• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2006년도 한국컴퓨터종합학술대회 논문집 Vol.33 No.1 (A)
• /
• pp.85-87
• /
• 2006

압타머칩은 (주)제노프라에서 개발한 새로운 개념의 바이오칩으로서, 압타머(aptamer)를 이용하여 혈액중의 특정 단백질군의 상대적인 양의 변화를 측정할 수 있으며, 질병 진단에 바로 응용할 수 있는 도구이다. 본 논문에서는 압타머칩 데이터 분석을 통해 심혈관 질환 환자의 질병 진행 단계를 예측할 수 있음을 보인다. 정상, 안정/불안정성 협심증, 심근경색의 네 단계로 표지된 환자의 혈액 샘플로부터 제작한 (주)제노프라의 3K 압타머칩 데이터를, 일반 DNA 마이크로어레이 분석과 동일한 과정을 거쳐 분류한 결과, 각 단계별 환자샘플이 확연히 구분되는 것을 확인하였다. 분산분석 결과 P-Value를 이용하여 자질 선택을 수행하고, 분류 알고리즘으로는 신경망, 결정트리, SVM, 베이지안망을 적용한 결과. 각 알고리즘별로 50대 남성환자 31개의 샘플에 대하여 $77{\sim}100%$의 정확도로 심혈관 질환의 단계를 구분해내었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2013년도 추계학술발표대회
• /
• pp.1113-1116
• /
• 2013

유전체에 대한 관심이 크게 증가하면서, 이에 따른 다양한 연구가 이루어졌다. 그 결과 유전체와 관련된 다양한 종류의 데이터가 얻어졌으며, 그것을 해석하고 다른 데이터와 통합하는 것이 중요한 연구과제 중 하나가 되었다. 본 논문은 유전자 상호작용(genetic interaction) 데이터, 유전자 발현 데이터, 문헌으로부터 텍스트마이닝 기술을 통해 얻은 이종(heterogeneous) 데이터를 통합하여 암과 관련이 있는 유전자를 찾는 실험을 수행하였다. 또한, 단순히 질병(disease)-정상(normal)의 대조가 아니라 암의 단계(stage)를 고려한 실험을 수행하였다. 데이터를 통합하지 않거나 암의 단계를 고려하지 않았을 경우에 비하여 제안하는 방법이 더 높은 유전자 예측 성능을 나타냈다.

• 문화기술의 융합
• /
• 제5권4호
• /
• pp.413-420
• /
• 2019

본 연구의 목적은 기존의 body fat mass 변수와 고콜레스테롤혈증의 연관성연구를 벗어나, 머신러닝기법을 기반으로 body fat mass 변수들의 조합을 이용하여 고콜레스테롤혈증 예측 모델을 개발하는 것이다. 이러한 연구를 위하여 국민건강영양조사 데이터를 기반으로 두 가지 variable selection 메소드와 머신러닝 알고리즘을 이용하여 총 6개의 모델을 생성하였고 질병 예측력을 비교분석하였다. 여러 body fat mass 관련 변수들 중에서 몸통지방량 변수가 고콜레스테롤혈증 예측력이 가장 우수한 변수인 것을 밝혀내었고, 머신러닝 기반 예측모델들 중에서 correlation-based feature subset selection 기반 naive Bayes 알고리즘을 이용한 모델이 0.739의 the area under the receiver operating characteristic curve 값과 0.36의 Matthews correlation coefficient 값을 얻었다. 이러한 연구의 결과는 향후 국내외 대규모 스크리닝 및 대중보건 연구에서 질병예측분야의 중요정보로 활용될 것으로 예상한다.

• 건강소식
• /
• 제11권8호통권105호
• /
• pp.33-33
• /
• 1987

뇨검사는 검체의 채취가 쉽고 비교적 간단한 검사 방법으로, 많은 정보를 얻을 수 있으며, 국소적ㆍ전신적 질환의 조기발견 및 예측으로 만성화된 질병으로의 이환을 막을 수 있는 방법이다.

• 한국기술혁신학회:학술대회논문집
• /
• 한국기술혁신학회 2014년도 추계 학술대회 논문집
• /
• pp.808-810
• /
• 2014

• 월간 양돈
• /
• 제21권7호통권239호
• /
• pp.151-155
• /
• 1999

올 여름은 어느 때보다 무더울 것이라 예측하고 있다. 해마다 여름을 어떻게 극복했는가가 그 농장의 1년간의 성적이 보장된다. 그 만큼 여름을 대비한 사양관리가 중요하므로 시설 및 물의 점검을 철저히 해야 한다. 여름철의 계절적 요인으로 인하여 발생하기 쉬운 문제들에 대하여 알아보고자 한다.

• 한국컴퓨터정보학회논문지
• /
• 제27권5호
• /
• pp.21-28
• /
• 2022

심혈관질환은 심장질환과 혈관질환 등 순환기계통에 생기는 모든 질병을 통칭한다. 심혈관질환은 2019년 사망의 1/3을 차지하는 전 세계 사망의 주요 원인이며, 사망자는 계속 증가하고 있다. 이와 같은 질병을 인공지능을 활용해 환자의 데이터로 미리 예측이 가능하다면 질병을 조기에 발견해 치료할 수 있을 것이다. 본 연구에서는 심혈관질환 중 하나인 심장질환을 예측하는 모델들을 생성하였으며 Accuracy, Precision, Recall의 측정값을 지표로 하여 모델들의 성능을 비교한다. 또한 Decision Tree의 성능을 향상시키는 방법에 대해 기술한다. 본 연구에서는 macOS Big Sur환경에서 Jupyter Notebook으로 Python을 사용해 scikit-learn, Keras, TensorFlow 라이브러리를 이용하여 실험을 진행하였다. 연구에 사용된 모델은 Decision Tree, KNN(K-Nearest Neighbor), SVM(Support Vector Machine), DNN(Deep Neural Network)으로 총 4가지 모델을 생성하였다. 모델들의 성능 비교 결과 Decision Tree 성능이 가장 높은 것으로 나타났다. 본 연구에서는 노드의 특성배치를 변경하고 트리의 최대 깊이를 3으로 지정한 Decision Tree를 사용하였을 때 가장 성능이 높은 것으로 나타났으므로 노드의 특성 배치 변경과 트리의 최대 깊이를 설정한 Decision Tree를 사용하는 것을 권장한다.

• 산업진흥연구
• /
• 제7권3호
• /
• pp.103-113
• /
• 2022

본 연구에서는 고전점성학(Classic Astrology)의 네이티비티(Nativity) 출생차트에서 '네이티브의 질병을 다스리는 구조를 다르게 타고났다면 네이티브의 삶에서 질병도 서로 다르게 나타날 수 있을 것이다.'는 전제하에 연구를 했다. 출생차트에서 개인이 타고난 건강을 사인(Sign, 별자리)과 플래닛(Planets, 행성)의 강약, 애스펙트(행성과의 관계)를 통하여 분석 했다. 선천적 질병을 다스리는 경우, 네이티비티 출생차트에서 네이티브가 타고난 ASC 별자리와 픽스트 스타 그리고 플래닛과의 애스펙트 관계를 살펴 연구했다. 후천적 질병을 다스리는 경우, 네이티비티 출생차트에서 질병을 다스리는 6^th하우스의 별자리과 룰러, 플래닛의 강약을 살펴 판단했다. 운의 흐름을 통해서 들어 오는 질병의 경우, 네이티브는 인생을 살면서 다양한 사고와 질병에 노출될 수 있다. 그래서 피르다리아(Firdaria)를 통해서 들어오는 플래닛의 기운과 강약, 플래닛과의 애스펙트 관계, 픽스트 스타 등을 통하여 질병의 관계를 살펴보았다. 연구 결과 네이티비티 출생차트에서 선천적으로 타고난 건강은 네이티브의 ASC 사인(별자리)과 플래닛(행성)의 강약에 따라 네이티브(Native)의 건강상태가 다르게 주어진다. 그리고 후천적 질병은 건강을 다스리는 6^th의 상태에 따라 네이티브의 건강이 결정되며 운에서 들어오는 질병은 피르다리아에서 들어오는 플래닛과 애스펙트의 관계에 따라 질병과 사고가 발생한다는 사실이 증명되었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2008년도 춘계종합학술대회 A
• /
• pp.401-404
• /
• 2008

인간과 마찬가지로 가축도 체온의 변화로부터 질병의 유무를 판별할 수 있는 정보를 제공한다. 그 중 소의 경우, 유열, 중독, 설사, 식체, 만성장염, 감기, 폐렴, 탄저병 등의 질병을 예측 할 수 있다. 따라서 주기적으로 체온을 측정하고 분석함으로써 질병을 조기 발견하고 빠르게 대처하여 손실을 최소화 할 수 있는 가축용 체온 측정 시스템을 제안한다. 또한 이 시스템은 주기적인 자동 측정과 위험 상태 알림 기능을 갖추고 있으므로 줄어드는 인력에 대한 대안과 가축의 품질 관리에 유용하게 사용될 수 있을 것이다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2024년도 춘계학술발표대회
• /
• pp.707-708
• /
• 2024

최근 디지털 헬스케어 기술과 서비스가 널리 활용되면서 의료 인공지능 성능 향상에 대한 관심이 높아지고 있다. 그러나 양성 데이터 대비 질병 데이터가 희소하여 학습 과정에서 과적합이 발생하거나 질병 예측 모델의 성능이 떨어진다는 한계가 있다. 본 논문에서는 데이터가 균질하지 않은 상황에서 생성형 인공지능 모델을 사용하여 합성 데이터를 생성하는 방안을 제안한다. 실험 결과에 따르면, 종래 방법 대비 제안한 방법의 정확도가 약 5.8% 향상되었고, 재현율이 약 21% 개선되었다.