배경 잡음이 포함되는 환경에서 강인한 음성 인식을 하기 위한 전처리 단계로서 쓰이는 목표 음성 향상 방법을 제안한다. 보조 함수 기반의 독립 벡터 분석(Auxiliary-function-based Independent Vector Analysis, AuxIVA) 기법을 기반으로 가중 공분산 행렬에서 시간에 따라 변하는 분산에 의해서 가중치가 결정된다. 목표 음성에 대한 시간-주파수별 기여도를 나타내는 마스크를 통해 분산의 크기를 조절한다. 이러한 마스크는 음성 향상을 위해서 학습된 신경망 혹은 목표 화자로부터의 직선 성분의 기여도를 찾기 위한 확산성으로부터 추정할 수 있다. 이에 더하여 둘러싼 잡음에 대한 출력들은 서로 다차원 독립 성분 분석을 도입하여 의존성을 주어 안정적으로 노이즈 성분을 추출할 수 있다. 이 AuxIVA 기반의 목표 음성 추출 알고리즘은 또한 노이즈에 대해서 비음수 행렬 분해(Non-negative Matrix Factorization, NMF)를 비음수 텐서 분해(Non-negative Tensor Factorization, NTF)로 확장하여 독립 단순 행렬 분석(Independent Low-Rank Matrix Analysis, ILRMA)의 틀에서도 수행될 수 있다. 이러한 확장을 통해서 여전히 잡음 출력 채널에서의 채널간 의존성을 유지할 수 있다. CHiME-4데이터셋에 대한 실험 결과는 소개된 알고리즘에 대한 효과를 보여준다.

• Korean Journal of Radiology
• /
• 제22권7호
• /
• pp.1100-1109
• /
• 2021

Objective: To compare the diagnostic performance between Prostate Imaging-Reporting and Data System version 2.0 (PI-RADSv2.0) and version 2.1 (PI-RADSv2.1) for clinically significant prostate cancer (csPCa) in the peripheral zone (PZ). Materials and Methods: This retrospective study included 317 patients who underwent multiparametric magnetic resonance imaging and targeted biopsy for PZ lesions. Definition of csPCa was International Society of Urologic Pathology grade ≥ 2 cancer. Area under the curve (AUC), sensitivity, specificity, positive predictive value (PPV), negative predictive value (NPV), and accuracy for csPCa were analyzed by two readers. The cancer detection rate (CDR) for csPCa was investigated according to the PI-RADS categories. Results: AUC of PI-RADSv2.1 (0.856 and 0.858 for reader 1 and 2 respectively) was higher than that of PI-RADSv2.0 (0.795 and 0.747 for reader 1 and 2 respectively) (both p < 0.001). Sensitivity, specificity, PPV, NPV, and accuracy for PI-RADSv2.0 vs. PI-RADSv2.1 were 93.2% vs. 88.3% (p = 0.023), 52.8% vs. 76.6% (p < 0.001), 48.7% vs. 64.5% (p < 0.001), 94.2% vs. 93.2% (p = 0.504), and 65.9% vs. 80.4% (p < 0.001) for reader 1, and 96.1% vs. 92.2% (p = 0.046), 34.1% vs. 72.4% (p < 0.001), 41.3% vs. 61.7% (p < 0.001), 94.8% vs. 95.1% (p = 0.869), and 54.3% vs. 78.9% (p < 0.001) for reader 2, respectively. CDRs of PI-RADS categories 1-2, 3, 4, and 5 for PI-RADSv2.0 vs. PI-RADSv2.1 were 5.9% vs. 5.9%, 5.8% vs. 12.5%, 39.8% vs. 56.2%, and 88.9% vs. 88.9% for reader 1; and 4.5% vs. 4.1%, 6.1% vs. 11.1%, 32.5% vs. 53.4%, and 85.0% vs. 86.8% for reader 2, respectively. Conclusion: Our data demonstrated improved AUC, specificity, PPV, accuracy, and CDRs of category 3 or 4 of PI-RADSv2.1, but decreased sensitivity, compared with PI-RADSv2.0, for csPCa in PZ.