http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
방선주,박성홍,신현정 대한산업공학회 2015 대한산업공학회 춘계학술대회논문집 Vol.2015 No.4
그래프(또는 네트워크)에서 데이터를 연결하는 엣지에 방향성이 존재하는지에 따라 다른 해석이 가능 엣지에 방향성이 없는 무방향성(undirected) 그래프가 데이터 간의 연관관계만을 제시한다면, 방향성(directed) 이 있는 그래프는 연관관계뿐만 아니라 데이터 간의 인과관계까지도 파악할 수 있음 본 연구에서는 주어진 데이터로 그래프를 구성할 때, 주어진 데이터 외에 외부 정보를 활용하여 그래프에 방향성을 부여하는 방법론을 제안 제안하는 방법론은, 수 천 개의 단백질 정보로부터 구축된 인간질병네트워크(무방향성)에 대하여, 외부정보인 대사경로 데이터를 활용하여 방향성을 부여하는 연구에 적용 및 텍스트 마이닝 기법을 통한 검증
Tri-phase Data Mining Modeling for Dementia Diagnosis
방선주,손상준,홍창형,신현정 대한산업공학회 2016 대한산업공학회 춘계학술대회논문집 Vol.2016 No.4
환자의 치매 진단을 위해서 환자의 의학정보와 보호자설문조사 및 다양한 의료진 검사로 이루어진 약 480여 개의 진단기준을 사용한다. 의료진의 진단을 보조할 수 있는 예측 모델이 개발된다면 의료진과 환자의 시간 및 경제적 비용, 더 나아가서는 사회적 비용을 줄일 수 있다. 또한, 분야의 특성상 예측 모델의 결과에 대한 설명이 반드시 동반되어야 의미 있는 활용이 가능하다. 본 연구에서는 이를 반영한 세 모듈로 구성된 3상(tri-phase) 데이터마이닝 모델링방법을 제안한다. Proposer Module에서는 진단에 유효한 변수들을 스크리닝하며, Predictor Module에서는 치매를 예측, 진단한다. Descriptor Module에서는 예측 결과를 해석하여 진단 원인과 치매 유형 등을 파악한다. 제안한 모델은 노인임상시험연구센터(CREDOS)에서 구축한 2만 명의 치매환자에 대한 코호트 연구 데이터베이스에 적용되었다.
기계학습 알고리즘을 활용한 갑상선암 재발의 위험요소 추출 및 예측모델 개발
방선주,신현진,김수영,신현정 대한산업공학회 2019 대한산업공학회 추계학술대회논문집 Vol.2019 No.11
본 연구에서는 갑상선암 재발의 임상 병리학적(Clinicopathology) 위험 요소(Risk Factor)를 식별하고, 갑상선 절제술을 받은 환자의 재발가능성 모니터링에 활용할 수 있는 예측 모델을 생성하기 위한 데이터분석 프로세스 제안함. 분석을 위해서 강남 세브란스 연세대학교 의과 대학에서 2009년 1월부터 2010년 6월 사이에 수집한 갑상선암 환자 758명에 대한 데이터를 활용함. 전처리 단계에서, 데이터 불균형 문제(Class imbalance problem)와 호르몬 수준을 indexing을 위한 오버 샘플링 방법인 SMOTE-NC(Synthetic Minority Over-sampling Technique - Nominal Continuous) 및 인자 추출 기법 주성분 분석(Principal Component Analysis) 사용됨. 전체 프로세스는 두 가지 목적으로 구성됨: [1] 의사결정트리 모델을 사용한 갑상선암 재발의 임상 병리학적 위험 요소 추출. [2] 기계학습 예측모델(Nearest Neighbors, Gaussian Process, Random Forest, Neural Net, AdaBoost, Naïve Bayes)을 활용한 갑상선암 재발 예측모델 개발. 결론적으로, 재발가능성이 높은 환자와 그렇지 않은 환자의 특성을 정의할 수 있었음: 림프 중심 비율> 0.62, 결절 > 0.75㎝, 키<174.85cm인 환자의 90 % 재발, 10 %는 재발하지 않음. 또한, 성능 비교를 통해서, 샘플링된 데이터와, 호르몬 index를 사용한 Gaussian Process가 우수한 예측 성능 (AUC: 0.982)과 효율성을 보이는 것으로 확인되었음. 본 연구는 다양한 머신러닝 기법을 의료분야에 적용한 사례로, 데이터의 특성과 목적에 맞는 적절한 모델링 프로세스를 제안하였음. 제안한 프로세스는 임상의가 이해하기 쉬운 해석 가능한 모델부터 예측 성능이 뛰어난 모델을 활용하여 의미 있는 결과를 도출하였음.
방선주,박성홍,신현정 한국경영과학회 2015 한국경영과학회 학술대회논문집 Vol.2015 No.4
그래프(또는 네트워크)에서 데이터를 연결하는 엣지에 방향성이 존재하는지에 따라 다른 해석이 가능 엣지에 방향성이 없는 무방향성(undirected) 그래프가 데이터 간의 연관관계만을 제시한다면, 방향성(directed) 이 있는 그래프는 연관관계뿐만 아니라 데이터 간의 인과관계까지도 파악할 수 있음 본 연구에서는 주어진 데이터로 그래프를 구성할 때, 주어진 데이터 외에 외부 정보를 활용하여 그래프에 방향성을 부여하는 방법론을 제안 제안하는 방법론은, 수 천 개의 단백질 정보로부터 구축된 인간질병네트워크(무방향성)에 대하여, 외부정보인 대사경로 데이터를 활용하여 방향성을 부여하는 연구에 적용 및 텍스트 마이닝 기법을 통한 검증
Tri-phase Data Mining Modeling for Dementia Diagnosis
방선주,손상준,홍창형,신현정 한국경영과학회 2016 한국경영과학회 학술대회논문집 Vol.2016 No.4
환자의 치매 진단을 위해서 환자의 의학정보와 보호자설문조사 및 다양한 의료진 검사로 이루어진 약 480여 개의 진단기준을 사용한다. 의료진의 진단을 보조할 수 있는 예측 모델이 개발된다면 의료진과 환자의 시간 및 경제적 비용, 더 나아가서는 사회적 비용을 줄일 수 있다. 또한, 분야의 특성상 예측 모델의 결과에 대한 설명이 반드시 동반되어야 의미 있는 활용이 가능하다. 본 연구에서는 이를 반영한 세 모듈로 구성된 3상(tri-phase) 데이터마이닝 모델링방법을 제안한다. Proposer Module에서는 진단에 유효한 변수들을 스크리닝하며, Predictor Module에서는 치매를 예측, 진단한다. Descriptor Module에서는 예측 결과를 해석하여 진단 원인과 치매 유형 등을 파악한다. 제안한 모델은 노인임상시험연구센터(CREDOS)에서 구축한 2만 명의 치매환자에 대한 코호트 연구 데이터베이스에 적용되었다.