http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : Musarrat Hussain (검색결과 4 건)
- 무료
- 기관 내 무료
- 유료
-
( Musarrat Hussain ),( Sungyoung Lee ) 한국정보처리학회 2017 한국정보처리학회 학술대회논문집 Vol.24 No.1
Importance and usage of the recommender system increases with the increase of information. The accuracy of the system recommendation primarily depends on the data. There is a problem in recommender systems, known as cold start problem. The lack of data about new products and users causes the cold start problem, and the system will not be able to give correct recommendation. This paper deals with cold start problem by comparing product specification and the review of the resembled products. The user, who likes the resembled product of the new one has more probability of taking interest in the new product as well. However, if a user disagreed with resembled product due to some reasons which the user mentioned in the reviews. The new product overcomes that issue, so the user will greatly accept the new product. Therefore, the system needs to recommend new product to those users as well, in this way the cold start problem will get resolved.
-
지능형 의료플랫폼 (Intelligent Medical Platform: IMP)
Musarrat Hussain,Taqdir Ali,Jamil Hussain,Fahad Ahmed Satti,Usman Akhtar,방재훈,허태호,강선무,강병호,이승룡 한국통신학회 2020 정보와 통신 Vol.37 No.9
임상의사결정지원시스템 (Clinical Decision Support Systems: CDSS)은 일반적으로 지식기반(Knowledge Based: KB) CDSS와 Non-KB CDSS로 구분된다. KB CDSS는 의료전문가들의 경험을 기반으로 주로 룰 형태의 지식베이스를 구축하여 작동되며, Non-KB CDSS는 다양한 의료 빅데이터에 인공지능 기술을 활용하여 직관, 분석, 판단 및 지식을 제공한다. 본고에서는 KB CDSS와 Non-KB CDSS의 특성을 결합한 Hybrid CDSS 형태의 Intelligent Medical Platform (IMP)과 그 응용 서비스인 Silo를 소개한다. Silo란 IMP가 제공하는 특정 질환에 대한 지능형 의료 추천 서비스를 일컫는다. CDSS의 핵심은 신뢰도 있는 고품질의 지식베이스 구축 및 관리인데, 전문가 지식에 기반하는 기존의 KB CDSS의 지식베이스 구축은 지식공학자에 의존적이며 지식이 증가하는 경우 유지보수가 어렵다. 반면, 다양한 의료 빅 데이터로부터 주로 딥러닝을 사용하여 지식을 획득하는 Non-KB CDSS는 의사결정과정을 알 수 없어 투명성 부족으로 사용이 제한적이다. 따라서, 양쪽의 장점을 결합한 하이브리드형 CDSS의 일종인 제안하는 IMP 플랫폼은 고품질의 지식을 보장하고 유지보수가 용이하다. 신뢰도가 높은 고품질 지식을 보장하기 위해 의료 전문가로부터 도출된 룰 형태의 (화이트박스형) 지식을 기반으로 하고 정형, 비정형, 영상 등 다양한 형태의 의료 빅데이터로부터 머신러닝 (화이트박스형) 또는 딥러닝 알고리즘 (블랙박스형)을 사용하여 획득된 직관이나 지식을 병합한다. 한편, 진화하는 대용량 지식베이스 구축을 손쉽게 하기위하여 검증된 점진적 지식모델(Incremental Knowledge Model)인 화이트박스형 Ripple Down Rules (RDR)을 사용한다. 따라서, 최종적으로 구축되는 하이브리드형 지식베이스는 화이트박스형 RDR 지식 모델을 기반으로 하기때문에 의사결정의 투명성을 보장하고 방대한 지식베이스 구축이 용이하다. 동시에, IMP가 제공하는 엔지니어링 지원도구를 사용하여 의료인들은 지식공학자들의 도움을 최소화하면서 손쉽게 지식을 획득, 병합, 검증 및 유지보수를 할 수 있다. 본고에서는 저자가 개발하고 있는 IMP의 각 구성 컴포넌트를 소개하고, 이에 기반한 지능형 의료 서비스 사례로, 전문가 기반의 갑상선 암 치료 silo, 데이터 기반의 당뇨망막병증 진단 silo, 하이브리드 기반의 심부전 진단 silo를 소개한다.
-
심혈관 사일로: 심부전 진단을 위한 지능형 의사결정시스템
최동주,Taqdir Ali,박진주,Musarrat Hussain,이승룡 한국통신학회 2020 정보와 통신 Vol.37 No.9
진단 오류 및 투약 실수, 환자의 추천 사항 미준수 등은 의료 품질을 저해시키는 주요 요소들이다. 심부전의 경우 전문의도 정확한 진단을 내리지 못하는 경우가 발생할 수 있지만, 전자 의무 기록(Electronic Medical Records, EMR)의 데이터를 임상 의사결정 지원 시스템(Clinical Decision Support System, CDSS) 등을 사용하여 진단 정확도를 높일 수 있다. 저자는 호흡곤란을 비롯한 다양한 증상을 가진 심부전(Heart Failure, HF) 환자를 진단할 수 있는 심혈관 CDSS를 개발하고 테스트한 이력을 갖고 있으며, 이를 바탕으로 본고에서는 지능형 의료 플랫폼(Intelligent Medical Platform, IMP)에서의 심혈관 사일로 구축 과정을 제안한다. 사일로 구축의 핵심은 지식 획득 방법으로, 심혈관 사일로에서는 전문가 기반 지식 획득과 기계학습 기반 지식 획득 방법, 그리고 이 두 가지 방법을 병합한 혼합 기반 지식 획득 방법을 사용한다. 구축한 사일로에 대해 1,198명의 실제 환자 데이터를 이용해 실험을 진행한 결과 전문가 기반 방법은 90%의 정확도를, 데이터 기반 방법은 88.5%의 정확도를 도출하였으며, 혼합 기반 방법은 98.3%로 가장 높은 정확도를 기록하였다.
-
지능형 지식저작 도구: Intelligent-Knowledge Authoring Tool(I-KAT)
방재훈,허태호,Taqdir Ali,Musarrat Hussain,이승룡 한국통신학회 2020 정보와 통신 Vol.37 No.9
건강과 의료 관련 추천 시스템은 올바른 추천 사항을 적시에 올바른 사용자에게 제공해야 되고, 이를 위해 시스템이 보유하고 있는 지식은 진화해야되며, 오류 없이 항상 정확하고 최신성을 유지해야 한다. 지식은 의사와 의료 데이터로부터 획득할 수 있으며 이를 바탕으로 한 지식베이스의 생성과 업데이트는 다양한 기계학습 알고리즘과 진화형 지식 획득 기술들을 이용하거나 전문가들이 직접 경험지식을 입력하고 검증할 수 있어야 한다. 그러나 현재 많은 의료 추천 시스템들은 의사의 경험이나 의료 데이터로부터 지식을 획득하거나 관리를 적절하게 수행할 수 있는 저작도구가 충분하지 않다. 이를 해결하기 위하여 본고에서는 지능형 지식 저작 도구 I-KAT (Intelligent-Knowledge Authoring Tool)을 제안한다. I-KAT은 지식 공학자로부터 도움을 최소로 받으며 의료 전문가들이 쉽게 지식을 획득, 관리 및 검증할 수 있도록 보조한다. I-KAT은 다양한 분야에서 활용되도록 개발되었으나 본고에서는 의료분야로 한정한다. 전문가의 지식 생성 효율을 높이기 위하여 I-KAT은 병원경영정보시스템의 임상 개념을 바탕으로 생성된 도메인 임상 모델(Domain Clinical Model, DCM)을 사용한다. I-KAT에 대한 성능 실험은 여러 방법이 있지만 본고에서는 룰을 생성하는 시간의 효율성과 사용자 설문을 통한 만족도를 측정하는 방법으로 범위를 제한 하였다.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
