• Radiation Oncology Journal
• /
• 제27권3호
• /
• pp.140-144
• /
• 2009

목 적: 전이성 뇌종양 환자에서 전뇌조사를 시행받은 160명의 환자를 대상으로 원발 종양 가중치에 따른 생존율을 후향적으로 분석해보고자 하였다. 대상 및 방법: 2002년부터 2008년 사이에 인하대병원에서 전이성 뇌종양으로 진단받은 암환자들 중 전뇌 조사 방사선 치료 30 Gy를 받은 160명의 환자를 대상으로 후향적으로 분석하였다. 원발성 종양이 유방암인 경우는 20명, 폐암인 경우는 103명이었다. 160명의 환자 중 척수 연수막 전이(leptomeningeal seeding) 환자를 제외한, 142명의 환자를 대상으로 예후 인자 및 Recursive Partitioning Aanalysis (RPA) 분류에 따른 생존율, 중앙생존기간과, RPA 분류에 원발 종양의 종류에 따라 가중치를 둔 새로운 Weighted Partitioning Analysis (WPA) 분류에 따른 생존율과 중앙생존기간을 분석하였고 RPA분류와 비교 분석하였다. 결 과: RPA분류에 의한 중앙생존기간은 분류 I (8명), 분류 II (76명), 분류 III (58명)가 각각 20.0개월, 10.0개월, 3.0개월이었으며(p=0.003), WPA 분류의 경우에는 분류 I (3명), 분류 II (9명), 분류 III (70명), 분류 IV (60명)가 각각 36개월, 23.7개월, 10.9개월, 8.6개월로(p=0.001) RPA 분류보다 더 우위성을 보였다. 결 론: 새로운 예후 지표인 WPA 분류가 기존의 RPA 분류보다 전이성 뇌종양 환자에서 치료 방침을 결정함에 있어 도움을 줄 것으로 생각된다.

• 대한치과교정학회지
• /
• 제32권2호통권91호
• /
• pp.71-78
• /
• 2002

보편적인 교정치료의 적기로 알려진 청소년기가 지나 성인 연령이 되어서야 교정치료를 목적으로 내원한 성인교정환자의 정신-심리학적 특성을 파악하기 위하여, 성인 312명, 청소년 765명, 총 1077명을 대상으로 두 가지 종류의 내외통제소재(locus of control) 척도를 측정한 후 연령군, 성별, 술자(교정의)에 의한 환자 협조도 평가, 진료보조원(치과위생사)에 의한 협조도 평가에 따라 분류한 후, 각각의 내외통제소재의 특성을 비교 분석하였다. 연구 결과 교정 환자들은 일반인에 비해 내적통제 경향을 보였으며, 성인은 청소년군에 비해 내적통제 경향을 보였고, 성인과 달리 청소년군은 여자가 남자보다 오히려 더 높은 내적통제 경향을 나타내었다. 협조적으로 분류된 성인환자는 외적통제 경향을 지닌 쪽이었지만, 청소년 환자는 내적통제 경향을 지닌 환자가 협조적인 환자로 분류되었다. 진료보조원은 술자에 비해 성인군에 대하여 더 호감을 보였으며, 전체적으로는 술자 측 분류에 비해 협조 불량군의 빈도가 높았다. 이러한 결과를 토대로 교정치료시에 반드시 필요한 환자측의 치료협조도를 미리 예측 가능하게 하기 위한 방편으로 내외통제소재척도와 같은 정신-심리학적 검사가 진단 자료의 일부로써 유용성을 지닐 수 있는 것으로 생각되었다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2022년도 제66차 하계학술대회논문집 30권2호
• /
• pp.333-335
• /
• 2022

본 논문에서는 기존에 두 가지 모델이 필요했던 작업을 하나의 모델로 처리할 수 있는 자연어 처리 아키텍처를 제안한다. 단일 모델로 알츠하이머 환자의 언어패턴과 대화맥락을 분석하고 두 가지 결과인 환자분류와 챗봇의 대답을 도출한다. 일상생활에서 챗봇으로 환자의 언어특징을 파악한다면 의사는 조기진단을 위해 더 정밀한 진단과 치료를 계획할 수 있다. 제안된 모델은 전문가가 필요했던 질문지법을 대체하는 챗봇 개발에 활용된다. 모델이 수행하는 자연어 처리 작업은 두 가지이다. 첫 번째는 환자가 병을 가졌는지 여부를 확률로 표시하는 '자연어 분류'이고 두 번째는 환자의 대답에 대한 챗봇의 다음 '대답을 생성'하는 것이다. 전반부에서는 셀프어탠션 신경망을 통해 환자 발화 특징인 맥락벡터(context vector)를 추출한다. 이 맥락벡터와 챗봇(전문가, 진행자)의 질문을 함께 인코더에 입력해 질문자와 환자 사이 상호작용 특징을 담은 행렬을 얻는다. 벡터화된 행렬은 환자분류를 위한 확률값이 된다. 행렬을 챗봇(진행자)의 다음 대답과 함께 디코더에 입력해 다음 발화를 생성한다. 이 구조를 DementiaBank의 쿠키도둑묘사 말뭉치로 학습한 결과 인코더와 디코더의 손실함수 값이 유의미하게 줄어들며 수렴하는 양상을 확인할 수 있었다. 이는 알츠하이머병 환자의 발화 언어패턴을 포착하는 것이 향후 해당 병의 조기진단과 종단연구에 기여할 수 있음을 보여준다.

• 한국음향학회:학술대회논문집
• /
• 한국음향학회 1998년도 학술발표대회 논문집 제17권 2호
• /
• pp.399-402
• /
• 1998

본 논문에서는 환자의 음성을 정상, 양성종양, 악성종양으로 분류하는 실험을 켑스트럼 파라미터를 통한 음원분리와 신경회로망을 이용하여 수행하고 그 결과를 보고한다. 기존의 장애음성 데이터베이스에는 정상음성과 양성종양의 경우만 수록되어 있었고 외국의 환자들을 대상으로 한 경우만 있었기 때문에 국내의 환자들에게 직접 적용할 경우 어떠한 결과가 나올지 예측하기가 어려웠다. 최근 부산대학교 이비인후과팀에서 수집한 국내의 정상, 양성, 악성종양의 경우에 대한 데이터베이스를 분석하고 신경회로망에 의해 분류함으로써 사람의 음성신호만에 의한 후두질환이 식별이 가능하였다. 본 실험에서는 식별 파라미터로 음성신호의 선형예측오차신호에 관한 켑스트럼으로부터 음원비인 HNRR을 구하여 Jitter, Shimmer와 함께 사용하였다. 신경회로망은 입, 출력 층과 한 개의 은닉층을 갖는 다층신경망을 이용하였으며, 식별은 두단계로 나누어 정상과 비정상을 분류한 후 다시 비정상을 양성과 악성으로 분류하였다[1].

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2009년도 추계학술발표대회
• /
• pp.213-214
• /
• 2009

무선 센서들의 진보에 따라 환자의 상태를 모니터링 하거나 정보를 저장 후 원거리에 있는 의사들의 진단 제공이 가능하게 되었다. 하지만 환자의 데이터의 양에 비해 의사의 수가 적으므로 환자가 진단을 제공 받는데 시간적인 한계가 있다. 따라서 본 연구에서는 환자의 상태를 1 차적으로 자동 진단하는 시스템을 제안한다. 전체 데이터의 적용을 위해 Circadian rhythm에 기반한 데이터 직접방법을 제안하고 데이터를 효율적으로 분류하기 위해 PSO(Particle Swarm Optimization)을 기반으로 하는 분류화 알고리즘을 적용하여 시스템의 수행속도 향상을 도모하였다.

• Bioinformatics and Biosystems
• /
• 제1권2호
• /
• pp.134-138
• /
• 2006

우울증은 가장 유병율이 높은 '기분 장애'(mood disorder)의 일종으로, 약 20%의 인구가 일생동안 우울증 증상을 한번쯤 경험한다. 이러한 우울증은 크게 '우울 장애'(major depressive disorder)와 '양극성 장애'(bipolar disorder)로 구분된다. 환자의 질병 분류에 따라 사용되는 약과 의학적 처방이 다르기 때문에, 우울증 환자의 빠르고 정확한 진단 및 분류는 매우 중요하다. 기존의 다면성 인성검사(MMPI)와 같은 통계적인 방법이 우울증 환자의 진단을 위해 사용돼 왔으나, 장시간의 집중력을 요구하기 때문에 집중력 저하의 특징을 보이는 우울증 환자들에게 적용하는데 어려움이 있다. 이 논문에서는 이러한 문제를 해결하고자, 빠른 측정이 가능하고 측정동안 집중력을 요하지 않는 EEC 데이터의 분석을 통해 우울증 환자의 분류를 시도하였다. EEG 채널 간 정보 흐름에서의 비선형성과 근사 엔트로피(approximate entropy)의 크기를 속성(attribute)으로 사용하여 데이터 마이닝 기법 중 의사 결정 트리(decision tree)와 가능성 기반 서포트 벡터머신(possibilistic support vector machines) 통해 분석을 수행하였다. 30명의 주요 우울장애환자와 24명의 양극성 장애 환자를 통해 위의 분석을 수행한 결과 의사 결정 트리의 경우 85.19% 의 정확도를 가지며 분류해냈고, 가능성 기반 서포트 벡터머신의 경우 77.78%의 정확도를 보여줬다. 본 연구는 가능성 기반 서포트 벡터 머신 분석이 우울증 환자는 진단하고 분류하는데 유용하게 적용될 수 있는 가능성을 제시하고 있다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 봄 학술발표논문집 Vol.28 No.1 (B)
• /
• pp.295-297
• /
• 2001

최근 생물 유전자 정보를 효과적으로 분석하기 위한 적절한 도구의 필요성이 대두되고 있다. 본 논문에서는 백혈병 환자의 골수로부터 얻어낸 DNA Microarray 유전 정보를 분류하여 환자가 가지고 있는 암의 종류를 예측하기 위한 최적의 특징추출방법과 분류 방법을 찾고자 한다. 이를 위해 피어슨 상관관계, 유클리디안 거리, 코사인 계수, 스피어맨 상관관계, 정보 이득, 상호 정보, 신호 대잡음비의 7가지 특징 추출 방법을 사용하였으며, 역전과 신경망, 의사결정 트리, 구조 적응형 자기구성 지도, $textsc{k}$-최근접 이웃 등 가지의 기계학습 분류기를 이용하여 분류 실험을 하였다. 실험결과, 피어슨 상관관계와 역전파 신경망을 이용한 분류 방법이 97.1%의 인식률을 보임을 알 수 있었다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제64차 하계학술대회논문집 29권2호
• /
• pp.317-320
• /
• 2021

본 연구는 주기적인 알츠하이머 병의 중증도 모니터링을 위해 스마트 인솔을 통한 보행 특징 추출과 머신러닝 기반 중증도 분류의 성능에 대해 살펴보았다. 최근 고령화가 가속화되는 추세에 있어 치매 환자가 급증하고 있으며, 중증도가 심해질수록 필요한 치료 비용 및 노력이 급증하기 때문에 조기 진단이 최선의 치료 전략으로 보여진다. 환자 친화적이고 저비용의 관성 측정 장치가 내장된 스마트 인솔만을 사용하여 다양한 보행 실험 패러다임에서 환자의 보행 특징을 추출하고, 이를 알츠하이머 병의 중증도 진단을 위한 머신러닝 기반 분류기를 훈련시켜 성능을 평가한 결과, 숫자세기와 같이 뇌에 부하를 주는 하위 작업이 포함된 복합 보행을 측정한 데이터셋을 사용하여 훈련된 분류 모델이 일반 걷기 데이터셋을 사용한 모델보다 성능이 높게 나타나는 것이 관찰되었다. 본 연구는 안전하고 환경적 제약이 적은 방법을 사용하여 시기 적절한 진단뿐만 아니라 주기적인 중증도 모니터링 시스템의 일환으로 활용될 수 있을 것이다.

• 정보처리학회논문지D
• /
• 제16D권1호
• /
• pp.11-26
• /
• 2009

심혈관계 질환의 진단 위해서 복합 진단 지표를 이용한 출현 패턴 기반의 분류 기법을 제안하였다. 복합 진단 지표 적용을 위해서 심박동변이도의 선형/비선형적 특징들을 세 가지 누운 자세에 대해 분석하였고 ST-segments로부터 4개의 진단 지표를 추출하였다. 이 논문에서는 질환진단을 위해서 필수 출현 패턴을 이용한 분류 모델을 제안하였다. 이 분류 기법은 환자 그룹의 질환 패턴들을 발견하며, 이러한 출현 패턴은 심혈관계 질환 환자들에서는 빈발하지만 정상인 그룹에서는 빈발하지 않는 패턴들이다. 제안된 분류 알고리즘의 평가를 위해서 120명의 협심증(AP: angina pectrois) 환자, 13명의 급성관상동맥증후군(ACS: acute coronary syndrome) 환자 그리고 128명의 정상인 데이터를 사용하였다. 실험 결과 복합 지표를 사용하였을 때, 세 그룹의 분류에 대한 정확도는 약 88.3%였다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제10권4호
• /
• pp.27-36
• /
• 2004

본 논문에서는 뇌의 하부구조인 해마를 정확하게 분석하기 위한 형상 정규화 방법과 정상인과 간질 환자의 해마를 분류하기 위한 방법을 제시한다. 해마에 대한 형상 분석 과정은 크게 형상 표현을 구축하는 과정, 형상의 유사도를 측정하는 과정, 정상인 집단과 환자 집단을 분류하는 과정으로 이루어진다. 본 연구에서는 해마의 형상 표현으로 메쉬, 골격, 복셀로 이루어진 하이브리드 옥트리 자료구조를 구축하였다. 또한 Iterative Closest Point (ICP) 알고리즘을 사용하여 해마 골격을 기반으로 한 정규화를 수행하였다. 그리고 정규화된 해마 형상을 전역적, 국부적으로 분석하여 최종적으로 입력된 해마가 정상인 또는 간질 환자에 속하는지를 학습된 데이터를 이용하여 분류하였다. 본 논문에서 제시한 ICP 기반의 정규화 방법은 3차원 해마 형상을 정확하게 분석하게 해주고, 골격의 정점 수를 조절함으로써 정규화 시간을 감소시킬 수 있다. 뿐만 아니라 3차원 해마 모델의 형상을 신경망을 통하여 학습시킴으로써 해마의 형상이 변형된 환자 집단과 정상인 집단을 분류하는데 이용할 수 있다.