• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.426-427
• /
• 2023

최근 현대인의 식습관 및 고령화로 인해 당뇨병 환자의 수가 연간 증가하고 있다. 따라서 현재는 아직 당뇨병이 발생하지 않았더라도 미래에 발생할 가능성 예측의 중요성이 커지고 있다. 기존의 당뇨병 발생 여부 진단 연구는 회귀 분석과 같은 단일 모델을 사용하여 수행된다. 그러나 당뇨병에 영향을 미치는 변수들은 복잡하게 얽혀있어 단일 모델만으로는 패턴을 충분히 학습하기 어렵다. 본 논문에서는 데이터에 적합하게 자동으로 다층 스태킹 앙상블 모델을 구성하는 알고리즘을 이용한 다층 스태킹 앙상블 모델을 제안한다. 제안하는 방법은 성능이 높은 모델들을 기준으로 층을 쌓으며 모델을 구성하며 실험 결과 다른 자동 기계학습 라이브러리와 비교해 F1 score 기준으로 최대 12.89%p의 성능 향상을 보였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제68차 하계학술대회논문집 31권2호
• /
• pp.63-65
• /
• 2023

본 논문에서는 FDG-PET 영상을 사용하는 딥러닝 네트워크를 이용하여 직장암 환자의 치료 후 완치를 예측하는 연구를 수행하였다. 직장암은 흔한 악성 종양 중 하나이지만 병리학적으로 완전하게 치료되는 가능성이 매우 낮아, 치료 후의 반응을 예측하고 적절한 치료 방법을 선택하는 것이 중요하다. 따라서 본 연구에서는 FDG-PET 영상에 합성곱 신경망(CNN)모델을 활용하여 딥러닝 네트워크를 구축하고 직장암 환자의 치료반응을 예측하는 연구를 진행하였다. 116명의 직장암 환자의 FDG-PET 영상을 획득하였다. 대상군은 2cm 이상의 종양 크기를 가지는 환자를 대상으로 하였으며 치료 후 완치된 환자는 21명이었다. FDG-PET 영상은 전신 영역과 종양 영역으로 나누어 평가하였다. 딥러닝 네트워크는 2차원 및 3차원 영상입력에 대한 CNN 모델로 구성되었다. 학습된 CNN 모델을 사용하여 직장암의 치료 후 완치를 예측하는 성능을 평가하였다. 학습 결과에서 평균 정확도와 정밀도는 각각 0.854와 0.905로 나타났으며, 모든 CNN 모델과 영상 영역에 따른 성능을 보였다. 테스트 결과에서는 3차원 CNN 모델과 종양 영역만을 이용한 네트워크에서 정확도가 높게 평가됨을 확인하였다. 본 연구에서는 CNN 모델의 입력 영상에 따른 차이와 영상 영역에 따른 딥러닝 네트워크의 성능을 평가하였으며 딥러닝 네트워크 모델을 통해 직장암 치료반응을 예측하고 적절한 치료 방향 결정에 도움이 될 것으로 기대한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제67차 동계학술대회논문집 31권1호
• /
• pp.89-90
• /
• 2023

본 논문은 모발 정밀검사(Phototrichogram)를 통해 일정 간격을 두고 촬영된 환자의 모발 두피 사진을 이용하여 머리카락 검출 및 개수 변화 추이에 따른 환자의 탈모 진단에 도움을 줄 방법을 제안한다. 기존의 탈모 진단을 위해 제안하였던 머리카락 검출 방법에서 사용한 환자의 모발 두피 사진에 Color Slicing을 적용하여 환자의 두피 모발 사진의 픽셀값을 통일성 있게 구성하였다. 또한, 머리카락 검출하기 위한 방법으로 Swin Transformer를 사용하고, 딥러닝 기반의 영상 분할 기법(Image Segmentation)의 하나인 HTC(Hybrid Task Cascade) 모델을 활용하여 좀 더 효과적으로 머리카락을 검출할 수 있는 모델을 제안한다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제11권2호
• /
• pp.1-8
• /
• 2005

하나의 치아가 일부 파손되어 수복되어야 할 보철물을 인레이/온레이(Inlay/Onlay)라 한다. 본 논문에서는 3차원 메쉬 기반 모델에서 보다 정확한 인레이/온레이를 효과적으로 모델링하기 위한 기법을 제안한다. 인레이/온레이는 지대치와 접하는 내면과 밖으로 들어나는 외면으로 구성된다. 인레이/온레이의 내면 모델링은 2차원 다각선상의 Minkowski Sum 알고리즘을 이용하여 지대치와의 접합력을 확보한다. 그리고 미리 데이터베이스에 저장된 표준 치아 모델, 치과의사에 의해 만들어진 FGP(functionally guided plane) 및 메쉬의 변형 기법인 DMFFD(direct manipulation free-form deformation) 기법[16]과 MWD(multiple wires deformation) 기법[24]을 이용하여 외면을 모델링한다. 데이터베이스에 저장된 표준 치아는 인레이/온레이 외면의 형태를 결정하기 위해 사용되며, FGP는 환자의 인접면과 교합면의 특성을 반영하기 위해 사용되었다. 마지막으로 3차원 메쉬의 두 변형 기법인 DMFFD와 MWD 기법은 환자의 인접면과 교합면을 반영한 치아의 형태를 만들어 내기 위해 사용된다. 본 논문에서 제안한 방법은 인레이/온레이의 내면과 외면을 설계할 때 필요한 정보를 미리 설정하여 처리하므로 기존의 방법에 비해 짧은 시간에 보다 정확한 인레이/온레이를 설계할 수 있었다.

• 한국항행학회논문지
• /
• 제25권1호
• /
• pp.96-101
• /
• 2021

본 논문은 빅데이터를 이용하여 심방세동 환자의 뇌졸중 발병을 예측하는 기계 학습 모델을 제시한다. 학습 데이터로는 국민 건강 보험공단에서 제공하는 대한민국 전수에 해당하는 심방세동 환자의 정보를 수집하였다. 수집된 정보는 인구사회학, 과거 병력, 건강검진을 포함한 68개 독립변수로 구성된다. 본 연구의 목표는 기존 심방세동 환자의 뇌졸중 위험도 예측에 사용되던 통계적 모델 (CHADS2, CHA2DS2-VASc)의 성능을 검증하고 기계 학습 모델을 적용하여 기존 모델보다 높은 정확도를 가지는 모델을 제시하는 것이다. 제안하는 모델의 정확도, AUROC (area under the receiver operating characteristic)를 검증한 결과 제안하는 기계 학습 기반의 모형이 심방세동 환자의 뇌졸중 위험도를 사용한 모델이 기존의 통계적 모델보다 높은 정확도, 민감도, 특이도를 가지는 것을 확인할 수 있었다.

• 한국콘텐츠학회논문지
• /
• 제13권2호
• /
• pp.331-340
• /
• 2013

최근 의과대학과 의료서비스 산업에서 환자-의사 커뮤니케이션에 관한 논의가 활발히 이루어지고 있다. 환자-의사 커뮤니케이션이란 '진료면담'에서 환자와 의사간의 쌍방향 의사소통으로써, 환자와 의사 양자에게 모두 긍정적인 효과를 가져다주는 것으로 알려져 있다. 이 연구에서는 의사의 커뮤니케이션 스킬을 향상시켜 환자와 의사간의 의사소통을 원활히 할 수 있는 방안으로 코칭기법을 접목한 의사코칭 모델을 개발하였다. 모델 개발 방법은 문헌검토를 통해 초안을 개발하였고, 전문가 자문과 의사평가를 통해 수정 보완하였다. 연구 결과, 의사코칭 모델을 총 5단계로 구성하였다. 첫째, '관계 형성'으로 의사가 코칭에 대한 기대나 관심을 가지도록 한다. 둘째, '변화 주제 인식'으로 환자와의 커뮤니케이션에서 의사의 문제점과 장점을 파악하여 코칭의 방향을 설정한다. 셋째, '관점의 획득'으로 의사가 환자의 관점에서 생각할 수 있도록 유도한다. 넷째, '문제 해결 및 의사소통 역량 강화'로서 의사의 커뮤니케이션 스킬 개선사항을 세부항목으로 제시한다. 다섯째, '목표 설정 및 지원'으로 개선 사항 목표를 설정하고 장점을 유지 강화할 수 있는 실천 방안을 합의한다. 개발된 의사코칭 모델은 환자-의사 커뮤니케이션 개선을 위해 의사들을 대상으로 코칭기법을 처음으로 적용했다는데 가장 큰 의의가 있다. 향후 의료서비스 현장에서 활용될 경우, 의사들의 커뮤니케이션 스킬 향상과 환자 공감적 능력 향상에 효과가 있을 것으로 판단된다. 이를 통해 환자들의 진료만족도를 높이는데 기여할 것이다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2019년도 제59차 동계학술대회논문집 27권1호
• /
• pp.465-467
• /
• 2019

본 논문에서는 영상생성이 가능한 딥러닝 네트워크를 이용하여 조영증강 CT 영상을 획득하는 연구를 수행하였다. CT는 고해상도 영상을 바탕으로 환자의 질병 및 암 세포 진단에 사용되는 의료영상 기법 중 하나이다. 특히, 조영제를 투여한 다음 CT 영상을 획득되는 영상을 조영증강 CT 영상이라 한다. 조영증강된 CT 영상은 물질의 구성 성분의 영상대비를 강조하여 임상의로 하여금 진단 및 치료반응 평가의 정확성을 향상시켜준다. 하지많은 수의 환자들이 조영제 부작용을 갖기 때문에 이에 해당되는 환자의 경우 조영증강 CT 영상 획득이 불가능해진다. 따라서 본 연구에서는 조영증강 영상을 얻지 못하는 환자 및 일반 환자의 불필요한 방사선의 노출을 최소화 하기 위하여 영상생성 딥러닝 기법을 이용하여 CT 영상에서 조영증강 CT 영상을 생성하는 연구를 진행하였다. 영상생성 딥러닝 네트워크는 generative adversarial network (GAN) 모델을 사용하였다. 연구결과 아무런 전처리도 거치지 않은 CT 영상을 이용하여 영상을 생성하는 것 보다 히스토그램 균일화 과정을 거친 영상이 더 좋은 결과를 나타냈으며 생성영상이 기존의 실제 영상과 영상의 구조적 유사도가 높음을 확인할 수 있다. 본 연구결과 딥러닝 영상생성 모델을 이용하여 조영증강 CT 영상을 생성할 수 있었으며, 이를 통하여 환자의 불필요한 방사선 피폭을 최소하며, 생성된 조영증강 CT 영상을 바탕으로 정확한 진단 및 치료반응 평가에 기여할 수 있을거라 기대된다.

• 대한의용생체공학회:학술대회논문집
• /
• 대한의용생체공학회 1993년도 추계학술대회
• /
• pp.190-193
• /
• 1993

본 연구에서는 개인용 컴퓨터(PC), 모델(MODEM), 그리고 공중회선망(PSTN)을 이용하여 다수의 환자와 병원사이에 환자 정보 및 처방정보를 주고 받을 수 있는 시스템을 구성하였다. 시스템의 구성은 환자에게서 측정된 아나로그 신호를 Analog to Digital Converter에 의해 디지탈 신호로 변환 시킨후 공증회선망을 이용하여 의사 컴퓨터에 측정된 정보를 전해주고 의사의 처방등을 다시 공중회선망을 통해 서어비스받는 형식을 취했다. 본 논문에서는 크게 두가지 점에 초점을 두었다. 첫째로 아나로그신호인 심전도 (ECG:Electrocardiogram)를 컴퓨터에서 사용가능한 화일로 생성하고, 전송해서 치사의 모니터에 본래의 파형과 비교해 왜곡이 적은, 신호로 출력해 주는데 있고, 둘째는 거의 모든 메세지를 한글화 하였고, pull down menu 구동 방식을 채택하여 컴퓨터사용에 초보적인 사람들도 쉽게 사용할 수 있게 하였다.

• 디지털융복합연구
• /
• 제11권3호
• /
• pp.305-310
• /
• 2013

최근 병원에서는 불치병을 갖고 있는 환자에게 의료서비스를 제공하기 위해서 체내에 장치를 부착하여 환자상태를 모니터링하는 체내삽입장치를 사용하고 있다. 그러나, 유헬스케어 환경을 구성하고 있는 병원관계자가 무분별하게 환자의 생체정보를 악용하여 환자의 생명에 위협을 줄 수 있는 문제점들이 나타나고 있다. 본 논문에서는 병원 관계자의 권한레벨에 따라 환자의 생체정보를 사용하기 위한 연합 ID 기반의 인증 모델을 제안한다. 제안 모델은 서로 다른 인증 식별 체계가 사용되고 있는 병원에서 다양한 형태로 존재하는 다수의 ID 정보를 연합하여 병원 간 건강/의료 정보 공유시 불필요한 개인 정보 노출 없이 익명성을 보장받을 수 있다. 특히, 환자 정보에 쉽게 접근할 수 있는 병원관계자의 악의적 행위에 대해서 환자 정보를 안전하게 보호하기 위해서 접근권한에 대한 레벨을 부여함으로써 제 3자가 쉽게 접근하지 못하도록 한다.

• 대한간호학회지
• /
• 제35권5호
• /
• pp.774-786
• /
• 2005

Purpose: The purpose of this study was to measure home health resource utilization using a Case-Mix Adjustor Model developed in the U.S. Method: The subjects of this study were 484 patients who had received home health care more than 4 visits during a 60-day episode at 31 home health care institutions. Data on the 484 patients had to be merged onto a. 60-day payment segment. Based on the results, the researcher classified home health resource groups (HHRG). Result: The subjects were classified into 34 HHRGs in Korea. Home health resource utilization according to clinical severity was in order of Minimum (C0) < 'Low (Cl) < 'Moderate (C2) < 'High (C3), according to dependency in daily activities was in order of Minimum (F0) < 'High (F3) < 'Medium (F2) < 'Low (Fl) < 'Maximum (F4). Resource utilization by HHRGs was the highest 564,735 won in group C0F0S2 (clinical severity minimum, dependency in daily activity minimum, service utilization moderate), and the lowest 97,000 won in group C2F3S1, so the former was 5.82 times higher than the latter. Conclusion: Resource utilization in home health care has become an issue of concern due to rising costs for home health care. The results suggest the need for more analytical attention on the utilization and expenditures for home care using a Case-Mix Adjustor Model.