KCI등재
자기조직화지도 신경망을 활용한 의료 진단검사 결과 패턴인식 모델
저자
발행기관
학술지명
권호사항
발행연도
2016
작성언어
Korean
주제어
KDC
324
등재정보
KCI등재
자료형태
학술저널
발행기관 URL
수록면
115-134(20쪽)
KCI 피인용횟수
0
DOI식별코드
제공처
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.
더보기In 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.
분석정보
연월일 | 이력구분 | 이력상세 | 등재구분 |
---|---|---|---|
2026 | 평가예정 | 재인증평가 신청대상 (재인증) | |
2020-01-01 | 평가 | 등재학술지 유지 (재인증) | KCI등재 |
2017-01-01 | 평가 | 등재학술지 유지 (계속평가) | KCI등재 |
2014-01-14 | 학술지명변경 | 외국어명 : Korea Journal of Business Administration -> Korean Journal of Business Administration | KCI등재 |
2014-01-09 | 학술지명변경 | 외국어명 : 미등록 -> Korea Journal of Business Administration | KCI등재 |
2013-01-01 | 평가 | 등재 1차 FAIL (등재유지) | KCI등재 |
2010-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2008-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2005-05-30 | 학회명변경 | 영문명 : Daehan Association Of Business Administration Korea (Daba) -> DAEHAN Association of Business Administration, Korea (DABA) | KCI등재 |
2005-01-01 | 평가 | 등재학술지 선정 (등재후보2차) | KCI등재 |
2004-01-01 | 평가 | 등재후보 1차 PASS (등재후보1차) | KCI후보 |
2002-01-01 | 평가 | 등재후보학술지 선정 (신규평가) | KCI후보 |
기준연도 | WOS-KCI 통합IF(2년) | KCIF(2년) | KCIF(3년) |
---|---|---|---|
2016 | 1.26 | 1.26 | 1.44 |
KCIF(4년) | KCIF(5년) | 중심성지수(3년) | 즉시성지수 |
1.53 | 1.53 | 2.107 | 0.23 |
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)