• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.05a
• /
• pp.452-455
• /
• 2022

4차 산업혁명의 확산으로 의학계에서도 딥러닝 기술을 이용한 질병의 치료결과 예측 연구가 활발하다. 이와 관련, 일부 연구에서 국소적인 환자 데이터의 활용으로 인해 도출된 연구 결과의 일반화가 어려웠으며 예측률 제고를 위해 특정 딥러닝 알고리즘을 중심으로 한 실험이 추진되어 다양한 알고리즘별 예측률의 비교·분석 결과를 제시하는 연구도 미흡하였다. 이에, 건강보험심사평가원의 대규모 진료 정보와 다종의 알고리즘을 제공하는 AutoML을 이용, 사망률이 높은 80대·90대 노령자 대상 폐암 진단 후 84개월간의 사망률을 예측하는 Decision Tree 등 5개 알고리즘별 모델을 생성하고 이를 활용, 사망률의 예측 성능을 비교하고 사망률에 영향을 미치는 요인에 대한 분석 결과를 도출하였다.

• The Journal of the Korea Contents Association
• /
• v.22 no.3
• /
• pp.71-80
• /
• 2022

In the past, fish diseases were bacterial in aqua farms, but in recent years, the frequency of fish diseases has increased as they have become viral and mixed. Viral diseases in an enclosed space called a aqua farm have a high spread rate, so it is very likely to lead to mass death. Fast identification of fish diseases is important to prevent group death. However, diagnosis of fish diseases requires a high level of expertise and it is difficult to visually check the condition of fish every time. In order to prevent the spread of the disease, an automatic identification system of diseases or fish is needed. In this paper, in order to improve the performance of the disease identification system of Paralichthys olivaceus based on deep learning, the existing pre-processing method is compared and tested. Target diseases were selected from three most frequent diseases such as Scutica, Vibrio, and Lymphocystis in Paralichthys olivaceus. The RGB, HLS, HSV, LAB, LUV, XYZ, and YCRCV were used as image pre-processing methods. As a result of the experiment, HLS was able to get the best results than using general RGB. It is expected that the fish disease identification system can be advanced by improving the recognition rate of diseases in a simple way.

• The KIPS Transactions:PartB
• /
• v.9B no.4
• /
• pp.407-414
• /
• 2002

Being recently increased interests of our healthcare, a host of symptoms-diagnostic sites has been introduced on the World Wide Web. But conventional healthcare sites provide users with only a very restricted functions. In this paper, we propose the use of Artificial Neural Networks (ANNs) as a flexible symptoms-diagnostic tool that enables learning effects of ANNs (not expert's knowledge) to be incorporated into the diagnostic process. We develop a novel algorithm for predicting patient\`s disease that satisfy user (or expert)-specified symptoms on WWW. Our algorithm provides two important benefits : 1) enables users (patients) to be taken early diagnostic, and 2) enables experts to perform confidently diagnostic by referencing the predicted diseases-list with its respective possibility.

• Korean Chemical Engineering Research
• /
• v.58 no.2
• /
• pp.197-208
• /
• 2020

This study was carried out to analyze spatial and temporal incidence characteristics of scrub typhus and predict the future incidence of scrub typhus since the incidences of scrub typhus have been rapidly increased among vector-borne diseases. A maximum entropy (MaxEnt) ecological model was implemented to predict spatial distribution and incidence rate of scrub typhus using spatial data sets on environmental and social variables. Additionally, relationships between the incidence of scrub typhus and critical spatial data were analyzed. Elevation and temperature were analyzed as dominant spatial factors which influenced the growth environment of Leptotrombidium scutellare (L. scutellare) which is the primary vector of scrub typhus. A temporal number of diseases by scrub typhus was predicted by a deep neural network (DNN). The model considered the time-lagged effect of scrub typhus. The DNN-based prediction model showed that temperature, precipitation, and humidity in summer had significant influence factors on the activity of L. scutellare and the number of diseases at fall. Moreover, the DNN-based prediction model had superior performance compared to a conventional statistical prediction model. Finally, the spatial and temporal models were used under climate change scenario. The future characteristics of scrub typhus showed that the maximum incidence rate would increase by 8%, areas of the high potential of incidence rate would increase by 9%, and disease occurrence duration would expand by 2 months. The results would contribute to the disease management and prediction for the health of residents in terms of public health.

• Proceedings of the KGS Conference
• /
• 2003.11a
• /
• pp.267-272
• /
• 2003

일반적으로 도시화(urbanization)란 도시지역으로 인구가 집중되어 결과적으로 국가 전체인구 중 도시지역에 거주하는 인구의 비율이 증가되는 과정이라고 정의될 수 있다. 이러한 도시화는 환경문제를 비롯하여 실업, 질병 둥의 여러 문제를 야기 시키고 있다. 따라서, 도시화가 미치는 영향을 고려해 볼 때, 지속 가능한 도시성장을 위해 도시가 어떻게 성장해 왔는가를 분석하고, 도시성장을 예측하며, 이에 대한 적절한 대안을 모색하는 것은 도시관리를 위해 매우 중요한 문제이다(강영옥ㆍ박수홍, 2000). (중략)

• Proceedings of the Korea Information Processing Society Conference
• /
• 2020.11a
• /
• pp.1031-1033
• /
• 2020

최근 지구온난화에 따른 기온 및 강수량 증가 등으로 인해 모기 개체 수가 증가함에 따라 말라리아, 일본뇌염, 뎅기열 등 모기를 통해 전파되는 질병에 감염병의 위험률도 높아지고 있어 머신러닝기반 기후 데이터를 활용하여 모기 개체 수를 예측할 수 있는 모델을 제안하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07b
• /
• pp.292-294
• /
• 2005

대사증후군은 당뇨병, 고혈압, 복부 비만, 고지혈증 등의 질병이 한 개인에게 동시에 발현하는 것을 말한다. 미국에서는 $25\%$ 이상의 성인이 대사성 증후군인 것으로 알려져 있으며, 경제 여건의 향상 및 식생활 습관의 변화와 함께 최근 우리나라에서도 심각한 문제가 되고 있다. 한편 불확실성의 처리를 위해 많이 사용되고 있는 베이지안 네트워크는 사람이 분석 가능한 확률 기반의 모델로 최근 의학 분야에서 지식 발견, 데이터 마이닝을 위한 도구로 유용하게 사용되고 있다. 본 논문에 서 는 대사증후군을 예측하는 문제를 다루며, 베이지안 네트워크와 의학 지식을 이용한 대사증후군의 예측 모델을 제안한다. 제안하는 모델을 통해 1993년의 데이터를 가지고 1995년의 상태를 예측하는 분류 실험을 수행하였으며, 실험 결과 다층 신경망, k-최근접 이웃 등의 분류기 보다 높은 $81.5\%$의 예측율을 보였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2010.07a
• /
• pp.425-428
• /
• 2010

웹을 통해서 수천 또는 심지어는 수백만 명의 정보 수집이 가능해짐에 따라 이러한 사용자들로부터 생성된 데이터를 결합하는 알고리즘을 사용하여 새로운 비즈니스를 창출하는 집단지성이 크게 대두되고 있다. 최근 건강정보에 있어서도 웹을 통하여 사용자들이 정보의 획득이 일반화되면서 웹을 이용하는 사용자의 패턴을 이용하여 식중독이나 독감 같은 공공보건 관련 예후를 예측하는데 사용될 수 있다. 본 논문에서는 인터넷 사용자들의 검색 동향을 통해 독감의 유행을 예측하기 위해 국내외의 인플루엔자 표본감시 데이터 및 검색 동향을 비교하였다. 이러한 사용자들이 독감 관련 검색어의 증가는 실제 독감의 유행과 높은 상관관계(p=0.5, p=0.76)를 보였으며, 이는 인터넷 검색 동향만으로도 초기 단계에서 감시하고자 하는 질병의 발생 양상과 유행 양상의 전개를 예측하는데 중요한 역할을 수행할 수 있음을 의미하는 것으로 인터넷 검색 동향을 통해 공공보건을 예측하는 시스템을 제시한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.20-20
• /
• 2015

최근 기후변화의 영향으로 전 세계적으로 홍수와 가뭄의 발생빈도가 증가하고 있다. 특히, 가뭄은 우리나라에서 겨울과 봄철을 중심으로 매년 발생되고 있다. 가뭄의 정확한 발생을 판단하기는 어려우나, 가뭄이 발생되면 그 진행속도는 홍수보다 느리기 때문에 초기에 가뭄의 발생가능성을 예측한다면 가뭄에 대한 피해를 줄일 수 있다. 따라서 최근 가뭄 예측에 대한 다양한 연구가 이루어지고 있다. 본 연구에서는 가뭄발생의 불확실성을 내포하기 위하여 Bayesian Network (BN) 모형과 SPI의 자기상관성을 바탕으로 가까운 미래의 가뭄 발생확률을 예측하는 방법을 제안하였다. BN은 변수들 간의 인과관계를 확률적으로 나타낼 수 있는 네트워크 모형으로, 자연현상에 대한 위험도 분석 및 의학 분야에서 질병추정을 위한 모형으로 활용되고 있다. 본 연구에서는 가까운 미래의 가뭄 예측을 위하여 APEC 기후센터(APEC Climate Center, APCC)에서 제공하는 다중모형앙상블(Multi-model Ensemble, MME) 강우예측 결과로 도출한 미래 SPI 및 과거 강우량 자료로 구축한 SPI를 부모노드로, 예측 SPI를 자식노드로 BN을 구축하였다. BN의 각각의 노드를 Gaussian 확률분포모형으로 가정한 뒤, Likelihood weighting 방법으로 주변사후분포확률(Marginal posterior distribution)을 추정하여 미래의 SPI의 발생확률을 계산하였다. 2008년부터 2013년의 BN 가뭄 예측값과 MME 강우예측 결과로 도출한 SPI를 실제 관측 강우량으로 산정한 SPI와 비교하였으며, BN이 실제 관측결과에 가까운 결과가 도출되었다. 본 연구에서는 BN을 활용하여 가까운 미래의 가뭄 발생가능성을 확률적으로 나타낼 수 있는 방법을 제시하였으며, 그 결과 가뭄상태별 가뭄 발생확률이 산정되었다.

• The KIPS Transactions:PartB
• /
• v.15B no.4
• /
• pp.323-330
• /
• 2008

Since complex diseases are caused by interactions of multiple genes, traditional statistical methods are limited in its power to predict the onset of a complex disease. Recently new approaches using machine learning techniques are introduced. Neural nets are a suitable model to find patterns in complex data. When large amount of data are fed into a neural net, however, it takes a long time for learning and finding patterns. In this study we suggest a new model that combines the set association, which is a statistical technique to find important SNPs associated with complex diseases, and neural network. We experiment with SNP data related to asthma to test the effectiveness of our model. Our model shows higher prediction accuracy and shorter execution time than neural net only. We expect our model can be used effectively to predict the onset of other complex diseases.