• 한국정보통신학회논문지
• /
• 제26권5호
• /
• pp.662-667
• /
• 2022

의미역 결정 작업은 서술어와 문장 내 행위자, 피행위자, 장소, 시간 등 서술어와 관련 있는 논항들을 추출하는 작업이다. 기존 의미역 결정 방법은 문장의 언어학적 특징 추출을 위한 파이프라인을 구축하는데, 파이프라인 내 각 추출 작업들의 오류가 의미역 결정 작업의 성능에 영향을 미치기 때문에 현재는 End-to-End 방법의 신경망 모델을 이용한 방법들이 제안되고 있다. 본 논문에서는 의미역 결정 작업을 위해 Biaffine Average Attention 구조를 이용한 신경망 모델을 제안한다. 제안하는 모델은 기존 연구에서 제안된 특정 시점에 대한 레이블 예측을 위해 주변 시점 정보를 이용하는 LSTM 모델 대신 문장 내 서술어와 논항의 거리에 상관없이 문장 전체 정보에 집중할 수 있는 Biaffine Average Attention 구조로 이루어져 있다. 제안하는 모델의 성능 평가를 위해 F1 점수를 이용하여 기존 연구에서 제안한 BERT 기반의 모델들과 비교하였으며, 76.21%의 성능으로 비교 모델보다 높은 성능을 보였음을 확인하였다.

• 한국콘텐츠학회논문지
• /
• 제22권3호
• /
• pp.354-360
• /
• 2022

대사성 질환은 국내의 경우 유병률이 26%에 이르는 질환으로 복부비만, 고혈압, 공복혈당장애, 고중성지방, 낮은 HDL 콜레스테롤 5가지 상태 중 3가지를 동시에 가진 상태를 말한다. 본 논문은 농촌진흥청의 소비자패널 데이터와 건강보험공단의 진료 데이터를 연계하여 식품 소비 특성을 통해 대사성 질환자군과 대조군으로 나누는 분류 모델을 생성하고 차이를 비교하고자 한다. 기존의 국내외에서 연구된 많은 대사성 질환과 식품 소비 특성 관련 연구는 특정 식품군이나 특정 성분의 질환 상관성 연구이며, 본 논문은 일반 식사에서 포함하는 모든 식품군을 고려한 로지스틱 회귀를 이용한 분류 모델, 의사결정나무 기반 분류 모델, XGBoost를 활용한 분류 모델을 생성하였다. 세 가지 모델 중 정확도가 높은 모델은 XGBoost 분류 모델이지만, 정확도가 0.7 미만으로 높지 않았다. 향후 연구로 환자군의 식품 소비 관찰 기간을 5년 이상으로 확대하고 섭취한 식품을 영양적 특성으로 변환한 후 대사성 질환 분류 모델 연구가 필요하다.

• 한국의학물리학회지:의학물리
• /
• 제29권1호
• /
• pp.8-15
• /
• 2018

This work reports the acceptance testing and commissioning experience of the Robotic Intensity-Modulated Radiation Therapy (IMRT) M6 system with a newly released $InCise^{TM}2$ Multileaf Collimator (MLC) installed at the Yonsei Cancer Center. Acceptance testing included a mechanical interdigitation test, leaf positional accuracy, leakage check, and End-to-End (E2E) tests. Beam data measurements included tissue-phantom ratios (TPRs), off-center ratios (OCRs), output factors collected at 11 field sizes (the smallest field size was $7.6mm{\times}7.7mm$ and largest field size was $115.0mm{\times}100.1mm$ at 800 mm source-to-axis distance), and open beam profiles. The beam model was verified by checking patient-specific quality assurance (QA) in four fiducial-inserted phantoms, using 10 intracranial and extracranial patient plans. All measurements for acceptance testing satisfied manufacturing specifications. Mean leaf position offsets using the Garden Fence test were found to be $0.01{\pm}0.06mm$ and $0.07{\pm}0.05mm$ for X1 and X2 leaf banks, respectively. Maximum and average leaf leakages were 0.20% and 0.18%, respectively. E2E tests for five tracking modes showed 0.26 mm (6D Skull), 0.3 mm (Fiducial), 0.26 mm (Xsight Spine), 0.62 mm (Xsight Lung), and 0.6 mm (Synchrony). TPRs, OCRs, output factors, and open beams measured under various conditions agreed with composite data provided from the manufacturer to within 2%. Patient-specific QA results were evaluated in two ways. Point dose measurements with an ion chamber were all within the 5% absolute-dose agreement, and relative-dose measurements using an array ion chamber detector all satisfied the 3%/3 mm gamma criterion for more than 90% of the measurement points. The Robotic IMRT M6 system equipped with the $InCise^{TM}2$ MLC was proven to be accurate and reliable.

• 대한정형외과학회지
• /
• 제56권2호
• /
• pp.103-116
• /
• 2021

삼차원(three-dimensional, 3D) 프린팅의 사용은 점차 보편화되고 있으며 정형외과 영역에서도 그 활용이 늘어나고 있다. 현재 정형외과에서 3D 프린팅 기술을 사용하는 방법은 크게 네 가지로 첫째, 3D 프린팅 모델을 이용한 수술 계획 수립 및 수술 시뮬레이션, 둘째, 환자 맞춤형 수술 기구, 셋째, 3D 적층 기법을 이용한 인공 삽입물의 생산, 넷째, 3D 프린팅으로 제작된 환자 맞춤형 삽입물이다. 3D 프린팅 기술을 사용할 수 있는 정형외과의 영역은 견관절, 척추, 고관절 및 골반, 슬관절, 족관절, 종양 분야 등으로, 각각의 영역마다 다루는 질환 및 특성이 다르기 때문에 3D 프린팅 기술을 사용하는 방법 역시 각각의 영역에 따라 약간의 차이가 있다. 하지만 모든 영역에서 3D 프린팅 기술을 이용하는 것은 수술의 효율을 높여 주고, 수술 시간을 단축시키며 수술 중 방사선 노출을 줄여 준다. 3D 프린팅 기술은 특히 복잡하고 어려운 질환이나 골절 환자의 치료에 큰 도움을 줄 수 있다. 따라서 정형외과 의사는 이러한 3D 프린팅 기술의 장점을 이해하고 임상에 최대한 적용하여 효율적인 환자의 치료가 이루어질 수 있도록 해야 한다.

• 한국CDE학회논문집
• /
• 제18권6호
• /
• pp.385-398
• /
• 2013

Opening wedge high tibial osteotomy (OWHTO) is widely used to treat unicompartmental osteoarthritis of the knee caused by degenerative deformations of the anatomical axes of the leg. However, since it is difficult to accurately plan the surgical degrees of adjustment such as coronal correction angle and tibial posterior slope angle to align the axes before the actual procedure, a number of studies have proposed analytical models to solve this problem. While previous analytical models for OWHTO were limited to specific cases, this study proposes an analytical osteotomy model (AOM) and a surgical planning system (SPS) that are suitable for a wide range of tibial morphologies and tibia conditions. The validity and generality of the model were verified in a total of 60 OWHTO cases. Results of the test showed that, as predicted, surgical degrees are affected quite significantly by tibia shape and slope of the resected surface. Comparison of the required surgical degrees and the degrees estimated from virtual surgery simulations using AOM showed a very small average difference of $0.118^{\circ}$. SPS, based on AOM, allows the operating surgeon to easily calculate surgical parameters needed to treat a patient.

• Journal of the Korean Data and Information Science Society
• /
• 제28권2호
• /
• pp.349-359
• /
• 2017

본 논문에서는 미국 국립암연구소의 SEER 프로그램에서 제공하는 우측 대장암 3기 자료에 Cox 비례위험모형을 적합하여 생존분석을 하였다. 우측 대장암 3기 환자의 사망률에 유의한 영향을 미치는 공변량들을 파악하고, 관심있는 공변량들을 가진 환자의 생존율을 추정하였다. Schoenfeld 잔차를 기반한 검정과 Schoenfeld 잔차 도표, $log[-log\{{\hat{S}}(t)\}]$ 도표를 이용하여 분석에 사용된 공변량들이 비례위험 가정을 만족함을 확인하였다. 적합된 Cox 비례위험모형의 타당성을 검증하기 위해 10-fold 교차 검증을 이용하여 calibration 도표와 시간에 의존하는 ROC 곡선 아래 면적을 계산하였다. 이를 통해 적합된 Cox 비례위험모형의 타당성을 확인하였다.

• 한국정보통신학회논문지
• /
• 제25권10호
• /
• pp.1296-1301
• /
• 2021

최근 전 세계적으로 당뇨병 유발률이 증가함에 따라 다양한 머신러닝과 딥러닝 기술을 통해 당뇨병을 예측하려고 는 연구가 이어지고 있다. 본 연구에서는 독일의 Frankfurt Hospital 데이터로 머신러닝 기법을 활용하여 당뇨병을 예측하는 모델을 제시한다. IQR(Interquartile Range) 기법을 이용한 이상치 처리와 피어슨 상관관계 분석을 적용하고 Decision Tree, Random Forest, Knn, SVM, 앙상블 기법인 XGBoost, Voting, Stacking로 모델별 당뇨병 예측 성능을 비교한다. 연구를 진행한 결과 Stacking ensemble 기법의 정확도가 98.75%로 가장 뛰어난 성능을 보였다. 따라서 해당 모델을 이용하여 현대 사회에 만연한 당뇨병을 정확히 예측하고 예방할 수 있다는 점에서 본 연구는 의의가 있다.

• International Journal of Computer Science & Network Security
• /
• 제23권8호
• /
• pp.17-25
• /
• 2023

The alarming global prevalence of Type 2 Diabetes Mellitus (T2DM) has catalyzed an urgent need for robust, early diagnostic methodologies. This study unveils a pioneering approach to predicting T2DM, employing the Extreme Gradient Boosting (XGBoost) algorithm, renowned for its predictive accuracy and computational efficiency. The investigation harnesses a meticulously curated dataset of 4303 samples, extracted from a comprehensive Chinese research study, scrupulously aligned with the World Health Organization's indicators and standards. The dataset encapsulates a multifaceted spectrum of clinical, demographic, and lifestyle attributes. Through an intricate process of hyperparameter optimization, the XGBoost model exhibited an unparalleled best score, elucidating a distinctive combination of parameters such as a learning rate of 0.1, max depth of 3, 150 estimators, and specific colsample strategies. The model's validation accuracy of 0.957, coupled with a sensitivity of 0.9898 and specificity of 0.8897, underlines its robustness in classifying T2DM. A detailed analysis of the confusion matrix further substantiated the model's diagnostic prowess, with an F1-score of 0.9308, illustrating its balanced performance in true positive and negative classifications. The precision and recall metrics provided nuanced insights into the model's ability to minimize false predictions, thereby enhancing its clinical applicability. The research findings not only underline the remarkable efficacy of XGBoost in T2DM prediction but also contribute to the burgeoning field of machine learning applications in personalized healthcare. By elucidating a novel paradigm that accentuates the synergistic integration of multifaceted clinical parameters, this study fosters a promising avenue for precise early detection, risk stratification, and patient-centric intervention in diabetes care. The research serves as a beacon, inspiring further exploration and innovation in leveraging advanced analytical techniques for transformative impacts on predictive diagnostics and chronic disease management.

• 한국의료질향상학회지
• /
• 제21권1호
• /
• pp.36-49
• /
• 2015

In Intensive Care Units (ICUs), where severely ill patients are treated, importance of reducing Hospital Acquired Infection (HAI) cannot be overstated. One of the simplest and most effective actions against HAI is proper hand hygiene (HH) behavior of Health Care Workers (HCWs). However, compliance varies across different cultures and different job types of HCWs (physicians, residents and nurses). This study aims to understand determinants of HH behavior by HCWs' job types in Korea. Qualitative analysis was performed based on Reasoned Action Approach style interviews with staff physicians, residents and nurses across 7 teaching hospitals. We found that all HCWs strongly believe HH is important in reducing HAI. There were, however, job type-specific HH behavior modifying factors; staff physicians stated feeling pressure to be HH behavior role model. Residents identified Quality Improvement team that measured compliance as a facilitator; a notable barrier for residents was senior physicians not washing their hands, because they were afraid of appearing impudent to their seniors. Nurses designated their chief nurse as a key referent. All participants mentioned heavy workload and lack of access to alcohol-based sanitizer as situational barriers, and sore and dry hand as deterrents to HH compliance.

• 디지털융복합연구
• /
• 제15권7호
• /
• pp.367-373
• /
• 2017

본 연구는 지속해서 증가하는 유방암 환자의 수술 후 신체 및 정신적 고통 완화를 도와주는 모바일 애플리케이션 서비스 제안에 목적이 있다. 먼저 연구 목적 달성을 위해 문헌연구를 통한 유방암의 전반적인 이해와 이와 유사한 서비스를 분석하였다. 이후 서비스 디자인 방법론인 더블 다이아몬드 디자인 프로세스 모델을 단계별로 적용하여 사후관리 중심의 1:1 맞춤형 전문가 코칭(coaching) 서비스를 제공하는 모바일 애플리케이션을 고안하였다. 세부적으로는 첫째, 현재 진행되는 프로그램 분석과 이해관계자들(유방암 환자, 보호자, 간호사 및 병원 내 암센터 용품 판매원)과의 인터뷰를 통해 사용자 니즈(needs)를 도출하였다. 둘째, 이를 기반으로 사용자를 대표하는 페르소나와 고객여정맵을 토대로 한 전체적인 시나리오를 시각화, 콘셉트 설정 및 키워드 도출로 본 연구를 구체화하였다. 셋째, 구체적인 기능 설명과 함께 효과적으로 전달하기 위한 프로토타입을 제작하여 최종 목표인 모바일 애플리케이션 서비스를 제안하였다. 본 서비스를 통하여 그들의 삶의 질을 향상시키는 서비스가 되길 기대한다.