감염병은 개인적인 피해뿐만 아니라 광범위한 피해로 번질 수 있는 사회적 문제이다. 감염병의 전염을 최소화하고자 한국질병관리본부는 감염병 감시체계를 운영 중이나 기존 체계에서는 신고 지연 등의 이유로 즉각 대응에 불편이 있으며, 감염병의 추세를 알 수 없어 예측 또한 쉽지 않다. 본 연구는 딥 러닝의 사회과학 융합 연구로써 감염병 발병 데이터에서의 공간적 요소를 활용하여 해당 데이터를 행렬 이미지로 변환한 뒤 시공간에 기반한 감염병 확산 예측을 시도하였다. 감염병 중에서 수두의 확산 예측을 위해 ...
감염병은 개인적인 피해뿐만 아니라 광범위한 피해로 번질 수 있는 사회적 문제이다. 감염병의 전염을 최소화하고자 한국질병관리본부는 감염병 감시체계를 운영 중이나 기존 체계에서는 신고 지연 등의 이유로 즉각 대응에 불편이 있으며, 감염병의 추세를 알 수 없어 예측 또한 쉽지 않다. 본 연구는 딥 러닝의 사회과학 융합 연구로써 감염병 발병 데이터에서의 공간적 요소를 활용하여 해당 데이터를 행렬 이미지로 변환한 뒤 시공간에 기반한 감염병 확산 예측을 시도하였다. 감염병 중에서 수두의 확산 예측을 위해 inceptionautoencoder예측 모델을 제안하였으며, 해당 모델은 전형적인 convolutional neural network 모델을 사용했을 때보다 F1-score와 AUC 값이 약 1.05배 증가하였고, 민감도는 약 1.22배 증가하였기에 수두의 발병 여부를 보다 효과적으로 예측하였다. 특히, 수두의 발병을 예측한 범위가 실제 발병 범위보다 더 큰 범위로 나타나는 경향을 보였다. 이는 감염병이 실제 발병하진 않았으나 확산이 가능한 분포를 보여준 것이라 볼 수 있기에 감염병 발병에 따른 2차적인 피해를 예방할 수 있을 것으로 사료된다. 또한, 연구의 범위를 확장하여 가축 등에서 발생하는 전염성 질병에 대한 예측도 가능할 것으로 판단되어 향후 사회적 영향력 및 활용도에 있어서 기대치가 높은 연구이다.
감염병은 개인적인 피해뿐만 아니라 광범위한 피해로 번질 수 있는 사회적 문제이다. 감염병의 전염을 최소화하고자 한국질병관리본부는 감염병 감시체계를 운영 중이나 기존 체계에서는 신고 지연 등의 이유로 즉각 대응에 불편이 있으며, 감염병의 추세를 알 수 없어 예측 또한 쉽지 않다. 본 연구는 딥 러닝의 사회과학 융합 연구로써 감염병 발병 데이터에서의 공간적 요소를 활용하여 해당 데이터를 행렬 이미지로 변환한 뒤 시공간에 기반한 감염병 확산 예측을 시도하였다. 감염병 중에서 수두의 확산 예측을 위해 inception autoencoder 예측 모델을 제안하였으며, 해당 모델은 전형적인 convolutional neural network 모델을 사용했을 때보다 F1-score와 AUC 값이 약 1.05배 증가하였고, 민감도는 약 1.22배 증가하였기에 수두의 발병 여부를 보다 효과적으로 예측하였다. 특히, 수두의 발병을 예측한 범위가 실제 발병 범위보다 더 큰 범위로 나타나는 경향을 보였다. 이는 감염병이 실제 발병하진 않았으나 확산이 가능한 분포를 보여준 것이라 볼 수 있기에 감염병 발병에 따른 2차적인 피해를 예방할 수 있을 것으로 사료된다. 또한, 연구의 범위를 확장하여 가축 등에서 발생하는 전염성 질병에 대한 예측도 가능할 것으로 판단되어 향후 사회적 영향력 및 활용도에 있어서 기대치가 높은 연구이다.
An infectious disease is a social issue which causes not only the personal damages but also the widespread damages. To minimize transmission of the infectious diseases, Korea Centers for Disease Control and Prevention operates infectious disease surveillance system in the existed system, however, im...
An infectious disease is a social issue which causes not only the personal damages but also the widespread damages. To minimize transmission of the infectious diseases, Korea Centers for Disease Control and Prevention operates infectious disease surveillance system in the existed system, however, immediate responses are not that convenient due to delayed reports and other reasons, and prediction is not that easy as well since the trends of infectious diseases are unknown. As a fusion research of the society and science for deep learning, this study attempts to predict the spread of infectious diseases by converting the spatial factor of infectious disease data to the matrix. To predict the spread of chickenpox among the infectious diseases, an inception-autoencoder predictive model using spatiotemporal data was proposed. In this corresponding model, F1-score and AUC value were increased by approximately 1.05 times compared to the typical CNN model, and in particular, sensitivity was increased by approximately 1.22 times so the occurrence of the chickenpox was predicted more effectively. Particularly, the predicted range of the chickenpox tended to be larger than the actual range of the chickenpox that occurred. It seems that possible distribution of the infectious diseases that has not actually occurred is revealed and therefore, it is thought that the secondary damage due to occurrence of infectious diseases could be prevented. By extending the study scope, it is deemed that prediction of the contagious diseases occurred in livestock may also be possible; henceforth, the study has a high expectation in its social influences and usages.
An infectious disease is a social issue which causes not only the personal damages but also the widespread damages. To minimize transmission of the infectious diseases, Korea Centers for Disease Control and Prevention operates infectious disease surveillance system in the existed system, however, immediate responses are not that convenient due to delayed reports and other reasons, and prediction is not that easy as well since the trends of infectious diseases are unknown. As a fusion research of the society and science for deep learning, this study attempts to predict the spread of infectious diseases by converting the spatial factor of infectious disease data to the matrix. To predict the spread of chickenpox among the infectious diseases, an inception-autoencoder predictive model using spatiotemporal data was proposed. In this corresponding model, F1-score and AUC value were increased by approximately 1.05 times compared to the typical CNN model, and in particular, sensitivity was increased by approximately 1.22 times so the occurrence of the chickenpox was predicted more effectively. Particularly, the predicted range of the chickenpox tended to be larger than the actual range of the chickenpox that occurred. It seems that possible distribution of the infectious diseases that has not actually occurred is revealed and therefore, it is thought that the secondary damage due to occurrence of infectious diseases could be prevented. By extending the study scope, it is deemed that prediction of the contagious diseases occurred in livestock may also be possible; henceforth, the study has a high expectation in its social influences and usages.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.