http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
암 데이터 분석을 위한 통합의료정보시스템의 데이터베이스 설계 및 구축
신동문 ( Dong Mun Shin ),허룡 ( Lyong Heo ),심재민 ( Jae-min Shim ),손호선 ( Ho Sun Shon ),류근호 ( Keun Ho Ryu ) 한국정보처리학회 2010 한국정보처리학회 학술대회논문집 Vol.17 No.1
본 논문에서는 개인 특화된 의료를 위한 진단, 치료선택, 예후 추정을 지원하기 위한 정보를 전문 의료인에게 효과적으로 제공하기 위한 데이터베이스 설계와 구축을 제시한다. 내원 환자들의 유전자 수준의 미시 데이터, 임상학적 거시 데이터, 가족력, 유사 질환군 등의 연관정보 데이터를 통합·연계하여 이력으로 관리하고, 데이터의 점진적 누적이 가능한 통합의료시스템을 위한 데이터베이스 설계의 프레임워크를 구축하였다.
신동문 ( Dong Mun Shin ),정석호 ( Suk Ho Jung ),이경민 ( Gyeong Min Yi ),이동규 ( Dong Gyu Lee ),손교용 ( Sohn Gyoyong ),류근호 ( Keun Ho Ryu ) 한국정보처리학회 2009 한국정보처리학회 학술대회논문집 Vol.16 No.2
군집화는 대용량의 데이터로부터 유용한 정보를 추출하는 데에 적합한 데이터마이닝 기법들 중 하나이다. 군집화 기법은 주어진 데이터그룹 내에서 사전정보 없이 의미있는 지식을 발견할 수 있으므로 큰 어려움이 없이 실제 응용분야에 적용할 수 있다. 또한, 대용량 데이터를 다룰 때에 개별적인 데이터에 대한 접근 횟수를 줄이고, 알고리즘이 다루어야 할 데이터 구조의 크기를 줄일 수 있다. 본 논문에서는 밀도-기반 군집화 기법을 기반으로 하는 새로운 군집화 기법을 제안한다. 우리가 제안하는 군집화 기법은 반복적인 군집화 과정을 통하여 군집 내 주변 잡음을 제거하고 더 세밀하게 집단을 세분화하는 것이 가능하다. 또한, 군집을 표현하는 데에 계층구조로 나타내어 각 군집의 상관관계를 파악하는 데에 유리하다. 본 논문에서 제안하는 군집화 기법을 통하여 다양한 밀도를 가진 군집들을 효과적으로 분류할 수 있을 거라고 기대된다.
맞춤형 국토정보의 효과적 제공을 위한 빈발 패턴 탐사 기법을 활용한 오픈맵 API 기반 프로토타입
이동규,이경민,신동문,김재철,류근호,Lee, Dong-Gyu,Yi, Gyeong-Min,Shin, Dong-Mun,Kim, Jae-Chul,Ryu, Keun-Ho 한국공간정보학회 2010 한국공간정보시스템학회 논문지 Vol.12 No.1
유비쿼터스 도시 환경에서 사용자에게 맞춤형 국토정보를 제공하기 위한 공간 정보 시스템 개발이 대두되고 있다. 공간 정보 시스템은 사용자를 위해 언제 어디서든지 공간 정보를 탐사할 수 있다. 또한, 다른 사용자들에게도 데이터마이닝 기술을 통해 분석된 정보를 제공해 줄 수 있다. 따라서, 본 논문에서는 빈발 패턴 기법을 활용한 오픈맵 API 기반 프로토타입을 제안한다. 제안하는 프로토타입은 지오포토의 위치 데이터를 기반으로 사용자에게 흥미로운 여행 코스와 우리가 알지 못했던 명소를 탐사할 수 있다. 또한, 제안된 프로토타입은 20가지의 오픈맵 API 기반 지도 중 사용자에 의해 선택된 지도에 분석된 공간 패턴을 표현할 수 있는 최초의 시도이다. 우리의 프로토타입은 스마트폰 등의 모바일 단말기에서도 응용될 수 있다. Spatial information systems have developed in order to provide users with customized land information in u-City environments. The spatial information systems can detect spatial information for users anytime anywhere. Information which is analyzed by data mining techniques can be offered for other users. Therefore, we propose open map API-based prototype which utilizes frequent pattern mining technique. Proposed prototype can mine interesting trip routes and unknown attractions in location data of geophoto. Also, proposed prototype is the first attempt which analyzes spatial patterns can be represented on a map which is selected by users. Our prototype can be applied to the smart phone like mobile devices.
평균과 표준편차를 이용한 데이터분포 기반의 연관분류기법
정석호(Suk Ho Jung),신동문(Dong Mun Shin),이경민(Gyeong Min Yi),이동규(Dong Gyu Lee),손교용(Sohn GyoYong),류근호(Keun Ho Ryu) 한국정보과학회 2009 한국정보과학회 학술발표논문집 Vol.36 No.2C
분류 기법은 해킹 방지 시스템, 부도 예측, 마케팅 전략 활용 등 다양한 방면에서 활용 된다. 전통적인 분류 기법은 분류 모델을 생성 시 단일 속성만을 고려하여 얻는 특징이 있다. 최근에는 분류기법과 연관규칙의 특징을 결합한 연관 분류기법이 활발히 연구 되고 있다. 연관분류 기법은 최소 지지도와 신뢰도를 이용하여 후보자를 생성하고 분류기를 통해 규칙을 생성한다. 그러나 본 논문에서는 평균과 표준편차를 이용한 데이터분포 기반의 연관분류기법을 제안한다. 사용한 분포 값은 수치형 값인 분류 기준 값으로 나타낸다. 분류 기준 값은 생성된 규칙들의 분류 정도를 알 수 있다. 따라서 규칙들 간의 객관적인 비교가 가능하고 최악의 분류 규칙을 판별 할 수 있다. 가장 높은 분류 기준 값을 갖는 규칙은 데이터를 분류 하는데 가장 강한 연관성을 제공한다.
서동혁(Dong-Hyok Suh),신동문(Dong Mun Shin),손호선(Ho Sun Shon),김원재(Wun-Jae Kim),김원태(Won-Tae Kim),류근호(Keun Ho Ryu) 한국정보과학회 2012 정보과학회논문지 : 데이타베이스 Vol.39 No.3
방광암은 소변에 저장하는 방광에 생기는 악성종양으로, 연령이 증가함에 따라 발생빈도가 점차 증가하게 된다. 본 연구에서는 기존에 잘 알려진 몇 가지 특징 기법과 분류 방법을 이용하여 방광암 재발 예측을 위한 다양한 예측 모형을 생성하였다. 그 다음으로 예측 분류 모형에 대한 분류 정확도를 측정하여 비교·분석함으로서 방광암 재발 위험을 예측하는 데 가장 적합한 모형을 선별하였다. 실험 결과, 특징 선택 기법은 Minimum Redundancy Maximum Relevance (MRMR)이 Conditional Mutual Information Maximization (CMIM)보다 상대적으로 더 높은 정확도를 보였으며, 특히 데이터 객체들로부터 가장 영향을 미치는 10개의 특징을 선택하여 베이지안 네트워크 모형에 적용하였을 때 예측 정확도가 가장 높게 나타났다. 이 연구를 통해 암 재발 위험을 정확히 예측함으로서 향후의 의료진들이 환자의 암 예방 및 예후를 추정하는 데 기여할 수 있을 것으로 기대된다. Bladder cancer is a malignant disease that occurs in the urinary bladder. It is the most common type of cancer after prostate cancer in the whole world. Bladder cancer can occur at any age, but it is more common among older people than the younger ones. In this paper, we built several classification models to predict the recurrence of bladder cancer with various well-known feature selection and classification techniques. In our experiment, we selected the most suitable data mining model to predict the risk of bladder cancer recurrence using several classification algorithms, such as artificial neural network, bayesian network and support vector machine. Our experiments proved that minimum redundancy maximum relevance criterion is better than conditional mutual information maximization, especially, the highest classification accuracy is obtained by bayesian network model, which contains only 10 important features. Therefore, we derived a conclusion that bayesian network model is the most appropriate for predicting the risk of bladder cancer recurrence, when comparing with other classification methods. We expect to give help in preventing cancer and estimating prognosis by discovering useful knowledge that is extracted from the model.
온라인 계층적 군집화 기법을 활용한 양방향 헬스케어 프레임워크
( Ibrahim Musa Ishag Musa ),정석호 ( Sukho Jung ),신동문 ( Dongmun Shin ),이경민 ( Gyeong Min Yi ),이동규 ( Dong Gyu Lee ),손교용 ( Gyoyong Sohn ),류근호 ( Keun Ho Ryu ) 한국정보처리학회 2009 한국정보처리학회 학술대회논문집 Vol.16 No.1
As a part of the era of human centric applications people started to care about their well being utilizing any possible mean. This paper proposes a framework for real time on-body sensor health-care system, addresses the current issues in such systems, and utilizes an enhanced online divisive agglomerative clustering algorithm (EODAC); an algorithm that builds a top-down tree-like structure of clusters that evolves with streaming data to rationally cluster on-body sensor data and give accurate diagnoses remotely, guaranteeing high performance, and scalability. Furthermore it does not depend on the number of data points.
이경민 ( Gyeong Min Yi ),정석호 ( Sukho Jung ),( Dongmun Shin ),신동문 ( Ibrahim Musa Ishag Musa ),이동규 ( Dong Gyu Lee ),손교용 ( Gyoyong Sohn ),류근호 ( Keun Ho Ryu ) 한국정보처리학회 2009 한국정보처리학회 학술대회논문집 Vol.16 No.1
트리기반 빈발 항목 집합 알고리즘들은 전체적으로 밀집 빈발 항목 집합에는 효율적이고 빠르게 빈발 항목 집합을 탐색하나 희소 빈발 항목 집합에는 효율적이지 않고 빈발 항목 집합을 빠르게 탐색하지 못한다. 반면에 배열기반 빈발 항목 집합 알고리즘은 희소 빈발 항목 집합에 효율적이고 빠르게 빈발 항목 집합을 탐색하나 밀집 빈발 항목 집합에는 효율적이지 않고 빈발 항목 집합을 빠르게 탐색하지 못한다. 밀집 및 희소 빈발 항목 집합 모두 효율적으로 빈발 항목 집합을 탐색 하고자 하는 시도가 있었으나 두 가지 종류의 알고리즘을 동시에 사용하므로 각각의 알고리즘을 사용할 정확한 기준 제시가 어렵고, 두 가지 알고리즘의 단점을 내포한다. 따라서 본 논문에서는 단일 알고리즘을 사용하여 밀집 빈발 항목 집합 및 희소 빈발 항목 집합 모두에 대해 작은 메모리 공간을 사용하면서도 효율적이고 빠르게 빈발 항목 집합을 탐색할 수 있는 CPFP-Tree라는 새로운 자료구조와 탐색 방법을 제안한다.