• Radiation Oncology Journal
• /
• 제19권2호
• /
• pp.87-94
• /
• 2001

목적 : 수막종 환자에 대한 선형가속기를 이용한 정위방사선수술의 임상 경과, 영상의학적 반응, 그리고 신경학적 후유증을 분석하여 수막종에서 정위방사선수술의 역할을 알아보고자 하였다. 대상 및 방법 : 1995년 2월부터 1999년 12월까지 26명의 수막종 환자에 대해 선형가속기를 이용한 정위방사선수술을 시행하였다. 9명은 외과적 절제술이 선행되었으며 나머지 17명은 정위방사선수술만 시행되었다. 대상환자들의 남녀 비는 7:19이었고, 연령 분포는 $14\~67$세(중앙값 51세)이었다. 정위방사선수술 당시 17명에서 병변으로 인한 신경학적 증상을 보였다. 종양 용적의 범위는 $0.7\~16.5\;cm^3$ (중앙값 $4.7\;cm^3$)이었고, 정위방사선수술 시 처방선량은 최대선량 기준으로 $46\~90\%$ (중앙값 $80\%$) 등선량곡면에 $10\~20\;Gy$ (중앙값 15 Gy)이었다. 임상 추적관찰 기간은 $1\~71$개월(중앙값 27개월)이었고 영상 추적관찰 기간은 $1\~52$개월(중앙값 25개월)이었다. 결과 : 정위방사선수술 당시 임상 증상이 있었고 임상 추적관찰 기간이 1년 이상인 14명 중 13명$(93\%)$에서 증상의 소멸 및 완화를 보였으며, 나머지 1명은 치료 후 4개월부터 종괴효과로 증상이 악화되어 7개월 후에 외과적 절제술을 시행 받았다. 영상 추적관찰 기간이 1년 이상인 14명의 환자들 중 7명$(50\%)$은 정위방사선수술 후 $6\~25$개월 (중앙값 11개월)에 종양 크기의 감소를 보였고, 6명$(43\%)$은 종양 크기의 변화가 없었다. 종양 크기의 증가를 보인 1명$(7\%)$은 외과적 절제술을 시행 받았다. 6명$(23\%)$의 환자에서 정위방사선수술 후 새로운 신경학적 후유증이 발생하였으며, 이 중 5명은 일시적 후유증으로 스테로이드 투여 등의 보존적 치료 후에 증상이 소멸되었고, 1명은 정위방사선수술로 인한 조직 괴사로 외과적 절제술을 시행 받았다. 결론 : 정위방사선수술을 이용한 수막종의 치료는 외과적 절제술이 불가능한 경우, 불완전한 절제술을 시행한 경우, 그리고 수술 후 재발한 경우에 안전하고 매우 효과적인 치료 방법으로 판단된다. 하지만 더 오랜 기간의 추적관찰이 필요하며 종양용적이 크고 주위에 결정장기가 있는 경우에는 신경학적 후유증을 줄이기 위해 좀 더 신중한 치료 계획 및 선량 결정이 필요하다.

• 지능정보연구
• /
• 제24권2호
• /
• pp.221-241
• /
• 2018

최근 딥러닝 기술이 주목을 받고 있다. 대중들의 관심을 받았던 국제 이미지 인식 기술 대회(ILSVR)와 알파고(AlphaGo)에서 사용된 딥러닝 기술이 바로 합성곱 신경망(CNN; Convolution Neural Network)이다. 합성곱 신경망은 입력 이미지를 작은 구역으로 나누어 부분적인 특징을 인식하고 이것을 결합하여 전체를 인식하는 특징을 가진다. 이러한 딥러닝 기술이 우리의 생활에 있어 많은 변화를 야기할 것이라는 기대를 주고 있지만 현재까지는 이미지 인식과 자연어 처리 등에 그 성과가 국한되어 있다. 비즈니스 문제에 대한 딥러닝 활용은 아직까지 초기 연구 단계로 향후 마케팅 응답 예측이나 허위 거래 식별, 부도 예측과 같은 전통적 비즈니스 문제들에 대해 보다 깊게 활용되고 그 성능이 입증된다면 딥러닝 기술의 활용 가치가 보다 더 주목받게 될 것으로 기대된다. 이러한 때 비교적 고객 식별이 용이하고 활용 가치가 높은 빅데이터를 보유하고 있는 전자상거래 기업의 사례를 바탕으로 하여 딥러닝 기술의 비즈니스 문제 해결 가능성을 진단해보는 것은 학술적으로 매우 의미 있는 시도라 할 수 있겠다. 이에 본 연구에서는 전자상거래 기업의 고객 행태 예측력을 높이기 위한 방안으로 합성곱 신경망을 활용한 '이종 정보 결합(Heterogeneous Information Integration)의 CNN 모델'을 제시한다. 이는 정형과 비정형 정보를 결합하여 다층 퍼셉트론 구조의 합성곱 신경망에서 학습시키는 모델로서 최적의 성능을 발휘하도록 '이종 정보 결합'과 '비정형 정보의 벡터 전환', 그리고 '다층 퍼셉트론 설계'로 하는 3개의 내부 아키텍처를 정의하고 각 아키텍처 단위로 구성되는 방식에 따른 성능을 평가하여 그 결과를 바탕으로 제안 모델을 확정하고 그 성능을 평가해보고자 한다. 고객 행태 예측을 위한 목표 변수는 전자상거래 기업에서 중요하게 관리하고 있는 재구매 고객, 이탈 고객, 고빈도 구매 고객, 고빈도 반품 고객, 고단가 구매 고객, 고할인 구매 고객 등 모두 6개의 이진 분류 문제로 정의한다. 제안한 모델의 유용성을 검증하기 위해서 국내 특정 전자상거래 기업의 실제 데이터를 활용하여 실험을 수행하였다. 실험 결과 정형과 비정형 정보를 결합하여 CNN을 활용한 제안 모델이 NBC(Naïve Bayes classification)과 SVM(Support vector machine), 그리고 ANN(Artificial neural network)에 비해서 예측 정확도와 F1 Measure가 높게 평가되었다. 또 NBC, SVM, ANN에서 정형 정보만을 사용할 때 보다 정형과 비정형 정보를 결합하여 입력 변수로 함께 활용한 경우에 예측 정확도가 향상되는 것으로 나타났다. 따라서 실험 결과로부터 비정형 정보의 활용이 고객 행태 예측의 정확도 향상에 기여한다는 점과 CNN 기법의 특징 추출 알고리즘이 VOC에 사용된 단어들의 분포와 위치 정보를 해석하여 문장의 의미를 파악하는데 효과적이라는 점을 실증적으로 확인하였다는데 그 의미가 있다고 할 수 있겠다. 이를 통해서 CNN 기법이 지금까지 소개된 이미지 인식이나 자연어 처리 분야 외에 비즈니스 문제 해결에도 활용 가치가 높다는 점을 확인하였다는데 이 연구의 의의가 있다 하겠다.