• 한국의학물리학회지:의학물리
• /
• 제31권3호
• /
• pp.81-98
• /
• 2020

This review aims to provide a brief, comprehensive overview of advanced technologies of nuclear medicine physics, with a focus on recent developments from both hardware and software perspectives. Developments in image acquisition/reconstruction, especially the time-of-flight and point spread function, have potential advantages in the image signal-to-noise ratio and spatial resolution. Modern detector materials and devices (including lutetium oxyorthosilicate, cadmium zinc tellurium, and silicon photomultiplier) as well as modern nuclear medicine imaging systems (including positron emission tomography [PET]/computerized tomography [CT], whole-body PET, PET/magnetic resonance [MR], and digital PET) enable not only high-quality digital image acquisition, but also subsequent image processing, including image reconstruction and post-reconstruction methods. Moreover, theranostics in nuclear medicine extend the usefulness of nuclear medicine physics far more than quantitative image-based diagnosis, playing a key role in personalized/precision medicine by raising the importance of internal radiation dosimetry in nuclear medicine. Now that deep-learning-based image processing can be incorporated in nuclear medicine image acquisition/processing, the aforementioned fields of nuclear medicine physics face the new era of Industry 4.0. Ongoing technological developments in nuclear medicine physics are leading to enhanced image quality and decreased radiation exposure as well as quantitative and personalized healthcare.

• 대한임상검사과학회지
• /
• 제44권4호
• /
• pp.167-177
• /
• 2012

Next-Generation Sequencing (NGS) is a term that means post-Sanger sequencing methods with high-throughput sequencing technologies. NGS parallelizes the sequencing process, producing thousands or millions of sequences at once. The latest NGS technologies use even single DNA molecule as a template and measures the DNA sequence directly via measuring electronic signals from the extension or degradation of DNA. NGS is making big impacts on biomedical research, molecular diagnosis and personalized medicine. The hospitals are rapidly adopting the use of NGS to help to patients understand treatment with sequencing data. As NGS equipments are getting smaller and affordable, many hospitals are in the process of setting up NGS platforms. In this review, the progress of NGS technology development and action mechanisms of representative NGS equipments of each generation were discussed. The key technological advances in the commercialized platforms were presented. As NGS platforms are a great concern in the healthcare area, the latest trend in the use of NGS and the prospect of NGS in the future in diagnosis and personalized medicine were also discussed.

• 전자공학회논문지
• /
• 제51권6호
• /
• pp.50-59
• /
• 2014

모바일 헬스케어 서비스에서 환자의 응급 상태를 정확하게 응급 감지하고 신속히 알리는 것이 매우 중요하다. 기존의 헬스케어 서비스에서는 전달된 생체 정보를 의료진 또는 의료 서비스 공급자가 항시 모니터링을 하여 환자의 상태를 판단하게 된다. 하지만 의료진이 항시 모니터링을 해야 하기 때문에 다수 환자를 실시간으로 동시에 모니터링하기에는 어렵다. 더구나, 환자마다의 고유한 환자의 건강 상태의 특징 (나이, 성별, 병력 기록 등)들이 있기 때문에 통계적인 의료 지식으로 환자의 상태를 진단하는 것은 더욱 힘든 일이다. 이러한 기존의 문제점을 해결하기 위해서 본 논문에서는 사용자 맞춤형 응급관리를 위한 모바일 헬스케어 시스템을 제시한다. 제안된 모바일 헬스케어 시스템의 특징은 환자의 고유한 건강 상태의 특징을 정책으로 정의하고 이를 기반으로 환자로부터 측정된 생체 정보에 대해 응급 상태를 판단하는 것이다. 제안된 모바일 헬스케어 시스템의 개념을 입증하기 위해 프로토타입을 구현하였다.

• 한국콘텐츠학회논문지
• /
• 제11권11호
• /
• pp.1-9
• /
• 2011

차세대 IT융합기술의 발전에 따라 개인화 건강관리 서비스를 위한 인프라스트럭처가 구축되면서, 사용자의 선호도 기반 서비스의 중요성이 부각되고 있다. 만성질환자가 증가함에 따라 건강관리 서비스는 특정 질병의 치료 및 관리에서 서비스 대상자에 대한 식이영양 관리로 진화하고 있다. 본 논문에서는 건강관리를 위한 혼합 필터링을 이용한 개인화 식이영양 콘텐츠 추천을 제안하였다. 제안한 방법에서는 유사한 콘텐츠만을 제공하는 추천 특수화 경향을 개선하기 위해 협력적 필터링과 이미지 기반 필터링을 결합한 혼합 필터링을 사용한다. 이를 웹 어플리케이션으로 구축하여 논리적 타당성과 유효성을 검증하기 위해 실험적인 적용을 시도한다. 따라서 식이영양 콘텐츠를 추천하여 건강관리에 대한 만족도와 서비스의 질을 향상시켰다. 연구결과를 활용하면 시장성 증대와 고부가 가치를 창출할 수 있을 것으로 기대하며 다양한 응용분야에 활용이 가능하다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2019년도 춘계학술대회
• /
• pp.316-318
• /
• 2019

최근 고령화사회의 진입으로 건강수명이 이슈가 되고 있으며 삶의 질 향상을 위한 지속적 건강관리에 관심이 높아지고 있다. 본 논문에서는 사용자들의 편리한 건강관리를 위한 사용자 맞춤형 건강정보 추천 앱 시스템을 구현하였다. 사용자는 생활습관, 질병, 신체조건 등의 기본 정보를 입력하고 입력된 사용자의 PHR(Personal Health Record)는 서버에 저장된다. 저장된 다수의 사용자들을 PHR프로파일에 따라 유사한 군집으로 분류하여 유사 사용자들에게 헬스케어 관련 콘텐츠를 제공하고자 하였다. 사용자의 PHR에 따른 유사군집의 생성을 위하여 K-Means 클러스터링을 적용하였으며 지식베이스에 저장된 건강정보 콘텐츠들을 맞춤형으로 제공하기 위하여 개미군집 알고리즘을 사용하였다. 개발된 앱은 사용자의 PHR 프로파일로 분류된 군집에 따라 위험한 질병, 개선해야 할 생활 습관 등에 대한 정보를 제공하여 사용자의 자가 헬스케어에 활용될 수 있다.

• Journal of information and communication convergence engineering
• /
• 제9권2호
• /
• pp.235-243
• /
• 2011

With the recent trends and the adaptation of further advancement in personal healthcare system leads to develop some application which can work independent and user can operate that application without much interference of physician or any specialist user. To meet these needs, this paper proposes and implements a progressive architecture for the personal healthcare information system. This new architecture will not only play the role of middleware but also provide a analysis tool to process that different sensor data which is collected from different sensors implemented on patient body and environment. After collecting that data, with the help of various developed applications this data can be convert into useful information which will be stored in application server for further use and research. These features can be enabled by simple and effortless interactions of normal users and act autonomously to support their activities. This proposed personal healthcare architecture will also provide analysis report to the doctors and patient or various users for further instructions. The analysis report consists of healthcare data analysis results and history of patients. We are considering healthcare data like ECG, which is an important aspect for basic healthcare need.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권4호
• /
• pp.2060-2077
• /
• 2019

Recently, mobile healthcare services have attracted significant attention because of the emerging development and supply of diverse wearable devices. Smartwatches and health bands are the most common type of mobile-based wearable devices and their market size is increasing considerably. However, simple value comparisons based on accumulated data have revealed certain problems, such as the standardized nature of health management and the lack of personalized health management service models. The convergence of information technology (IT) and biotechnology (BT) has shifted the medical paradigm from continuous health management and disease prevention to the development of a system that can be used to provide ground-based medical services regardless of the user's location. Moreover, the IT-BT convergence has necessitated the development of lifestyle improvement models and services that utilize big data analysis and machine learning to provide mobile healthcare-based personal health management and disease prevention information. Users' health data, which are specific as they change over time, are collected by different means according to the users' lifestyle and surrounding circumstances. In this paper, we propose a prediction model of user physical activity that uses data characteristics-based long short-term memory (DC-LSTM) recurrent neural networks (RNNs). To provide personalized services, the characteristics and surrounding circumstances of data collectable from mobile host devices were considered in the selection of variables for the model. The data characteristics considered were ease of collection, which represents whether or not variables are collectable, and frequency of occurrence, which represents whether or not changes made to input values constitute significant variables in terms of activity. The variables selected for providing personalized services were activity, weather, temperature, mean daily temperature, humidity, UV, fine dust, asthma and lung disease probability index, skin disease probability index, cadence, travel distance, mean heart rate, and sleep hours. The selected variables were classified according to the data characteristics. To predict activity, an LSTM RNN was built that uses the classified variables as input data and learns the dynamic characteristics of time series data. LSTM RNNs resolve the vanishing gradient problem that occurs in existing RNNs. They are classified into three different types according to data characteristics and constructed through connections among the LSTMs. The constructed neural network learns training data and predicts user activity. To evaluate the proposed model, the root mean square error (RMSE) was used in the performance evaluation of the user physical activity prediction method for which an autoregressive integrated moving average (ARIMA) model, a convolutional neural network (CNN), and an RNN were used. The results show that the proposed DC-LSTM RNN method yields an excellent mean RMSE value of 0.616. The proposed method is used for predicting significant activity considering the surrounding circumstances and user status utilizing the existing standardized activity prediction services. It can also be used to predict user physical activity and provide personalized healthcare based on the data collectable from mobile host devices.

• 산업경영시스템학회지
• /
• 제44권4호
• /
• pp.23-31
• /
• 2021

Treatment and management of chronic low back pain (CLBP) should be tailored to the patient's individual context. However, there are limited resources available in which to find and manage the causes and mechanisms for each patient. In this study, we designed and developed a personalized context awareness system that uses machine learning techniques to understand the relationship between a patient's lower back pain and the surrounding environment. A pilot study was conducted to verify the context awareness model. The performance of the lower back pain prediction model was successful enough to be practically usable. It was possible to use the information from the model to understand how the variables influence the occurrence of lower back pain.

• 한국빅데이터학회지
• /
• 제7권1호
• /
• pp.29-36
• /
• 2022

감정 노동 및 서비스업 종사자의 급격한 증가에 따른 감정노동자의 스트레스 및 우울증 유병률이 증가하고 있다. 하지만, 현재 감정노동자의 정신건강 관리는 스트레스 상황 당시의 정서반응을 고려하기 어렵고 개인의 기저 상태가 반영되지 않아 기존 정신건강 관리의 한계가 존재한다. 본 연구에서는 개인 맞춤형 스트레스 위험 관리 솔루션인 멘탈 헬스케어 디지털 트윈 솔루션 기술을 제시한다. 감정노동으로 인한 정신건강 위험 관리를 위해, 정서/신체반응 및 환경 등의 개인별 스트레스 위험요인을 다양한 모달리티로 추출하고 가상 공간에서 동적 객체의 동기화/모델링을 통하여 스트레스 위험도를 정밀 예측하는 솔루션 탐색 시뮬레이션을 수행한다. 사용자에게 맞는 인터벤션을 제공하여, 감정노동자의 환경에 맞게 모달리티와 객체의 구성이 가능하고 사용자의 피드백에 따라 개선 가능한 개인 맞춤형 정신건강 위험 예측을 위한 멘탈 헬스케어 디지털 트윈 솔루션을 제공한다.

• 전자공학회논문지
• /
• 제50권11호
• /
• pp.3-11
• /
• 2013

스마트 헬스케어 서비스에서 환자의 응급 상황을 정확하게 응급 감지하고 신속히 알리는 것이 매우 중요하다. 이러한 응급 상황의 감지 및 통보는 대부분 의료진들에 의해 수행되고 있다. 하지만 현재 의료진의 수가 제한되어 있기 때문에 실시간으로 동시에 많은 사람들을 진단하기 어렵다. 본 논문에서는 스마트 헬스케어 서비스를 위한 사용자 맞춤형 응급 정책을 활용한 응급 생체 데이터의 관리 구조 및 방법론을 제시한다. 제안된 시스템은 3단계로 구성된다. 1단계에서는 생체 데이터는 무선 신체망으로부터 수집 기능을 수행하고, 2단계는 사용자 맞춤형 응급 정책을 기반으로 생체 데이터의 응급 상태를 감지 기능을 수행하며, 마지막으로, 3단계에서는 건강 상태 정보를 포한한 응급 메시지를 국제 메시지 표준인 IEEE 11073 PHD와 HL7 CDA간 변환하여 의료진에게 자동적으로 전송하는 기능을 수행하게 된다. 이를 통해, 무선 신체망에서 수집된 개인 생체 데이터의 응급 상태는 사용자 맞춤형 정책을 이용하여 자동 감지되며, 응급 상황이 감지지면, 의료 시스템으로 신속하게 응급 통보 및 응급 데이터를 통보함으로써 환자에게 신속한 응급 구조 서비스를 제공할 수 있게 된다. 마지막으로, 제안된 시스템 구조의 서비스와 기능들을 구현을 통해 입증하였다.