자기조직화지도 신경망을 활용한 의료 진단검사 결과 패턴인식 모델

박상찬; 이장희

doi:10.18032/kaaba.2015.29.1.115

추천

검색

질문

자료유형: 학술저널

저자정보: 박상찬 (경희대학교) 이장희 (한국기술교육대학교)

저널정보: 대한경영학회 대한경영학회지 대한경영학회지 제29권 제1호

발행연도: 2016.1

수록면: 115 - 134 (20page)

DOI: 10.18032/kaaba.2015.29.1.115

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

의학 및 생물학계에서 질병의 조기 선별이나 진단을 위해 인체에서 발생하는 각종 검체에 대해 다양한 진단검사가 시행되고 있고, 진단검사 결과 데이터는 질환을 표지하는 정보를 가지고 있기에 정확한 분석과 해석이 수행되어야 한다. 의료기관에서 수행하는 다양한 유형의 의료 진단검사로부터 발생하는 대용량 데이터를 최적의 분석 방법을 활용하여 정보 및 지식화 함으로써 이를 기준으로 양질의 의료서비스를 제공할 수 있는 기반을 구축할 필요가 있고 최근 이러한 노력이 수행되고 있다. 본 연구는 의료 진단검사 결과 데이터에 존재하는 검사결과 패턴들을 추출하고 분류하여, 의료진의 신속․정확한 의사결정과 종합적인 통찰력 향상을 지원할 수 있는 의료 진단검사 결과 패턴인식 모델을 제안한다. 제안 모델의 1단계에서는 자기조직화지도 신경망을 활용하여 의료 검사 데이터에 존재하는 유의한 진단검사 결과 패턴들을 추출한다. 최적의 진단검사 결과 패턴만을 추출하기 위해, 본 연구에서 제안한 모델에서는 Davies-Bouldin 지수를 산출하여 최적의 패턴 수를 결정하고 이를 반영하여 자기조직화지도 신경망을 사용하여 패턴을 추출한다. 제안 모델의 2단계에서는 신규 수진자의 진단검사 결과 데이터가 발생하면 1단계에서 추출했던 최적의 진단검사 결과 패턴들과의 내적 값을 산출하여 유사도 수준을 규명하여 신규 수진자의 진단검사 결과 패턴으로 분류한다. 본 연구에서 제안한 패턴인식 모델을 국내에서 다양한 의료 진단검사를 수행하는 의료기관에서 수행한 89종의 혈액 진단검사 데이터 집합에 적용함으로써 실무 적용의 타당성을 검증하였다. 제안 모델의 적용을 통해, 우선적으로 수진자의 성별과 연령대별로 존재하는 89종 혈액 검사결과 패턴들을 추출하였다. 이를 통해, 성별과 연령대별로 유의하게 존재하는 89종 혈액 검사의 중요한 특징과 경향 및 수진자 개별로 존재하는 특징 및 경향이 무엇인지 쉽게 확인할 수 있었다. 또한, 추출한 진단검사 결과 패턴들을 기준으로 신규 수진자의 혈액 검사 데이터를 패턴 매칭함으로써, 신규 수진자의 진단검사 결과 패턴을 분류하였다. 이와 같은 결과로부터, 본 연구에서 제안한 진단검사 결과 패턴인식 모델이 의료기관에서 발생하는 대용량 데이터의 분석 및 가공을 통해 의료기관의 의료 정보 및 지식 관리 실무에 효과적으로 활용될 수 있음을 확인할 수 있었다. 본 연구는 Davies-Bouldin 지수와 자기조직화지도 신경망의 논리적인 연계 활용과 자기조직화 신경망 기반의 지식 추출 및 지식 활용 과정을 구체적으로 제시하는 패턴인식 모델을 검증하였다는 점에서 학술적 의의가 있다.

In the academic area of medicine and biology, various diagnostic tests on all sorts of samples occurred from human body have been conducted for the purpose of early screening and diagnosis for diseases. Medical institutions need to establish the foundation to offer a good quality of medical service, which can informationize large amounts of data generated from various types of medical diagnostic test performed. This study proposes a new pattern recognition model (refer to the following figure).
[그림본문참조]
The model is composed of two phases. In the first phase, the proposed model uses Self-Organizing Map neural network to extract all existing test results patterns within the previous medical test results data. It calculates Davies-Bouldin index to determine the optimal number of extracted patterns before using Self-Organizing Map neural network. The extracted test results patterns are stored in the knowledge repository with the form of Self-Organizing Map weight vector. In the second phase, the proposed model uses all extracted patterns to classify the pattern of the test data of a new examinee by measuring similarity levels between the his/her test data and the extracted patterns. It calls similarity level between them “similarity score”, which is obtained by calculating their inner products. The similarity score (SS) has the value between 0 and 1. The model classifies a new examinee’s test result data by comparing its similarity score with similarity criteria. In case the similarity score is higher than similarity criteria, the model assigns a special pattern to that examinee.
We applied the proposed model to the 89 kinds of blood diagnostic tests data in domestic medical institution. The domestic medical institution provided the 89 kinds of blood diagnostic tests such as liver function test, Hepatitis viruses test, renal function test, electrolyte and metabolism test, lipid and cardiovascular system test, blood-sugar test, gout and rheumatic diseases test, hematodyscrasia test, urine test, anemia test, thyroid test, carcino-marker test, etc. This study has implications at aspects of both practice and research. For practice, the proposed model can help medical team to find accurate status information on several test results quickly, which could contribute to make next optimal progress. For research, this study contributes to hybrid application knowledge of Self-Organizing Map neural network and Davies-Bouldin index. This study has some limitations. We only considered Self-Organizing Map neural network in our research. In future work, more other clustering method, such as expectation-maximization clustering algorithm, should be taken into consideration. We will also apply the model to other kinds of medical data to get more validation.

#진단검사 #패턴인식 #자기조직화지도 신경망 #Davies-Bouldin 지수 #의료기관 #Medical Diagnostic Test #Pattern Recognition #Self Organising Map Neural Network #Davies-Bouldin Index #Medical Institution

참고문헌 (27)

참고문헌 신청

김지현․김홍․손광은․송윤수․윤지혜․임희창․ 정상호․전주홍 (2014). 빅데이터의 의학적 활용. 정보과학회지, 32(3), 18-26.

김호준․박현정 (2006). 패턴 분류 문제에서 가중치 를 고려한 퍼지 최대-최소 신경망. 정보과학 회논문지: 소프트웨어 및 응용, 33(8), 692-702.

권은희․이승철․이주창․김응모 (2007). 개인 맞춤 형 의료진단 서비스 제공을 위한 효율적인 데 이터마이닝 기법. 한국정보과학회 학술발표 논문집, 34(1C), 200-204.

박동아․황진섭․이선희․설아람․최원정․오성희 ․이자연․이유경․이동효․최슬기 (2014). NECA 진단 검사 체계적 문헌고찰 매뉴얼 개발. 한국보 건의료연구원, 1-285.

신아미․이인희․손창식․박희준 (2009). 데이터 마 이닝을 활용한 뇌경색증 환자 진단 분석. 한국 재활복지공학회 학술대회 논문집, 118-121.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

박상찬

소속기관 경희대학교

주요연구분야 사회과학 > 경영학 공학 > 컴퓨터학

논문수 11 이용수 2,470

이장희

소속기관 한국기술교육대학교

주요연구분야 사회과학 > 경영학 사회과학 > 교육학

논문수 19 이용수 2,344

이 논문과 함께 이용한 논문

Deep Learning 기반 기계학습 알고리즘을 이용한 야구 경기 Big Data 분석

김종훈 , 김경태 , 한종기 한국통신학회 학술대회논문집 2015 .11

컴퓨터 소프트웨어 분야 연구를 위한 이산수학 분야에 대한 연구

전상표 한국컴퓨터정보학회논문지 2011 .02

불균형 데이터 학습을 위한 지지벡터기계 알고리즘

김광성 , 황두성 한국컴퓨터정보학회논문지 2010 .07

Deep Learning: 기계학습의 새로운 트랜드

김인중 한국통신학회지(정보와통신) 2014 .10

기계학습 기반의 감성 트위터 봇

김동균 , 허지용 , 조지훈 외 2명 한국정보과학회 학술발표논문집 2011 .11

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2016-325-002398562

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (27)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)