• 융합보안논문지
• /
• 제16권7호
• /
• pp.21-29
• /
• 2016

현재 우리사회는 네트워크를 통하여 실시간으로 교류되는 다양한 정보 환경에 노출되어 있다. 특히 정부의 의료정책은 대국민의료서비스 질을 향상시키기 위해 원격진료의 시행을 서두르고 있다. 이러한 원격진료의 시행은 향후 지역에 상관없이 맞춤형 환자 진료를 위한 빅 데이터 기반의 진료 정보 구축도 함께 요구하고 있다. 본 논문은 빅 데이터 기반의 권역별 의료클러스터 구축과 이에 대한 서비스 가용성을 해치는 공격이 발생할 경우 해당 공격을 탐지하고 적절한 대응이 가능한 방어 및 보안 협력모델을 제안하고 있다. 이를 위하여 동일 병원정보시스템으로 전국에 고루 분포된 지방의료원을 권역별 가상 의료클러스터 본부로 하는 네트워크 구성을 제안하였다. 아울러 의료클러스터에 발생할 수 있는 IP Spoofing 공격과 이에 따른 DDoS 공격에 실시간으로 대응 가능한 상호협력 보안 모델을 설계하여 단일 체계, 단일 보안정책이 가지는 한계성도 극복할 수 있도록 하였다.

• 한국전자통신학회논문지
• /
• 제15권1호
• /
• pp.107-114
• /
• 2020

본 논문에서는 하둡 플랫폼에서 비용 효율적 빅데이터 분석을 수행하기 위한 클러스터 규모의 설정 방안을 연구한다. 의료기관의 경우 진료기록의 병원 외부 저장이 가능해짐에 따라 클라우드 기반 빅데이터 분석 요구가 증가하고 있다. 본 논문에서는 대중적으로 많이 사용되고 있는 클라우드 서비스인 아마존 EMR 프레임워크를 분석하고, 비용 효율적으로 하둡을 운용하기 위해 클러스터의 규모를 산정하기 위한 모델을 제시한다. 그리고, 다양한 조건에서의 실험을 통해 맵리듀스의 실행에 영향을 미치는 요인을 분석한다. 이를 통해 비용 대비 처리시간이 가장 효율적인 클러스터를 설정함으로써 빅데이터 분석시 효율성을 증대시킬 수 있다.

• 한국정보시스템학회지:정보시스템연구
• /
• 제31권2호
• /
• pp.217-238
• /
• 2022

Purpose This study aims to develop a work-related injury and illness monitoring geographic information system that analyzes and visualizes the types of work-related injury and illness based on workers' compensation insurance big data. Design/methodology/approach Using the developed system, we explained the process of monitoring the areas of the applied workplace, medical care application, index, and medical care institution. We also showed examples of analyzing the index and medical care institution area. By applying the system, we can intuitively recognize the current status of workers' compensation insurance and confirm the basic information necessary for managing the current status of workers' compensation insurance. Findings We generated more helpful information by combining workers' compensation insurance data and designated medical care institution data. We were able to apply the severity score and the vulnerability index of work-related injury and illness to the system as a demonstration. To efficiently manage workers' compensation insurance, it was necessary to integrate workers' compensation insurance and designated medical care institution data, as well as the data from various sources.

• 한국정보통신학회논문지
• /
• 제22권6호
• /
• pp.835-841
• /
• 2018

본 연구에서 공개 의료 빅데이터 분석을 지역사회건강조사 2012~2014년 자료를 이용해 개인의 건강관련 삶의 질 차이와 삶의 질에 영향을 미치는 요인을 분석하였다. 제안논문에서는 공개의료 빅데이터 분석을 위해 Hadoop 기반의 Spack을 이용해 병렬처리 지원을 위한 클라우드 메니저를 구성하고 개인의 삶의 질에 영향을 미치는 요인을 하드웨어의 제약없이 빠르게 분석하였다. 건강관련 삶의 질에 미치는 영향을 개인적 특성과 지역사회 특성으로 구분하여 단계별 다수준 회귀분석(ANOVA, t-test)을 실시하였다. 연구결과 개인별 삶의 질에 영향을 미치는 요인으로는 남자 평균 73.8점, 여자 평균 70.0점으로 남자가 여자보다 건강관련 삶의 질이 높은 것으로 나타났다.

• 산업진흥연구
• /
• 제7권3호
• /
• pp.17-26
• /
• 2022

우리가 살아가는 사회는 무엇보다 우리들의 정신과 육체를 자유롭게 건강하게 유지하고자 하는 웰빙에 대한 기대가 확산되면서 헬스케어(health care)라는 의미가 빅데이터, IoT, AI, 블록체인 등의 4차 산업혁명의 핵심적인 융합기술 등을 활용하여 고도화된 의료정보 서비스산업의 발전을 도모하고 있다. 디지털 헬스케어는 인공지능, 빅데이터, 클라우드와 같은 정보기술에 힘입어 전통 의료·헬스케어 산업의 디지털 전환(Digital transformation)으로 추진되어, 보건, 의료, 복지 등에서 그 필요성은 점진적으로 확대되고 있는 경향이다. 그러나 디지털 헬스케어 의료정보의 효율적 운용을 통하여 인간의 자유로운 삶의 행복 추구와 스마트 의료산업으로의 발전을 추구하고자 하는 데는 인적, 물리적 요인의 어려움이 존재하는 것이 현실이다. 나아가 디지털 헬스케어의 글로벌 경쟁력을 확보하기 위해서는 헬스케어 의료정보 관련 첨단기술력과 양질의 데이터 확보, 관련 콘텐츠 개발과 이에 적합한 비지니스 모델을 발굴하는 데 적극적인 투자와 연구가 요구되고 있다. 따라서, 본 연구에서는 우선, 디지털 헬스케어 의료정보의 일반적인 의미와 현황 등을 살펴보고, 이어, 디지털 헬스케어 의료정보를 활성시키기 위한 발전적 과제 등을 중점적으로 분석, 검토하여 앞으로 디지털 헬스케어 의료정보의 활용성을 제고하는데 목적을 두고 있다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.483-486
• /
• 2021

데이터의 폭발적인 증가와 함께 데이터를 통한 새로운 가치와 인사이트 도출에 주력하는 '빅데이터 시대'가 도래했다. 데이터 분석 기술의 발전에 따라 진단 및 치료 및 예방 분야에서 데이터 분석 및 활용의 중요성이 확대되고 있으며, 헬스케어 분야에서는 빅 데이터 활용이 부각되고 있다. 또한 2020년 1월 데이터 3법(개인정보 보호법, 정보 통신망법, 신용정보법)이 통과되면서 가명 정보를 통한 다양한 빅데이터 활용이 가능해졌다. 그러나 다양한 정책과 규제, 일관되지 않은 데이터 품질, 전문 인력 부재 등으로 인해 헬스케어 분야의 빅데이터 활용은 여전히 어려움을 겪고 있다. 본 연구에서는 헬스케어 분야의 빅데이터 활용 현황을 살펴보고 헬스케어 빅데이터 활용 활성화를 위한 해결과제, 해외사례, 방안 및 기대 효과를 분석한다.

• 융합보안논문지
• /
• 제22권4호
• /
• pp.85-97
• /
• 2022

빅데이터 기술이 발전하면서 데이터가 전 산업의 혁신 성장을 가속하는 초연결 지능화 사회로 빠르게 진입하고 있다. 고품질의 다양한 데이터를 보유하고 활용하는 융복합 산업이 새로운 성장 동력으로 자리매김하고 있으며, 다양한 전통 산업군에 빅데이터가 융합되어 데이터 기반의 혁신을 통해 디지털 전환이 이루어지고 있다. 특히 의료 분야에서는 전자의무기록 데이터와 같은 정형 데이터와 CT, MRI 등의 비정형 의료 데이터를 함께 활용함으로써, 질병 예측 및 진단의 정확도를 높이고 있다. 현재 의료 산업에서 비정형 데이터의 중요성과 규모는 나날이 증가하고 있지만, 종래의 데이터 보안 기술과 정책은 정형 데이터 중심이며, 비정형 데이터의 보안성과 활용성에 대한 고려는 미비하다. 향후 빅데이터를 활용한 진료가 활성화되려면 데이터의 다양성과 보안성이 데이터 구축, 유통, 활용 단계에서 내재화되고 유기적으로 연계되어야 한다. 본 논문에서는 국내외 데이터 보안 제도와 기술 현황을 분석한다. 이후 의료 분야에서 비정형 데이터가 활발히 사용될 수 있도록 비식별조치 가이드라인에 비정형 데이터 중심의 비식별 기술과 산업에서의 기술 적용 사례를 추가하고, 비정형 데이터에 대한 개인정보 판단 기준을 수립할 것을 제안한다. 더 나아가 개인정보를 침해하지 않고, 비정형 데이터에 활용할 수 있는 객체 특징 기반의 식별 ID를 제안한다.

• 한국전자통신학회논문지
• /
• 제13권1호
• /
• pp.207-212
• /
• 2018

빅데이터 시대에 각광받고 있는 데이터 분석 도구인 R은 강력한 통계 분석 기능과 데이터 가시화 기능을 제공함으로 인해 그 사용자를 급속히 넓혀 가고 있다. 오픈소스 기반으로서의 다양한 기능 확장성이 R의 강점인데 반해 규모 확장성이 미흡함으로 인해 대용량 데이터 처리에서의 성능 제약이 발생한다. 이를 보완하기 위한 확장 패키지 중 하나인 RHadoop은 R로 작성된 코드에 대해 하둡 플랫폼 기반 병렬 분산 처리를 지원하므로 데이터 분석 성능을 높일 수 있다. 본 논문에서는 인터넷을 통해 공개되는 실제 보건의료 빅데이터를 이용한 데이터 분석에서 RHadoop을 활용할 때 얻을 수 있는 성능 개선을 평가함으로써 RHadoop의 유효성을 검증한다. 본 연구를 통해 R과 RHadoop에서 국민건강보험 진료내역정보를 각각 분석한 결과 8개의 데이터 노드로 구성된 RHadoop 클러스터가 R과 비교하여 최대 8배 이상 성능을 개선시킬 수 있음을 입증하였다.

• 한국의학물리학회지:의학물리
• /
• 제30권2호
• /
• pp.49-58
• /
• 2019

Purpose: Automated analytical systems have begun to emerge as a database system that enables the scanning of medical images to be performed on computers and the construction of big data. Deep-learning artificial intelligence (AI) architectures have been developed and applied to medical images, making high-precision diagnosis possible. Materials and Methods: For diagnosis, the medical images need to be labeled and standardized. After pre-processing the data and entering them into the deep-learning architecture, the final diagnosis results can be obtained quickly and accurately. To solve the problem of overfitting because of an insufficient amount of labeled data, data augmentation is performed through rotation, using left and right flips to artificially increase the amount of data. Because various deep-learning architectures have been developed and publicized over the past few years, the results of the diagnosis can be obtained by entering a medical image. Results: Classification and regression are performed by a supervised machine-learning method and clustering and generation are performed by an unsupervised machine-learning method. When the convolutional neural network (CNN) method is applied to the deep-learning layer, feature extraction can be used to classify diseases very efficiently and thus to diagnose various diseases. Conclusions: AI, using a deep-learning architecture, has expertise in medical image analysis of the nerves, retina, lungs, digital pathology, breast, heart, abdomen, and musculo-skeletal system.

• International journal of advanced smart convergence
• /
• 제10권4호
• /
• pp.134-140
• /
• 2021

Big data has recently been used in various industries such as tourism, medical care, distribution, and marketing. And it is evolving to the stage of collecting real-time information or analyzing correlations and predicting the future. In the tourism industry, big data can be used to identify the size and shape of the tourism market, and by building and utilizing a large-capacity database, it is possible to establish an efficient marketing strategy and provide customized tourism services for tourists. This paper has begun with anticipation of the effects that would occur when big data is actively used in the tourism field. Because the method of use must have applicability and practicality, the spatial scope will be limited to Seosan, Chungcheongnam-do, and research will be conducted. In this paper, to improve the quality of tourism courses by collecting and analyzing the number of mention data and sentiment index data on social media, which reflect the tourist's interest, preference and satisfaction. Therefore, it is used as basic data necessary for the development of new local tourism courses in the future. In addition, the development of tourism courses will be able to promote tourism growth and also revitalizing the local economy.