• 한국전자통신학회논문지
• /
• 제9권1호
• /
• pp.61-66
• /
• 2014

RFID는 유헬스의 핵심 기술로서 환자 위치 추적 관리, 의료 자산관리 등 다양한 목적으로 의료기관에 적용될 수 있다. 하지만, 정작 의료기관에서는 높은 도입 비용으로 인하여 RFID 도입이 기대와 달리 적극적이지 못한 실정이다. 도입 검토 단계에서 정확한 비용과 도입 효과를 산정하는 것은 의료기간에서의 RFID 확산에 꼭 필요하다. 본 논문에서는 의료기관에서 RFID 도입시 예상되는 비용 및 효율을 평가하기 위한 시뮬레이션 기법을 제안한다. 의료기관을 대상으로 하여 태그를 부착한 환자의 이동을 가상으로 모델링하는 기법을 제시한다. 그리고 환자의 이동에 따른 RFID 태그 인식 시뮬레이션을 통해 태그 인식 이벤트를 생성하는 방법을 제시한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2019년도 추계학술발표대회
• /
• pp.1019-1022
• /
• 2019

최근의 영상 처리 분야는 딥러닝 기법들의 성능이 입증됨에 따라 다양한 분야에서 이와 같은 기법들을 활용해 영상에 대한 분류, 분석, 검출 등을 수행하려는 시도가 활발하다. 그중에서도 의료 진단 보조 역할을 할 수 있는 의료 영상 분석 소프트웨어에 대한 기대가 증가하고 있는데, 본 연구에서는 캡슐내시경 영상에 주목하였다. 캡슐내시경은 주로 소장 촬영을 목표로 하며 식도부터 대장까지 약 8~10시간 동안 촬영된다. 이로 인해 CT, MR, X-ray와 같은 다른 의료 영상과 다르게 하나의 데이터 셋이 10~15만 장의 이미지를 갖는다. 일반적으로 캡슐내시경 영상을 판독하는 순서는 위장관 교차점(Z-Line, 유문판, 회맹판)을 기준으로 위장관 랜드마크(식도, 위, 소장, 대장)를 구분한 뒤, 각 랜드마크 별로 병변 정보를 찾아내는 방식이다. 그러나 워낙 방대한 영상 데이터를 가지기 때문에 의사 혹은 의료 전문가가 영상을 판독하는데 많은 시간과 노력이 소모되고 있다. 본 논문의 목적은 캡슐내시경 영상의 판독에서 모든 환자에 대해 공통으로 수행되고, 판독하는 데 많은 시간을 차지하는 위장관 랜드마크를 찾는 것에 있다. 이를 위해, 위장관 랜드마크를 식별할 수 있는 CNN 학습 모델을 설계하였으며, 더욱 효과적인 학습을 위해 전처리 과정으로 학습에 방해가 되는 학습 노이즈 영상들을 제거하고 위장관 랜드마크 별 특징 분석을 진행하였다. 총 8명의 환자 데이터를 가지고 학습된 모델에 대해 평가 및 검증을 진행하였는데, 무작위로 환자 데이터를 샘플링하여 학습한 모델을 평가한 결과, 평균 정확도가 95% 가 확인되었으며 개별 환자별로 교차 검증 방식을 진행한 결과 평균 정확도 67% 가 확인되었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 추계학술발표대회
• /
• pp.933-934
• /
• 2021

세계보건기구(WHO)에 따르면 전 세계적으로 우울증 장애를 앓고 있는 사람이 3 억 2,200 만명에 달하며, 매년마다 빠르게 늘어나는 환자로 인해 전세계적으로 문제가 되고 있다. 이에 따라 우울증을 감지하기 위한 시스템에 대한 연구가 진행되어지고 있다. 본 논문에서는 우울증 감지에 있어 높은 정확도를 얻을 수 있는 최적의 음성 세그먼트 길이와 멜 밴드의 수를 확인하고자 한다. DAIC-WOZ(Distress Analysis Interview Corpus Wizard of Oz) 데이터셋을 기반으로 2D-CNN(2Dimension - Convolutional Neural Network)를 사용하여 음성 세그먼트 길이와 멜 밴드의 수에 변화를 주며 테스트를 진행하였다. 최종적으로 12 초 길이의 음성 세그먼트와 512 개의 멜 밴드에서 86.3%의 정확도로 최적의 결과를 확인하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 추계학술대회
• /
• pp.97-99
• /
• 2021

최근 고령화 사회가 지속됨에 따라, 치매(Dementia)에 대한 관심이 높아지고 있다. 그 중에서 알츠하이머병(Alzheimer's disease)는 전체 치매 환자의 50~60%로 가장 많은 비율을 차지하는 퇴행성 뇌질환으로, 현재 의료계에선 알츠하이머병에 대한 명확한 예방법 및 치료법에 대해 내놓지 못하고 있으며, 치매 발병 전 조기 치료 및 조기 예방법에 대한 중요성이 강조되고 있다. 본 논문에서는 정상인과 알츠하이머병에 걸린 환자의 MRI 데이터셋을 활용하여 컨볼루션 신경망을 중심으로 여러 가지 활성화 함수를 접목시켜, 가장 효율적인 활성화 함수를 찾고자 한다. 또한 알츠하이머 치매분류 모델링을 통해 향후 의료분야에 적합한 치매 구분 모델링으로 활용하고자 한다.

• 한국임상약학회지
• /
• 제21권2호
• /
• pp.156-160
• /
• 2011

서론: 본 연구는 불필요한 소화기관용 약제의 처방이 한국에서의 처방전 당 약물 개수를 증가시키는 것과의 연관성을 검토하고자 수행되었다. 연구방법: 연구를 위한 자료로 건강보험심사평가원의 처방전 데이터와 환자의 기타 모든 의료보험 청구데이터를 이용하였고, 두 데이터셋을 연결하여 처방전들을 소화기관용 약제의 필요성에 따라 소화기관질환 그룹, 관절염질환 그룹,소화기관용 약제 처방이 불필요할 것으로 그 외 질환 그룹으로 구분, 분리하였다. 결과: 처방전 당 약물의 평균 개수의 분포는 세 그룹에서 비슷한 양상을 보였는데, 관절염질환 그룹과 그 외 질환 그룹의 거의 절반 이상은 한 개의 소화기관용 약제를 포함하였다. 세 그룹 모두 처방전 당 약물 개수와 처방전 당소화기관용 약제의 개수가 1차 선형관계를 보였다. 그 외 질환 그룹에서는 처방전 당 전체 약물이 평균 6개를 넘는 경우, 적어도 한 개의 소화기관용 약제가 포함되었다. 본 연구는 불필요한 소화기관용 약제를 처방하는 것은 다제처방의 매우 유의한 예측인자임을 보였다. 결론: 향후, 약제 처방전의 질을 향상시키기 위해서는 각각의 약물을, 특히 소화기관용 약제를, 처방 시 약제의 불가피한 필요성에 대해 판단할 수 있어야 할 것이다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 추계학술발표대회
• /
• pp.928-930
• /
• 2020

본 논문은 인공지능 플랫폼 기반의 요로결석 진단을 위한 CT 영상 데이터 자동판독 시스템에 대해 기술하고자 한다. 제안한 시스템은 웹 기반의 플랫폼을 기반으로 하며, 인공지능 기반의 진단 알고리즘을 장착하여 빠르게 요로결석 환자의 스크리닝에 목적을 두고 있다. 병원정보시스템의 PACS와 EMR과 연계와 Deep learning 진단 알고리즘을 적용한 요로결석 자동판독 시스템을 개발하였다. 특히, 기 구축된 인공지능 플랫폼을 통해 추출한 데이터셋을 기반으로 진단 알고리즘 개발 방법과 수행 결과를 보인다. 제안한 시스템은 요로결석 진단과 수술여부에 의사결정지원 시스템으로 임상에서 활용될 것으로 기대하고 있다.

• 전기전자학회논문지
• /
• 제22권4호
• /
• pp.1175-1179
• /
• 2018

본 논문에서는 뇌파 신호를 이용하여 환자의 경련을 감지하는 순환 CNN (Convolutional Neural Networks)을 제안한다. 제안 된 방법은 뇌파 신호의 스펙트럼 특성과 전극의 위치를 보존하기 위해 영상으로 데이터를 매핑하여 처리하였다. 스펙트럼 전처리 과정을 거친 후 CNN에 입력하고 공간 및 시간 특성을 웨이블릿 변환(wavelet transform)없이 추출하여 발작을 검출하였다. 여기에 사용된 보스턴 매사추세츠 공과 대학 (Boston Massachusetts Institute of Technology, CHB-MIT) 아동 병원의 데이터셋 결과는 시간당 0.85의 민감도와 90 %의 위양성 비율 (FPR)을 보였다.

• 디지털융복합연구
• /
• 제16권12호
• /
• pp.533-540
• /
• 2018

이 연구는 건강보험 심사평가원 자료를 이용하여 동일 환자의 동일 질환에 대하여 서로 다른 의료기관이 부여하는 질병 코딩의 불일치성을 분석하여 국가 보건 통계 질 향상을 위한 기초 자료로 활용하고자 시행하였다. 건강보험심사평가원 2014년 전체 환자 데이터셋(HIRA-NPS)에서 9,976,826건의 진료비 명세서를 연구 대상으로 하였다. 연구결과 의료기관의 이동 경로에 따라서 질병 코딩 불일치의 차이가 존재 하였고 불일치율은 보건기관 이외의 타 의료기관에서 보건기관으로 이동하였을 때 높아지는 경향이 발견되었고, 상급종합병원 간 이동하였을 때는 불일치율이 현저하게 낮았다. 본 연구의 의료기관 간 질병 코딩 불일치 현황 분석은 국내 의료기관에서 일관성 있는 질병 코딩이 이루어지기 위한 제도적 보완의 필요성을 시사하고 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2019년도 춘계학술발표대회
• /
• pp.375-378
• /
• 2019

최근 딥러닝과 머신러닝 기법이 소프트웨어의 성능 향상에 도움이 되는 것이 입증됨에 따라, 의료 영상 진단 보조 소프트웨어를 개발하기 위한 시도가 활발해 지고 있다. 그 중 캡슐내시경은 소장 소화기관을 관찰할 수 있는 초소형 의료기기로, 기존의 내시경 검사와 다르게 이물감이 느껴지지 않고 의료보험 적용으로 최근 들어 널리 이용되고 있다. 일반적으로 캡슐 내시경은 8 시간 동안 소화기간을 촬영하며, 한 번의 검사 결과로 생성된 동영상 데이터 셋은 수 만장의 이미지를 포함하기 때문에, 방대한 양의 이미지들을 효율적으로 관리하기 위한 체계가 필요하다. 특히, 방대한 양의 캡슐내시경 이미지를 학습하는 경우, 수 만장의 이미지 속에서 유의미한 특징(촬영정보, 의사소견, 환자정보, 병변의 위치 및 크기 등)을 추출해내야 하므로 학습 데이터 레이블링을 위한 정보를 정확히 추출해야 하는 작업이 요구된다. 따라서 본 논문에서는 캡슐내시경 영상을 학습할 때, 학습 데이터 레이블 정보를 체계적으로 구축할 수 있게 하는 레이블 정보 추출 기법을 제안하고자 한다. 제안하는 기법은 병원에서 14년간 수집된 총 340명의 캡슐내시경 데이터(약 1,700 만장의 이미지)를 토대로 영상데이터를 구조적으로 분석하여 유의미한 정보를 추출하고 노이즈 데이터를 제거한 뒤, 빅데이터 저장소에 적재할 수 있음을 보였다.

• 한국컴퓨터정보학회논문지
• /
• 제27권12호
• /
• pp.69-76
• /
• 2022

본 논문에서는 MIMIC-IV(Medical Information Mart for Intensive Care) v2.0 데이터를 이용한 시계열 데이터의 정제 및 가공 방법을 제안한다. 더불어 해당 가공법을 기반으로 정제한 데이터셋을 활용하여 구축한 기계학습 기반의 욕창 조기 경보 시스템을 통해 해당 가공 방법의 유의성을 검증하였다. 구현된 욕창 조기 경보 시스템은 병변이 발생하기 전 12, 24시간에 미리 의료진에게 경보를 주는 시스템이다. 전자의무기록(Electronic Medical Record; EMR) 시스템과 연동하여 실시간으로 환자의 욕창 발생 위험도를 의료진에게 알려 중환자 의사결정을 지원하고, 나아가 효율적인 의료 자원 배분을 가능하게 한다. 여러 기계학습 모델 중 GRU 모델을 사용하였을 때, AUROC 평가지표를 기준으로 발생 전 12시간이 0.831, 24시간이 0.822로 가장 좋은 성능을 보였다.