• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제11권9호
• /
• pp.317-322
• /
• 2022

정보기술의 급격한 발달은 의료 환경에서도 많은 변화를 가져오고 있다. 특히 빅데이터와 인공지능(AI)을 활용한 의료영상 정보 시스템의 빠른 변화를 견인하고 있다. 전자의무기록(EMR)과 의료영상저장전송시스템(PACS)으로 구성된 처방전달시스템(OCS)은 의료 환경을 아날로그에서 디지털로 빠르게 바꾸어 놓았다. PACS는 여러 솔루션과 결합하여 호환, 보안, 효율성, 자동화 등 새로운 발전 방향을 보여주고 있다. 그 중, 영상의 질적 개선을 할 수 있는 빅데이터를 활용한 인공지능(AI)과의 결합이 활발히 진행되고 있다. 특히 딥러닝 기술을 활용하여 의료 영상 판독을 보조할 수 있는 시스템인 AI PACS가 대학과 산업체의 협력으로 개발되어 병원에서 활용되고 있다. 이처럼 의료 환경에서 의료영상 정보 시스템의 빠른 변화에 맞추어 의료시장의 구조적인 변화와 이에 대처할 수 있는 의료정책의 변화도 필요하다. 한편, 의료영상정보는 디지털 의료영상 전송 장치에서 생성되는 DICOM 방식을 기본으로 하고, 생성하는 방법의 차이에 따라 Volume 영상, 단면 영상인 2차원적 영상으로 구분된다. 또한, 최근 많은 의료기관에서는 스마트 병원 서비스를 내세우며 차세대 통합 의료정보시스템의 도입을 서두르고 있다. 차세대 통합 의료정보시스템은 EMR을 바탕으로 전자동의서, AI와 빅데이터를 활용한 정밀의료, 외부기관 등을 통합한 솔루션으로 구축하며, 이를 바탕으로 환자 정보 DB 구축과 데이터의 표준화를 통한 의료 빅데이터 기반의 의학 연구를 목적으로 한다. 우리나라의 의료영상 정보 시스템은 앞선 IT 기술력과 정부의 정책에 힘입어 세계적인 수준에 있으며, 특히 PACS 관련 프로그램은 의료 영상정보 기술에서 세계로 수출을 하고 있는 한 분야이다. 본 연구에서는 빅데이터를 활용한 의료영상 정보 시스템의 분석과 함께 의료영상 정보 시스템이 국내에 도입되게 된 역사적 배경을 바탕으로 현재의 흐름을 파악하고 나아가 미래의 발전 방향을 예측하였다. 향후, 20여 년 동안 축적된 DICOM 빅데이터를 기반으로 AI, 딥러닝 알고리즘을 활용하여 영상 판독률을 높일 수 있는 연구를 진행하고자 한다.

• 한국방사선학회논문지
• /
• 제6권4호
• /
• pp.281-290
• /
• 2012

경상북도에 소재한 3개 종합병원 영상의학과의 MDCT 검사 중 두부, 복부, 흉부 각 10건씩 30건을 대상으로 CTDIl, DLP, Slice 수, DLP/Slice 수를 조사하여 병원 간 프로토콜의 차이로 인한 MDCT의 피폭선량의 차이를 분석하였고, CT검사의 가장 많은 검사건수를 차지하고 프로토콜이 비교적 단순한 두부 CT를 Helical Scan과 Normal Scan으로 2회 실시하여 영상의 화질, CTDI, DLP, 안구의 피폭선량, 갑상선의 피폭선량의 차이를 분석하였다. 두부CT에서 조사대상 병원의 3분의 2에서 CTDI 참조준위(IAEA 50mGy, 우리나라 60mGy)를 초과하지 않은 A병원에 비하여 유의하게 높았다(p<0.001). DLP에서 조사병원의 3분의 1은 참조준위 IAEA 1,050mGy.cm, 우리나라 1,000mGy.cm의 권고량 보다 높았고, 3분의 2가 우리나라의 권고량을 초과하고 있었다. 참조준위를 초과하지 않은 A병원에 비하여 유의하게 높았다(p<0.001). Abdomen CT에서도 3분의 1은 CTDI 참조준위 IAEA 25mGy, 우리나라 20mGy보다 높은 119mGy를 보였고, DLP에서는 모든 조사대상 병원이 우리나라 권고량 700mGy.cm보다 높았다. 조사대상 병원 중 모든 검사에서 높은 선량을 보인 C병원은 MPR, 3D 검사의 비중이 높아 낮은 pitch, 높은 관전류 검사로 인한 피폭선량이 높았다. Scan 방법에 따른 피폭선량의 차이를 분석하고자 동일환자의 두부CT를 Normal scan과 Helical scan으로 각각 실시하여 분석한 결과 CTDI 및 DLP에서 Helical CT가 Normal scan에 비해 63.4%, 93.7% 높은 선량을 보였다(p<0.05, p<0.01). 그러나 갑상선의 피폭선량은 Normal scan이 87.26% 높았다(p<0.01). Helical CT의 선속은 종심부와 변연부의 모양이 종의 형태를 취하고 있어 두부CT에서 갑상선은 중심선속에서 벗어난 적은 선량으로 피폭된다. 또한 Helical scan시 Gantry 각을 수직으로 사용하였고, Normal scan시에는 Orbitomeatal line에 평행으로 정렬된 Gantry 각을 사용하여 Helical scan에서 갑상선은 피폭선량이 감소하였다. 그러나 본 연구에서 사용된 프로토콜은 식약청의 표준준위에 비해 높은 피폭선량을 보여 식약청의 권고량을 지키기 위해서는 낮은 관전류 높은 Pitch의 사용이 요구되었다. 이번 연구에서 Normal scan과 Helical scan에 따른 화질의 차이는 없는 것으로 분석되어 특별한 경우가 아니면 Normal scan의 표준화된 프로토콜을 사용하고 갑상선의 보호장구를 사용하는 것이 필요하였다. 이번 연구는 일지역의 CT검사 중 일부를 조사하여 분석하였으므로 CT검사의 전체를 평가하는데 무리가 있었다. 그러나 경우에 따라 환자피폭선량의 가이드 권고량을 초과하고 있음을 알 수 있었고, 병원 간의 피폭선량 편차도 있음을 확인 할 수 있었다. 이것을 개선하기 위하여 영상의학과 의사 및 방사선사는 CT 방사선량을 줄이는 최적화된 프로토콜로 CT검사를 시행해야 하고, 환자의 알권리를 위하여 피폭선량은 공개되어야 한다. 그러나 아직 많은 의사들과 방사선사는 이에 대한 인식이 부족하므로 개선을 위하여 CT선량 저감화의 교육프로그램, CT검사에 따른 피폭선량의 공개, 병원의 서비스평가 및 병원인증제 평가항목에 CT검사 피폭선량관리 및 공개항목을 추가 등의 관련기관의 노력과 의료종사자가 CT검사에서 행위의 최적화를 실현하는 최선의 프로토콜을 사용하는 노력이 필요하였다.

• 유통과학연구
• /
• 제9권1호
• /
• pp.17-27
• /
• 2011

세계화의 진전으로 기업 간의 경쟁은 날로 치열해지고 있으며 그동안 단순 비용으로만 인식되던 물류분야가 비용과 서비스 제고 측면에서 제3의 이익원으로 인식되고 있다. 이에 물류경로 상에서 공급자와 판매자 및 수송과 보관의 연계를 원활하게 수행하도록 하는 핵심 인프라인 물류센터의 관심이 고조되고 있으며 본 연구에서는 물류센터의 활성화 및 발전을 위한 방안을 모색하고자 한다. 먼저 이론적 고찰을 통하여 선행연구 및 물류센터의 개요 및 역할, 현황 등에 대하여 알아보았으며 물류센터의 문제점 파악과 더불어 물류시설의 수요조사 및 표준화 구축을 위한 가이드 제시, 관련 법령 및 제도 정비, 규제 보완, 불공정 거래 척결을 위한 방안 등의 정책 개선, 공동화, 정보화 등을 통한 효율적 운영을 위한 시스템 구축, 안전관리, 원가산정을 통한 비용개선, 파트너쉽 구축, 재정적 지원, 부처별 협력 등의 발전방안을 제시하였으며, 이러한 방안은 물류센터의 활성화 및 선진화에 도움이 될 것으로 기대한다.

• 지능정보연구
• /
• 제23권3호
• /
• pp.95-118
• /
• 2017

최근 도심을 중심으로 연립 다세대의 거래가 활성화되고 직방, 다방등과 같은 플랫폼 서비스가 성장하고 있다. 연립 다세대는 수요 변화에 따른 시장 규모 확대와 함께 정보 비대칭으로 인해 사회적 문제가 발생 되는 등 부동산 정보의 사각지대이다. 또한, 서울특별시 또는 한국감정원에서 사용하는 5개 또는 25개의 권역 구분은 행정구역 내부를 중심으로 설정되었으며, 기존의 부동산 연구에서 사용되어 왔다. 이는 도시계획에 의한 권역구분이기 때문에 부동산 연구를 위한 권역 구분이 아니다. 이에 본 연구에서는 기존 연구를 토대로 향후 주택가 격추정에 있어 서울특별시의 공간구조를 재설정할 필요가 있다고 보았다. 이에 본 연구에서는 연립 다세대 실거래가 데이터를 기초로 하여 헤도닉 모형에 적용하였으며, 이를 K-Means Clustering 알고리즘을 사용해 서울특별시의 공간구조를 다시 군집하였다. 본 연구에서는 2014년 1월부터 2016년 12월까지 3년간 국토교통부의 서울시 연립 다세대 실거래가 데이터와 2016년 공시지가를 활용하였다. 실거래가 데이터에서 본 연구에서는 지하거래 제거, 면적당 가격 표준화 및 5이상 -5이하의 실거래 사례 제거와 같이 데이터 제거를 통한 데이터 전처리 작업을 수행하였다. 데이터전처리 후 고정된 초기값 설정으로 결정된 중심점이 매번 같은 결과로 나오게 K-means Clustering을 수행한 후 군집 별로 헤도닉 모형을 활용한 회귀분석을 하였으며, 코사인 유사도를 계산하여 유사성 분석을 진행하였다. 이에 본 연구의 결과는 모형 적합도가 평균 75% 이상으로, 헤도닉 모형에 사용된 변수는 유의미하였다. 즉, 기존 서울을 행정구역 25개 또는 5개의 권역으로 나뉘어 실거래가지수 등 부동산 가격 관련 통계지표를 작성하던 방식을 속성의 영향력이 유사한 영역을 묶어 16개의 구역으로 나누었다. 따라서 본 연구에서는 K-Means Clustering 알고리즘에 실거래가 데이터로 헤도닉 모형을 활용하여 연립 다세대 실거래가를 기반으로 한 군집분류방법을 도출하였다. 또한, 학문적 실무적 시사점을 제시하였고, 본 연구의 한계점과 향후 연구 방향에 대해 제시하였다.