지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 이규성
- 발행연도
- 2020
- 저작권
- 성균관대학교 논문은 저작권에 의해 보호받습니다.
이용수6
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
남성의 하부 요로 증상을 진단하는 데 있어 요역동학적 검사가 그 기준으로 사용되고 있다. 그러나 요역동학적 검사는 침습적이라는 단점이 있다. 단순 요류 검사는 요역동학적 검사의 일부이며, 그 시행이 간단하고 비침습적인 검사이다. 그러나 요류 검사는 그 해석이 객관적이지 않다는 단점이 있어 진단 도구로는 사용되지 못하고 있다. 우리는 단순 요류 검사를 이용하여 남성의 하부 요로 증상을 진단할 수 있는 도구를 개발하고자 하였다. 그 분석을 위하여 현재 널리 개발되고 있는 인공 지능을 이용한 기계 학습을 시도하였다.
우리는 삼성 서울 병원에서 요역동학적 검사를 시행한 40세 이상의 남성 4,835명을 분석하였으며, 그 중 하부 요로 증상에 영향을 미칠 수 있는 전립선암과 방광암의 병력이 있는 환자와 수술력이 있는 환자, 도뇨관을 이용하여 배뇨하는 환자, 신경학적 방광의 요인이 있는 환자 등을 제외한 1,798명의 환자를 대상으로 하였다. 단순 요류 검사의 그래프를 자동화하여 분류 하고 편집하였으며, 이를 사용하여 합성곱 신경망 (convolutional neural network)으로 그래프를 분석하였다. 검사의 예측치는 수신자 조작 특성 곡선 (Receiver operating curve, ROC) 와 곡선하면적 (Area under curve, AUC)을 이용하여 표기 하였다.
총 1,798명의 환자 중 484(26.90%) 의 환자가 방광 출구 폐색 (Bladder outlet obstruction)을 가지고 있었으며, 902명의 환자가 배뇨근 저활동성 (detrusor underactivity)을 가지고 있었다. 방광 출구 폐색을 가지고 있는 환자와 정상군 간에는 최대 요류치 도달 시간을 제외한 대부분의 인자에서 의미 있는 차이가 발견 되었으며, 배뇨근 저활동성 환자에서는 나이와 배뇨량을 제외한 다른 인자에서 의미 있는 차이가 발견되었다. 수신자 조작 곡선 및 곡선하면적 점수에서 우리의 예측 모델은 방광 출구 폐색 환자에 대하여 67.1 %의 예측률을 보였으며, 배뇨근 저활동성 환자에서는 69.8%의 예측률을 나타내었다.
이 연구를 통하여 우리는 방광 출구 폐색 환자와 배뇨근 저활동성 환자의 단순 요류 검사 그래프를 인공 지능 기계 학습을 통하여 분석하는 진단 도구를 개발하고 그 가능성을 제시하였다.
우리는 삼성 서울 병원에서 요역동학적 검사를 시행한 40세 이상의 남성 4,835명을 분석하였으며, 그 중 하부 요로 증상에 영향을 미칠 수 있는 전립선암과 방광암의 병력이 있는 환자와 수술력이 있는 환자, 도뇨관을 이용하여 배뇨하는 환자, 신경학적 방광의 요인이 있는 환자 등을 제외한 1,798명의 환자를 대상으로 하였다. 단순 요류 검사의 그래프를 자동화하여 분류 하고 편집하였으며, 이를 사용하여 합성곱 신경망 (convolutional neural network)으로 그래프를 분석하였다. 검사의 예측치는 수신자 조작 특성 곡선 (Receiver operating curve, ROC) 와 곡선하면적 (Area under curve, AUC)을 이용하여 표기 하였다.
총 1,798명의 환자 중 484(26.90%) 의 환자가 방광 출구 폐색 (Bladder outlet obstruction)을 가지고 있었으며, 902명의 환자가 배뇨근 저활동성 (detrusor underactivity)을 가지고 있었다. 방광 출구 폐색을 가지고 있는 환자와 정상군 간에는 최대 요류치 도달 시간을 제외한 대부분의 인자에서 의미 있는 차이가 발견 되었으며, 배뇨근 저활동성 환자에서는 나이와 배뇨량을 제외한 다른 인자에서 의미 있는 차이가 발견되었다. 수신자 조작 곡선 및 곡선하면적 점수에서 우리의 예측 모델은 방광 출구 폐색 환자에 대하여 67.1 %의 예측률을 보였으며, 배뇨근 저활동성 환자에서는 69.8%의 예측률을 나타내었다.
이 연구를 통하여 우리는 방광 출구 폐색 환자와 배뇨근 저활동성 환자의 단순 요류 검사 그래프를 인공 지능 기계 학습을 통하여 분석하는 진단 도구를 개발하고 그 가능성을 제시하였다.
목차
ABSTRACT 1I. Introduction 4II. Materials and Methods 61. Ethics statement 62. Patients 63. Urodynamic Examination 74. Data Processing 85. Deep learning model traning 9III. Results 11IV. Discussion 14V. Conclusions 19References 20논문요약 30
최근 본 자료
댓글(0)
0