• International Journal of Heart Failure
• /
• 제6권1호
• /
• pp.11-19
• /
• 2024

The prevalence of heart failure (HF) is increasing, necessitating accurate diagnosis and tailored treatment. The accumulation of clinical information from patients with HF generates big data, which poses challenges for traditional analytical methods. To address this, big data approaches and artificial intelligence (AI) have been developed that can effectively predict future observations and outcomes, enabling precise diagnoses and personalized treatments of patients with HF. Machine learning (ML) is a subfield of AI that allows computers to analyze data, find patterns, and make predictions without explicit instructions. ML can be supervised, unsupervised, or semi-supervised. Deep learning is a branch of ML that uses artificial neural networks with multiple layers to find complex patterns. These AI technologies have shown significant potential in various aspects of HF research, including diagnosis, outcome prediction, classification of HF phenotypes, and optimization of treatment strategies. In addition, integrating multiple data sources, such as electrocardiography, electronic health records, and imaging data, can enhance the diagnostic accuracy of AI algorithms. Currently, wearable devices and remote monitoring aided by AI enable the earlier detection of HF and improved patient care. This review focuses on the rationale behind utilizing AI in HF and explores its various applications.

• 지능정보연구
• /
• 제18권3호
• /
• pp.79-96
• /
• 2012

기술의 발전과 융합이 빠르게 이루어지고 있는 오늘날 유망기술을 어떻게 파악하여, 다양한 후보군들 중에서 최적의 R&D 대상을 어떻게 선정할 것인가에 대한 문제는 주요한 경영의사결정문제 중 하나로 부상하고 있다. 본 연구에서는 이러한 R&D 기술 선정 의사결정을 지원할 수 있는 새로운 지능형 의사결정지원시스템을 제안한다. 본 연구의 의사결정지원시스템은 크게 3가지 모듈로 구성되는데, 우선 첫 번째 모듈인 '기술가치 평가' 모듈에서는 기업이 관심을 갖고 있는 분야의 특허들을 분석하여 유망기술 파악에 요구되는 다양한 차원의 기술가치 평가지수 값들을 산출하는 작업이 이루어진다. 이를 통해, 현재 시점에서의 각 기술의 가치가 다양한 차원에서 평가가 이루어지고 나면, 두 번째 모듈인 '미래기술가치 예측' 모듈에서 이들의 시간 흐름에 따른 변화를 학습한 인공지능 모형을 토대로 각 후보기술들이 미래 시점에 어떤 가치지수값을 갖게 될 것인지 예측값을 산출하게 된다. 마지막 세 번째 모듈인 '최적 R&D 대상기술 선정 지원' 모듈에서는 앞서 두 번째 모듈에서 산출된 각 차원별 예상 가치지수값들을 적절히 가중합하여 기술의 종합적인 미래가치 예측값을 산출하여 의사결정자에게 제공하는 기능을 수행한다. 이를 통해 의사결정자가 자사에 적합한 최적의 R&D 대상기술을 선정할 수 있도록 하였다. 본 연구에서는 제안된 시스템의 적용 가능성을 검증하기 위해, 10년치 특허데이터에 인공신경망 기법을 적용하여 실제 기술가치 예측모형을 구축해 보고, 그 효과를 살펴본다.

• 지능정보연구
• /
• 제21권4호
• /
• pp.1-16
• /
• 2015

교통사고의 원인을 규명하고 미래의 사고를 방지하기 위한 노력의 일환으로 데이터 마이닝 기법을 이용한 교통 데이터 분석의 연구가 이루어지고 있다. 하지만 기존의 교통 데이터를 이용한 마이닝 연구들은 학습된 결과를 사람이 이해하기 어려워 분석에 많은 노력이 필요하다는 문제가 있었다. 본 논문에서는 많은 속성들로 표현된 교통사고 데이터로부터 유용한 패턴을 발견하기 위해 규칙 학습 기반의 데이터 마이닝 기법인 연관규칙 학습기법과 서브그룹 발견기법을 적용하였다. 연관규칙 학습기법은 비지도 학습 기법의 하나로 데이터 내에서 동시에 많이 등장하는 아이템(item)들을 찾아 규칙의 형태로 가공해 주며, 서브그룹 발견기법은 사용자가 지정한 대상 속성이 결론부에 나타나는 규칙을 학습하는 지도학습 기반 기법으로 일반성과 흥미도가 높은 규칙을 학습한다. 규칙 학습 시 사용자의 의도를 반영하기 위해서는 하나 이상의 관심 속성들을 조합한 합성 속성을 만들어 규칙을 학습할 수 있다. 규칙이 도출되고 나면 후처리 과정을 통해 중복된 규칙을 제거하고 유사한 규칙을 일반화하여 규칙들을 더 단순하고 이해하기 쉬운 형태로 가공한다. 교통사고 데이터를 대상으로 두 기법을 적용한 결과 대상 속성을 지정하지 않고 연관규칙 학습기법을 적용하는 경우 사용자가 쉽게 알기 어려운 속성 사이의 숨겨진 관계를 발견할 수 있었으며, 대상 속성을 지정하여 연관규칙 학습기법과 서브그룹 발견기법을 적용하는 경우 파라미터 조정에 많은 노력을 기울여야 하는 연관규칙 학습기법에 비해 서브그룹 발견기법이 흥미로운 규칙들을 더 쉽게 찾을 수 있음을 확인하였다.

• 기술혁신연구
• /
• 제28권4호
• /
• pp.151-163
• /
• 2020

포스트 코로나 시대 전통적 정형화된 업무는 지능화된 기계와 온라인 플랫폼 등 디지털 기술에 의해 대체되고, 디지털 전환 기술과 고숙련 근로자 및 비정형 업무 간 강한 상호 보완관계를 바탕으로 고용 없는 경기회복이 전개될 가능성이 크다. 특히, 우리나라 산업 내 직무 구성을 살펴보면, 반복업무 지수가 지속적으로 상승하는 추세다. 이는 포스트 코로나 시대 디지털 전환의 가속화에 따른 노동시장에 대한 부작용 및 파급효과가 우리나라 경제체제 내 고착화될 가능성이 큼을 시사한다. 이러한 배경 하, 본 연구에서는 우리 경제사회 시스템의 구조적 변화를 일으킬 디지털 전환의 내재적 속성에 대한 심층적 이해를 바탕으로, 잠재적 위기 극복 및 문제해결을 위한 개념적 틀을 제공하고자 한다. 특히, 포스트 코로나 시대 디지털 기술발전과 학습 간 상호작용에 주목하여, 혁신체제의 구조적 전환을 통한 새로운 균형점으로의 이행을 위한 혁신정책의 역할을 재정립하고자 한다. 이와 함께, 포스트 코로나 시대 우리나라 혁신체제가 미래 환경 변화에 능동적으로 대응할 수 있는 적절한 제도적 요소들로 구성되어 있는지 살펴보고, 포스트 코로나 시대 디지털 전환이라는 기술변화 흐름에 능동적으로 대응할 수 있는 미래지향적 혁신정책 수립 방향을 제시하고자 한다.

• Korean Chemical Engineering Research
• /
• 제61권4호
• /
• pp.487-495
• /
• 2023

암모니아는 인류의 식량문제를 해결할 수 있는 비료 생산의 주요 원료임과 동시에 무탄소 연료이면서 친환경적인 수소 운반자로서 중요한 에너지원으로 알려져 있다. 그래서 지금까지도 암모니아를 합성하거나 분해하는 기술들이 각광을 받고 있다. 암모니아 합성 및 분해 반응을 촉진시키기 위해서는 반드시 촉매 재료가 필요하다. 고성능 및 값싼 암모니아 합성 및 분해용 신촉매를 설계하기 위해서는 무수히 많은 합성 가능한 촉매 후보군들을 다루어야만 하는데 전통적인 접근법만으로 탐색 및 분석을 하기엔 시간적, 경제적인 비용이 많이 들 수밖에 없다. 최근에 4차 산업혁명의 핵심기술에 속하는 머신러닝을 이용하여 이용하여 고성능 촉매를 빠르고 정확하게 찾을 수 있는 탐색 모델이 개발되어 왔다. 본 연구에서는 암모니아 합성 및 분해용 반응 메커니즘에 대해서 알아보고, 고성능 및 경제적인 암모니아 합성 및 분해 촉매를 효율적으로 탐색할 수 있는 머신러닝 기반 방법에 대한 최신 연구 및 전망을 기술하였다.

• 한국문헌정보학회지
• /
• 제51권4호
• /
• pp.77-97
• /
• 2017

최근 생의학 분야의 학술 문헌이 기하급수적으로 급증함에 따라 관련 분야 연구자들은 선행 연구 및 연구 동향 파악에 어려움을 겪고 있다. 이에 효율적인 선행 연구 및 연구 동향 파악을 위한 정보 추출 기술이 요구되며, 학술 문헌의 정보 추출을 위한 개체인식 및 개체 간의 생의학 이벤트 추출 연구가 활발히 진행되고 있다. 본 연구는 이에 심층 학습(Deep Learning)의 기법 중 하나인 컨볼루션 네트워크(Convolutional Neural Networks, CNN) 모델을 기반으로 이벤트 내의 개체 유형 정보의 적용 위치와 함께, 이벤트 식별 및 분류를 고려하여 총 8가지의 모델을 구성하여 실험하였다. 실험 결과, 본 연구에서 제안하는 모델 중 최고성능을 보인 개체 유형 완전연결 모델이 이벤트 분류 실험에서 F-점수 72.09%의 높은 성능을 보였으나, 이벤트 추출 실험에서는 학습 컬렉션의 불균형 문제 및 이벤트 식별 모델의 성능 저조 등으로 인하여 F-점수 21.81%의 비교적 저조한 성능을 보였다.

• 한국정보통신학회논문지
• /
• 제26권6호
• /
• pp.813-826
• /
• 2022

카메라를 이용한 영상 처리와 그에 따른 인공지능 기술의 발달로 다양한 분야의 기술이 발전하기 시작했다. 하지만 보드가 가벼울수록 연산이 많이 필요한 영상 처리 알고리즘을 구현하기 힘들다. 본 논문에서는 경량 임베디드 보드에서 물체 인식 알고리즘을 위한 딥러닝을 사용하는 방법을 제안한다. 비교적 적은 양의 계산으로 segmentation을 처리하는 딥러닝 알고리즘을 사용하여 ROI(Region of Interest)를 결정할 수 있다. 영역을 마스킹한 후, 더 정확한 딥러닝 알고리즘을 사용해 물체 감지를 할 수 있다. Python에서 입력 이미지를 처리하기 위해 OpenCV를 사용했고 ENet과 YOLO(You Only Look Once)를 사용하여 이미지를 처리했다. 이 알고리즘을 실행함으로써 평균 오차가 절반으로 감소해 정확한 객체 검출을 처리할 수 있고 경량 임베디드 보드에서 실시간으로 객체 인식을 실행할 수 있다. 이 연구는 자율주행과 IoT에서 저가격 경량화된 응용에 활용될 수 있을 것으로 기대된다.

• 한국문헌정보학회지
• /
• 제49권4호
• /
• pp.99-124
• /
• 2015

As the improvement of digital technologies increases the use of images from various fields, the domain of image retrieval has evolved and become a growing topic of research in the Library and Information Science field. The purpose of this study is to identify the knowledge structure of the image retrieval domain by using the author co-citation analysis and author bibliographic coupling as analytical tools in order to understand the domain's past and present. The data set for this study is 245 articles with 8,031 cited articles in the field of image retrieval from 1998 to 2013, from the Web of Science citation database. According to the results of author co-citation analysis for the past of the image retrieval domain, our findings demonstrate that the intellectual structure of image retrieval in the LIS field consists of predominantly user-oriented approaches, but also includes some areas influenced by the CBIR area. More specifically, the user-oriented approach contains six specific areas which include image needs, information seeking, image needs and search behavior, image indexing and access, indexing of image collection, and web image search. On the other hand, for CBIR approaches, it contains feature-based image indexing, shape-based indexing, and IR & CBIR. The recent trends of image retrieval based on the results from author bibliographic coupling analysis show that the domain is expanding to emerging areas of medical images, multimedia, ontology- and tag-based indexing which thus reflects a new paradigm of information environment.

• 대한원격탐사학회지
• /
• 제39권5_3호
• /
• pp.885-890
• /
• 2023

인공위성의 발전과 함께 초소형 위성, 레이더 위성 등 이전보다 높은 시공간 해상도와 분광 해상도를 제공하는 위성들이 많아지고 있다. 이전에는 국가 단위의 위성개발이 주를 이루었지만 최근에는 민간기업에서도 위성을 개발하고 활용하는 연구들을 꾸준히 진행하고 있다. 본 특별호에서는 우리나라에서 수행되는 최신 원격탐사 기법 기반의 지구환경 분석에 대한 연구 및 기술개발 동향을 확인할 수 있다. 연구결과를 통해 추후 위성센서 개발을 위한 기초자료가 될 수 있으며 인공지능을 이용하는 연구자들에게 도메인에 대한 연구정보를 제공할 수 있다. 이번 특별호에서는 최신 원격탐사 기법을 데이터를 이용하여 지구환경을 모니터링하고 예측하는 연구들에 대한 소개를 중심으로 최근 원격탐사 분야의 기술 동향을 안내한다. 이를 통해 앞으로 원격탐사 분야에서 나아가야 할 방향을 확인하고자 한다.

• 산업경영시스템학회지
• /
• 제44권3호
• /
• pp.86-97
• /
• 2021

As mechatronic systems have various, complex functions and require high performance, automatic fault detection is necessary for secure operation in manufacturing processes. For conducting automatic and real-time fault detection in modern mechatronic systems, multiple sensor signals are collected by internet of things technologies. Since traditional statistical control charts or machine learning approaches show significant results with unified and solid density models under normal operating states but they have limitations with scattered signal models under normal states, many pattern extraction and matching approaches have been paid attention. Signal discretization-based pattern extraction methods are one of popular signal analyses, which reduce the size of the given datasets as much as possible as well as highlight significant and inherent signal behaviors. Since general pattern extraction methods are usually conducted with a fixed size of time segmentation, they can easily cut off significant behaviors, and consequently the performance of the extracted fault patterns will be reduced. In this regard, adjustable time segmentation is proposed to extract much meaningful fault patterns in multiple sensor signals. By considering inflection points of signals, we determine the optimal cut-points of time segments in each sensor signal. In addition, to clarify the inflection points, we apply Savitzky-golay filter to the original datasets. To validate and verify the performance of the proposed segmentation, the dataset collected from an aircraft engine (provided by NASA prognostics center) is used to fault pattern extraction. As a result, the proposed adjustable time segmentation shows better performance in fault pattern extraction.