심전도 패턴 판별을 위한 빈발 패턴 베이지안 분류

노기용,김원식,이헌규,이상태,류근호 한국정보처리학회 2004 정보처리학회논문지D Vol.11 No.6

Electrocardiogram being the recording of the heart’s electrical activity provides valuable clinical information about heart’s status. Many researches have been pursued for heart disease diagnosis using ECG so far. However, electrocardio-graph uses foreign diagnosis algorithm due to inaccuracy of diagnosis results for a heart disease. This paper suggests ECG data collection, data preprocessing and heart disease pattern classification using data mining. This classification technique is the FB(Frequent pattern Bayesian) classifier and is a combination of two data mining problems, naive bayesian and frequent pattern mining. FB uses Product Approximation construction that uses the discovered frequent patterns. Therefore, this method overcomes weakness of naive bayesian which makes the assumption of class conditional independence. 심장의 활동을 기록한 심전도는 심장의 상태에 대한 가치 있는 임상 정보를 제공한다. 지금까지 심전도를 이용한 심장 질환 진단 알고리즘에 대한 많은 연구가 진행되어 왔으나, 심장 질환에 대한 진단 결과의 부 정확성으로 인해 심전계에서는 외국의 진단 알고리즘을 사용하고 있다. 이 논문에서는 심전도 데이터의 수집에서부터 전 처리 과정 그리고 데이터마이닝을 이용한 심장 질환 패턴 분류 기법을 제안한다. 이 패턴 분류 기법은 빈발 패턴 베이지안이며 기존의 나이브 베이지안과 빈발 패턴 마이닝의 통합이다. 빈발 패턴 베이지안은 훈련단계에서 탐사된 빈발 패턴들을 사용하여 Product Approximation 구성하므로써 클래스 조건 독립 가정을 가진 나이브 베이지안의 단점을 해결한다.

심전도 패턴 판별을 위한 빈발 패턴 베이지안 분류

노기용,김원식,이헌규,이상태,류근호,Noh, Gi-Yeong,Kim, Wuon-Shik,Lee, Hun-Gyu,Lee, Sang-Tae,Ryu, Keun-Ho 한국정보처리학회 2004 정보처리학회논문지D Vol.11 No.5

심장의 활동을 기록한 심전도는 심장의 상태에 대한 가치 있는 임상 정보를 제공한다. 지금까지 심전도를 이용한 심장 질환 진단 알고리즘에 대한 많은 연구가 진행되어 왔으나, 심장 질환에 대한 진단 결과의 부 정확성으로 인해 심전계에서는 외국의 진단 알고리즘을 사용하고 있다. 이 논문에서는 심전도 데이터의 수집에서부터 전 처리 과정 그리고 데이터마이닝을 이용한 심장 질환 패턴 분류 기법을 제안한다. 이 패턴 분류기법은 빈발 패턴 베이지안이며 기존의 나이브 베이지안과 빈발 패턴 마이닝의 통합이다. 빈발 패턴 베이지안은 훈련단계에서 탐사된 빈발 패턴들을 사용하여 Product Approximation 구성하므로써 클래스 조건 독립 가정을 가진 나이브 베이지안의 단점을 해결한다. Electrocardiogram being the recording of the heart's electrical activity provides valuable clinical information about heart's status. Many re-searches have been pursued for heart disease diagnosis using ECG so far. However, electrocardio-graph uses foreign diagnosis algorithm due to inaccuracy of diagnosis results for a heart disease. This paper suggests ECG data collection, data preprocessing and heart disease pattern classification using data mining. This classification technique is the FB(Frequent pattern Bayesian) classifier and is a combination of two data mining problems, naive bayesian and frequent pattern mining. FB uses Product Approximation construction that uses the discovered frequent patterns. Therefore, this method overcomes weakness of naive bayesian which makes the assumption of class conditional independence.

단백질 모티프 예측 및 갱신 프로토 타입 구현

노기용,김원식,이범주,이상태,류근호,Noh, Gi-Young,Kim, Wuon-Shik,Lee, Bum-Ju,Lee, Sang-Tae,Ryu, Keun-Ho 한국정보처리학회 2004 정보처리학회논문지D Vol.11 No.4

모티프 데이터베이스는 새롭게 등장하는 원시 단백질 서열의 기능 및 구조 예측에 사용된다. 이러한 모티프 데이터베이스들은 원시 단백질 서열의 빠른 성장과 더불어 급속한 이용 증가 추세를 보이고 있으며, 최근에 이르러 모티프 자원 통합에 관한 연구가 진행되고 있다. 그러나 이러한 모티프 데이터베이스들은 각기 개별적인 메소드로 개발되었기 때문에 각기 다른 형식의 검색 결과를 제공한다. 이러한 문제 해결을 위한 데이터베이스 통합에서는 데이터베이스 자동 갱신 문제, 복잡한 질의 처리 문제, 중복된 데이터베이스 엔트리 핸들링 문제, XML 지원 문제 등을 지니고 있다. 이 논문에서는 기존 문제점들을 해결하기 위하여 데이터베이스 자원 통합 방법론을 제안하였고, 통합된 데이터베이스의 주기적 갱신 방안과 XML로의 변환에 관하여 기술하였다. 아울러 구축된 통합 데이터베이스와 사례 데이터베이스를 비교 평가하였다. Motif databases are used in the function and structure prediction of proteins. The frequency of use about these databases increases continuously because of protein sequence data growth. Recently, many researches about motif resource integration are proceeding. However, existing motif databases were developed independently, thus these databases have a heterogeneous search result problem. Database intnegration for this problem resolution has a periodic update problem, a complex query process problem, a duplicate database entry handling problem and BML support problem. Therefore, in this paper, we suppose a database resource integration method for these problem resolution, describe periodically integrated database update method and XML transformation. finally, we estimate the implementation of our prototype and a case database.

심장 질환 진단을 위한 데이터 마이닝 기법

노기용 ( Ki Yong Noh ),이현규 ( Heon Gyu Lee ),류근호 ( Keun Ho Ryu ) 한국감성과학회 2007 감성과학 Vol.10 No.2

심혈관계 질환 진단을 위한 복합 진단 지표와 출현 패턴 기반의 분류 기법

이헌규,노기용,류근호,정두영,Lee, Heon-Gyu,Noh, Ki-Yong,Ryu, Keun-Ho,Jung, Doo-Young 한국정보처리학회 2009 정보처리학회논문지D Vol.16 No.1

심혈관계 질환의 진단 위해서 복합 진단 지표를 이용한 출현 패턴 기반의 분류 기법을 제안하였다. 복합 진단 지표 적용을 위해서 심박동변이도의 선형/비선형적 특징들을 세 가지 누운 자세에 대해 분석하였고 ST-segments로부터 4개의 진단 지표를 추출하였다. 이 논문에서는 질환진단을 위해서 필수 출현 패턴을 이용한 분류 모델을 제안하였다. 이 분류 기법은 환자 그룹의 질환 패턴들을 발견하며, 이러한 출현 패턴은 심혈관계 질환 환자들에서는 빈발하지만 정상인 그룹에서는 빈발하지 않는 패턴들이다. 제안된 분류 알고리즘의 평가를 위해서 120명의 협심증(AP: angina pectrois) 환자, 13명의 급성관상동맥증후군(ACS: acute coronary syndrome) 환자 그리고 128명의 정상인 데이터를 사용하였다. 실험 결과 복합 지표를 사용하였을 때, 세 그룹의 분류에 대한 정확도는 약 88.3%였다. In order to diagnose cardiovascular disease, we proposed EP-based(emerging pattern- based) classification technique using multi-parametric diagnosis indexes. We analyzed linear/nonlinear features of HRV for three recumbent postures and extracted four diagnosis indexes from ST-segments to apply the multi-parametric diagnosis indexes. In this paper, classification model using essential emerging patterns for diagnosing disease was applied. This classification technique discovers disease patterns of patient group and these emerging patterns are frequent in patients with cardiovascular disease but are not frequent in the normal group. To evaluate proposed classification algorithm, 120 patients with AP (angina pectrois), 13 patients with ACS(acute coronary syndrome) and 128 normal people data were used. As a result of classification, when multi-parametric indexes were used, the percent accuracy in classifying three groups was turned out to be about 88.3%.

감성공학을 위한 섬뇌혈관데이터센터의 역할

김원식,노기용,이상태,김철중 한국감성과학회 2007 춘계학술대회 Vol.2007 No.-

동일한 감성자극을 받더라도 개인의 대뇌변연계에 저장된 정보에 의하여 그 느끼는 감성이 달라진다. 대뇌변연계에 저장되는 정보에 영향을 주는 요소로서 전전두엽의 비대칭성, 성별, 연령, 문화, 교육, 환경(지역 및 사회적) 등이 있다. 예를 들면 동일한 음질을 갖는 소리에 대하여 청취하는 사람에 따라 서로 다른 음향감성을 느끼게 되며 동일한 색채에 대하여는 풍토색이 서로 다른 환경에서 성장할 경우 그 느끼는 색채감성이 달라지게 된다. 이와 같이 감성에 영향을 주는 여러 요인들과 그 결과와의 상관성을 도출하여 궁극적으로 감성적 생리/병리에 활용하기 위해 산업자원부 지정 심뇌혈관데이터센터에서는 향후 감성에 영향을 줄 수 있는 다양한 생리신호와 그 결과로서의 감성을 체계적으로 데이터베이스화 해나갈 계획이다.

감성생체신호 측정표준화 및 참조표준을 위한 데이터의 신뢰성 평가 연구

김원식,이상태,노기용,임현균,박세진,오혜림,노보나,최형민 한국감성과학회 2011 추계학술대회 Vol.2011 No.-

경동맥의 내막, 중막, 내중막 두께 분리측정 및 임상적 중요성

김원식,정환택,노기용,배장호,Kim Wuon-Shik,Jeong Hwan-Taek,No Ki-Yong,Bae Jang-Ho 한국의학물리학회 2005 의학물리 Vol.16 No.4

경동맥 내중막 두께의 심각한 정도는 일과성 뇌 허혈, 중풍, 그리고 심근경색과 같은 관상동맥질환의 원인 질환이 되는 죽상동맥경화에 대한 독립적 예측인자이다 경동맥 내중막 두께는 내막두께와 중막두께로 구성되어 있지만, 내막과 중막 각각의 임상적 중요성에 대하여는 연구가 잘 되지 않고 있다. 본 연구에서는 죽상동맥경화증을 진단하기 위하여 B-mode 초음파 영상처리기술을 이용하여 내막, 중막, 그리고 내중막 두께를 측정하는 방법을 고안하였다. 내막, 중막, 내중막 두께의 임상적 중요성을 조사하기 위해서 144명(평균연령: 57세, 남성: 72명)의 환자를 대상으로 고해상도 초음파를 이용하여 총경동맥의 영상을 스캐닝 하였다. 그 결과, 죽상동맥경화성 질환이 있는 집단이 없는 집단에 비하여 내중막(p<0.01) 두께뿐만 아니라 내막(p<0.05) 및 중막(p<0.05)의 두께도 모두 유의하게 더 두꺼운 것으로 나타났다. 위험인자 중 고혈압이 있는 집단은 없는 집단에 비해 내막(p<0.01), 중막(p<0.001) 및 내중막(p<0.001) 두께 모두가 유의하게 더 두꺼웠고, 흡연을 하는 집단은 하지 않는 집단에 비해 내막의 두께만 유의하게 더 두꺼웠다(p<0.01). 내막(r=0.374, p=0.001), 중막(r=0.433, p=0.000) 및 내중막(r=0.479, p=0.000) 두께는 연령과 정적 상관관계(positive correlation)를 보였다. 두께들간의 공유설명량 ($r^2$) 평가결과는 내중막두께와 중막두께가 $92.4\%$, 내중막두께와 내막두께는 $49.1\%$, 그리고 내막두께와 중막두께는 $27.4\%$이었다. 이 결과는 경동맥의 내막과 중막은 서로 다른 생리현상을 갖는다는 것을 시사한다. The severity of carotid Intima-media thickness (IMT) is an Independent predictor of atherosclerosis which causes transient cerebral ischemia, stroke, and coronary events such as myocardial Infarction. The IMT consists of Intima thickness (IT) and media thickness (MT). However, the Individual clinical significance of IT and MT has not been well studied. We devised a method of measuring IT, MT, and IMT using B-mode ultrasound Image processing technique for the diagnosis of atherosclerosis. To inspect the clinical significance of IT, MT, and IMT, one hundred forty-four consecutive patients (mean age; 57 years old, 72 males) were underwent common carotid artery scanning using high-resolution ultrasound. Results showed that, the IT (p<0.05), MT (p<0.05) as well as IMT (p<0.01) of patients with atherosclerotic disease were significantly thicker than that of the patients without atherosclerotic disease. Patients with hyperiension showed significantly thicker IT (p<0.01), MT (p<0.001), and IMT (p<0.001). However, only IT was thicker in patients with smoking (p<0.01). The IT (r=0.374, p=0.001), MT (r=0.433, p=0.000), and IMT (r=0.479, p=0.000) showed positive correlation with age. The coefficients of determination ($r^2$) were estimated to be $92.4\%$ for IMT and MT, $49.1\%$ for IMT and IT, and $27.4\%$ for IT and MT. This result suggests that the Intima layer of the carotid artery has a different physiology with the media layer.

Bi계 산화물 초전도체 2212상에서의 구조변조

신재수,권태송,윤상원,이창희,노기용 한국세라믹학회 2001 한국세라믹학회지 Vol.38 No.4

고상반응법(solid-state reaction)으로 산화물 초전도체 Bi$_{2+x}$ Sr$_{1.8}$ $CaCu_2$$O_{8+\delta}$(-0.2$\leq$x$\leq$0.2)을 제조하여 조성변화에 따른 산소량과 Bi 이온의 하전가(valence)가 구조변조의 주기에 미치는 영향을 조사하였다. 2212상의 단일상 고용한계는 -0.1$\leq$x$\leq$0.1 영역이었다. 이 영역에서 x의 증가에 따라 격자상수 c는 감소를 보이며, 온셋 임계온도 Tc$^{on}$ 과 산소량은 증가하는 경향을 보였다. 또한, Bi 이온의 하전기와 구조변조의 주기는 단일상 고용한계 영역 내에서 x의 증가에 따라 감소하는 경향을 보이고 있다. 구조변조의 주기는 산소량이 증가함에 따라 감소하고 Bi 이온의 하전가 증가에 따라 증가함을 보였다. 즉, 산소의 절대량과 Bi 이온의 하전가에 따라 구조변조의 주기가 변화하는 것을 알 수 있었다.

캘린더 패턴 기반의 시간 연관적 분류 기법

이헌규(Heon Gyu Lee),노기용(Gi Young Noh),서성보(Sungbo Seo),류근호(Keun Ho Ryu) 한국정보과학회 2005 정보과학회논문지 : 데이타베이스 Vol.32 No.6

시간 데이타마이닝은 기존 데이타마이닝에 시간 개념을 추가하여 시간 속성을 가진 데이타로부터 이전에 잘 알려지지는 않았지만 묵시적이고 잠재적으로 유용한 시간 지식을 탐사하는 기술이다. 대표적 데이타마이닝 기법인 연관규칙과 분류기법은 실세계의 여러 응용분야에서 사용된다. 그러나 대부분의 데이타가 시간 속성을 포함함에도 불구하고 기존의 기법들은 시간 속성을 고려하지 않고 주로 정적인 데이타에 대한 지식 탐사만이 진행되었다. 그리고 시간 데이타에 대한 데이타마이닝 연구들은 데이타의 발생시점과 시간 제약조건을 추가한 지식 탐사에 중점을 두고 있어 데이타가 포함한 시간 의미나 시간 관계를 탐사하는데 부족하였다. 이 논문에서는 시간 클래스 연관규칙에 기반한 시간 연관적 분류기법을 제안한다. 이 기법은 분류규칙 생성을 위해서 연관적 분류에 시간 차원을 포함하여 확장한 시간 클래스 연관규칙에 의해 탐사된 규칙들을 적용하는 것이다. 그러므로 이 기법은 기존의 분류 기법들에 비해 더 유용한 지식탐사가 가능하다 Temporal data mining, the incorporation of temporal semantics to existing data mining techniques, refers to a set of techniques for discovering implicit and useful temporal knowledge from temporal data. Association rules and classification are applied to various applications which are the typical data mining problems. However, these approaches do not consider temporal attribute and have been pursued for discovering knowledge from static data although a large proportion of data contains temporal dimension. Also, data mining researches from temporal data treat problems for discovering knowledge from data stamped with time point and adding time constraint. Therefore, these do not consider temporal semantics and temporal relationships containing data. This paper suggests that temporal associative classification technique based on temporal class association rules. This temporal classification applies rules discovered by temporal class association rules which extends existing associative classification by containing temporal dimension for generating temporal classification rules. Therefore, this technique can discover more useful knowledge in compared with typical classification techniques.