본 논문에서는 애견 질병에 대한 전문적인 지식이 부족한 일반인들을 대상으로 자신의 애견 건강 상태를 파악할 수 있는 진단 시스템을 제안한다. 제안된 진단 시스템은 105가지 질병과 각 질병의 증상을 데이터베이스에 구축하여 입력된 증상을 통해서 애견의 질병을 도출한다. 신경망의 자율 학습 방법인 ART2 알고리즘을 적용하여 질병을 클러스터링하고 그 결과 값인 클러스터의 출력값과 연결강도를 데이터베이스에 저장한 후 질병의 증상과 관련된 질의 결과를 입력 벡터로 제시하여 학습된 질병 정보와 비교하여 애견의 건강 상태를 진단한다. 애견의 건강 상태를 진단하는데 있어서 질병과 증상의 정확한 정보는 매우 중요하다. 따라서 본 논문에서는 질병과 증상의 정보를 데이터베이스로 구축하고 질병과 증상 정보를 효율적으로 관리할 수 있도록 하였다. 제안된 진단 시스템을 구현하여 수의학 전문의가 분석한 결과, 본 논문에서 제안한 시스템이 애견 질병의 보조 진단 시스템으로서의 가능성을 확인하였다.
본 논문에서는 애견 질병에 대한 전문적인 지식이 부족한 일반인들을 대상으로 자신의 애견 건강 상태를 파악할 수 있는 진단 시스템을 제안한다. 제안된 진단 시스템은 105가지 질병과 각 질병의 증상을 데이터베이스에 구축하여 입력된 증상을 통해서 애견의 질병을 도출한다. 신경망의 자율 학습 방법인 ART2 알고리즘을 적용하여 질병을 클러스터링하고 그 결과 값인 클러스터의 출력값과 연결강도를 데이터베이스에 저장한 후 질병의 증상과 관련된 질의 결과를 입력 벡터로 제시하여 학습된 질병 정보와 비교하여 애견의 건강 상태를 진단한다. 애견의 건강 상태를 진단하는데 있어서 질병과 증상의 정확한 정보는 매우 중요하다. 따라서 본 논문에서는 질병과 증상의 정보를 데이터베이스로 구축하고 질병과 증상 정보를 효율적으로 관리할 수 있도록 하였다. 제안된 진단 시스템을 구현하여 수의학 전문의가 분석한 결과, 본 논문에서 제안한 시스템이 애견 질병의 보조 진단 시스템으로서의 가능성을 확인하였다.
In this paper, we propose the diagnosis system that can predict pet's state of health for pet lovers lacking a technical knowledge of dog-diseases. The proposed system deduces diseases of dogs from input symptoms by our database constructed with 105 kinds of diseases and symptoms. First, a disease i...
In this paper, we propose the diagnosis system that can predict pet's state of health for pet lovers lacking a technical knowledge of dog-diseases. The proposed system deduces diseases of dogs from input symptoms by our database constructed with 105 kinds of diseases and symptoms. First, a disease is clustered by ART2, the self-learning method in neural network and secondly, the result values, outputs and the weight values clustered by the algorithm are stored to database. Finally, our system diagnoses the state of health by means of comparing the learned information of diseases with the input vectors of each symptom and the related results of questions on diseases. The correct information of diseases and symptom diagnosing is important to predict the state of health of dogs. Therefore, in this paper, the proposed system can manage symptoms and diseases efficiently by database and ART2. We ask veterinary specialist with the efficiency of our system. As a result, we could confirm the possibility as the auxiliary diagnosis system for dog diseases.
In this paper, we propose the diagnosis system that can predict pet's state of health for pet lovers lacking a technical knowledge of dog-diseases. The proposed system deduces diseases of dogs from input symptoms by our database constructed with 105 kinds of diseases and symptoms. First, a disease is clustered by ART2, the self-learning method in neural network and secondly, the result values, outputs and the weight values clustered by the algorithm are stored to database. Finally, our system diagnoses the state of health by means of comparing the learned information of diseases with the input vectors of each symptom and the related results of questions on diseases. The correct information of diseases and symptom diagnosing is important to predict the state of health of dogs. Therefore, in this paper, the proposed system can manage symptoms and diseases efficiently by database and ART2. We ask veterinary specialist with the efficiency of our system. As a result, we could confirm the possibility as the auxiliary diagnosis system for dog diseases.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
사용자가 정확한 증상을 입력할 수 있도록 하기 위해 대표 증상을 선택하도록 한다. 또한 본 논문에서는 대표 증상과 관련이 없는 증상은 완전히 배제한다는 단점을 보완하기 위해서 사용자가 원하면 2차 대표 증상을 선정할 수 있도록 하였다. 대표 증상 항목에서 대표 증상을 선택하면 관련 질병의 증상들에 대한 질의만을 나타내었다.
본 논문에서는 애견의 질병에 대한 지식이 없거나, 바쁜 일상으로 인해 조기에 치료하면 쉽게 치료할 수 있는 질병을 그 시기를 놓쳐 애견의 건강을 해치고, 심각하면 애견이 죽을 수도 있는 것을 막기 위해 가정에서 손쉽게 사용하여 애견의 상태를 쉽게 파악할 수 있는 애견 진단 시스템을 제안하였다.
제안 방법
대표 증상을 사용하여 많은 양의 증상 중에 애견이 보이고 있는 증상을 쉽게 입력할 수 있게 하였고 대표 증상을 잘못 선택하여 현재 애견의 주 질병을 놓치고 다른 질병을 진단하게 되는 것을 방지하기 위하여 2차 대표 증상도 선택할 수 있게 하였다. 그리고 선택되어진 증상들을 ART2의 입력으로 제시하여 학습되어 있는 질병들과 유클리디언 거리값을 비교하여 최종적으로 입력한 증상과 가장 가까운 질병 3가지를 도출하였다. 그러나 본 논문에서는 애견 질병의 특성상 모든 증상을 파악할 수 없었고 서로 다른 질병에서 유사한 증상을 보이고 있는 경우에는 정확히 구분하여 진단할 수 없는 문제점이 있었다.
8개 정도 밖에 되지 않기 때문에 연결강도와 입력 뉴런의 값이 둘 다 0인 경우에 일치하는 것으로 처리하여 정확한 질병 구분이 어렵다. 따라서 본 논문에서는 입력 뉴런과 연결강도 중 하나 이상의 값이 0이 아닌 뉴런을 활성화 뉴런으로 정의하여 활성화 뉴런만을 대상으로 거리 값을 구하고 평균값을 취하여 출력값을 계산한 후에 유사도 검증에 적용한다. 이 방법을 적용하면 질병이 가지고 있지 않는 증상을 입력했을 경우에는 잡음으로 처리하므로 보다 정확하게 유사도 검증을 할 수 있어 정확한 진단을 할 수 있다.
애견 진단 시스템에서는 정확한 질병과 증상 자료가 필요하다. 따라서 새롭게 나타나는 질병이나 증상을 직접 추가, 수정하여 실시간으로 데이터베이스에 갱신하여 학습할 수 있고, 사용자가 지속적으로 입력한 데이터를 기반으로 기존 질병의 증상 정보를 스스로 학습하여 갱신할 수 있는 ART2 알고리즘을 이용한 애견 진단 시스템을 제안한다.
본 논문에서 구축한 데이터베이스와 연동하여 1, 2차 대표 증상과 관련된 세부 증상을 질의로 제시하여 사용자의 증상을 입력 받는다. 입력받은 증상과 데이터베이스에 미리 학습된 정보를 토대로 유사도가 높은 순으로 상위 3가지의 질병을 결과로 도출한다.
본 논문에서는 전체 질의가 너무 많아서 사용자가 잘못된 증상을 입력하거나 나타난 증상을 놓칠 가능성을 방지하기 위하여 먼저 대표 증상을 선택하게 한다. 대표 증상이 선택되면 대표 증상을 포함하고 있는 질병들만의 증상들이 제시되므로 사용자의 올바른 증상 선택을 유도하여 진단의 정확성을 높인다.
사용자가 증상을 제시하면 미리 학습된 질병 정보에 대입하여 가장 근접한 질병 3가지를 선택한다. 새로운 질병이나 증상을 직접 추가하거나 수정하면 실시간으로 학습하여 반영하게 되고 또, 사용자의 입력 증상과 도출된 질병의 정보를 이용하여 스스로 학습하고 질병의 증상 정보를 수정한다.
본 논문에서 구축한 데이터베이스와 연동하여 1, 2차 대표 증상과 관련된 세부 증상을 질의로 제시하여 사용자의 증상을 입력 받는다. 입력받은 증상과 데이터베이스에 미리 학습된 정보를 토대로 유사도가 높은 순으로 상위 3가지의 질병을 결과로 도출한다.
제안된 애견 진단 시스템은 ART2 알고리즘을 이용하여 사용자가 선택한 증상들과 질병 증상 정보의 유사도를 측정하여 최종 질병을 도출하였다. 대표 증상을 사용하여 많은 양의 증상 중에 애견이 보이고 있는 증상을 쉽게 입력할 수 있게 하였고 대표 증상을 잘못 선택하여 현재 애견의 주 질병을 놓치고 다른 질병을 진단하게 되는 것을 방지하기 위하여 2차 대표 증상도 선택할 수 있게 하였다.
제안된 애견 진단 시스템은 ART2 자율 학습 신경망 알고리즘을 이용하여 질병 정보를 학습하고 사용자의 입력 증상을 토대로 애견의 질병을 도출한다. ART2 신경회로망 모델은 경쟁학습의 약점인 안정성을 보강하여 제안된 모델로서 다음과 같은 특징을 갖는다[3].
제안된 애견 진단 시스템은 ART2 자율 학습 알고리즘을 이용하여 질병을 학습하고, 사용자가 입력한 증상으로 진단의 결과를 도출한다.
제안된 애견 진단 시스템은 애견 질병 정보 서적 ‘애견 질병의 지식과 길들이는 법’, ‘애완견의 질병과 치료’에 나타난 애견 질병 중 105가지 질병들을 선정하여, 선정된 질병들에 나타나는 증상들을 전체적 상태, 머리, 배, 다리, 엉덩이, 눈, 코, 잎, 귀, 털, 피부, 성격, 배설의 13가지 부위로 구분하여 총 180개의 증상을 선정하였다[1][2].
질병 테이블의 증상코드는 코드 상의 숫자에 해당하는 증상 테이블의 ID를 가진 증상을 포함하는 것을 의미한다. 증상 테이블은 증상별 고유 ID와 증상의 부위, 증상 내용으로 구성된다.
대표 증상을 선택하면 세부 증상의 질의가 나타나고 사용자가 세부 증상을 선택한다. 증상이 선택되면 그 결과를 ART2의 입력으로 제시하여 학습되어 있는 질병들과 유클리디언 거리값을 비교하여 최종적으로 애견의 증상과 가장 가까운 질병 3가지를 도출한다.
대상 데이터
0로 구현하였다. 실험에 사용된 질병은 전체 애견 질병 중 각기 다른 증상을 보이는 105개의 질병을 선정하였고, 그 질병에 나타나는 증상 180개를 전체적 상태, 머리, 배, 다리, 엉덩이, 눈, 코, 잎, 귀, 털, 피부, 성격, 배설의 13가지 부위로 구분하였다. (그림 4)는 제안된 애견 진단 시스템의 초기 화면이다.
성능/효과
(그림 7)과 같이 백내장, 각막염, 유루증 순으로 도출되었고 2차 대표 증상을 선택하기 전 50%로 유사도가 가장 높았던 유루증이 23%로 나타났고 백내장이 72%로 가장 높게 나타났다. 1차 대표 증상을 제대로 선택하게 되면 문제가 없지만, 1차로 선택한 대표 증상이 현재 애견이 보이고 있는 주된 질병의 증상이 아니고 다른 증상이었을 경우에는 질병을 진단하는 방향이 완전히 잘못되는 오류를 2차 대표 증상을 통해 보완할 수 있음을 확인하였다.
기력쇠약’, ‘점액변이나 피가 섞인 변을 본다’, ‘탈수’ 의 7개의 증상을 입력으로 진단한 결과이다. (그림 8)의 결과를 보면 유사한 증상을 보이는 파보 바이러스 감염증과, 코로나 바이러스 감염증이 각각 88%, 86%로 거의 구분하기 힘든 결과가 나온 것을 확인할 수 있었다.
(그림 7)과 같이 백내장, 각막염, 유루증 순으로 도출되었고 2차 대표 증상을 선택하기 전 50%로 유사도가 가장 높았던 유루증이 23%로 나타났고 백내장이 72%로 가장 높게 나타났다. 1차 대표 증상을 제대로 선택하게 되면 문제가 없지만, 1차로 선택한 대표 증상이 현재 애견이 보이고 있는 주된 질병의 증상이 아니고 다른 증상이었을 경우에는 질병을 진단하는 방향이 완전히 잘못되는 오류를 2차 대표 증상을 통해 보완할 수 있음을 확인하였다. 그러나 같은 질병이라고 하더라도 애견 별로 보이는 증상이 약간씩 차이가 있고, 질병의 초기와 후기에서 보이는 증상이 다를 경우 정확히 진단하는데 어려움이 있다.
제안된 애견 진단 시스템은 ART2 알고리즘을 이용하여 사용자가 선택한 증상들과 질병 증상 정보의 유사도를 측정하여 최종 질병을 도출하였다. 대표 증상을 사용하여 많은 양의 증상 중에 애견이 보이고 있는 증상을 쉽게 입력할 수 있게 하였고 대표 증상을 잘못 선택하여 현재 애견의 주 질병을 놓치고 다른 질병을 진단하게 되는 것을 방지하기 위하여 2차 대표 증상도 선택할 수 있게 하였다. 그리고 선택되어진 증상들을 ART2의 입력으로 제시하여 학습되어 있는 질병들과 유클리디언 거리값을 비교하여 최종적으로 입력한 증상과 가장 가까운 질병 3가지를 도출하였다.
그렇지만 현재 애견이 앓고 있는 주요 질병의 증상이 아닌 증상을 대표 증상으로 선택했을 경우, 나타나는 증상 질의들이 전혀 다른 질병의 증상이기 때문에 오진할 가능성이 높다. 따라서 본 논문에서는 대표 증상을 입력한 후, 나타난 증상 질의에 현재 애견이 보이고 있는 증상이 없는 경우에는 추가로 2차 대표 증상을 선택할 수 있게 하여 1, 2차 대표 증상에서 생성되는 질의를 모두 나타냄으로써 잘못된 대표 증상 선택으로 인해 오진할 가능성을 줄인다.
(그림 6)에서는 입력된 증상 벡터와 질병 증상 벡터간의 유사도 측정을 통해 유루증, 각막염, 외이염이 선택 되었다. 선택된 3가지 질병을 내림차순으로 정렬하여 유루증이 50%로 유사도가 가장 높게 나타났다.
후속연구
그리고 선택되어진 증상들을 ART2의 입력으로 제시하여 학습되어 있는 질병들과 유클리디언 거리값을 비교하여 최종적으로 입력한 증상과 가장 가까운 질병 3가지를 도출하였다. 그러나 본 논문에서는 애견 질병의 특성상 모든 증상을 파악할 수 없었고 서로 다른 질병에서 유사한 증상을 보이고 있는 경우에는 정확히 구분하여 진단할 수 없는 문제점이 있었다. 그리고 질병의 초기, 후기의 증상이 약간씩 차이가 있어서 초기의 증상을 입력하면 학습되어 있는 질병의 증상들을 다 만족시키지 못하기 때문에 유사도가 현저히 낮아지는 문제점도 발생하였다.
따라서 향후 연구 과제는 애견의 질병에서 보이고 있는 증상을 더욱 분석하여 단지 증상의 유무가 아닌, 증상의 심각도를 구분하여 같은 증상을 가진 질병이라도 그 증상의 심각도에 따라 정확하게 구분할 수 있는 퍼지 기법을 연구할 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
본 논문에서 제안된 애견 진단 시스템은 어떤 방법을 통해 잘못된 대표 증상 선택으로 인해 오진할 가능성을 줄이는가?
그렇지만 현재 애견이 앓고 있는 주요 질병의 증상이 아닌 증상을 대표 증상으로 선택했을 경우, 나타나는 증상 질의들이 전혀 다른 질병의 증상이기 때문에 오진할 가능성이 높다. 따라서 본 논문에서는 대표 증상을 입력한 후, 나타난 증상 질의에 현재 애견이 보이고 있는 증상이 없는 경우에는 추가로 2차 대표 증상을 선택할 수 있게 하여 1, 2차 대표 증상에서 생성되는 질의를 모두 나타냄으로써 잘못된 대표 증상 선택으로 인해 오진할 가능성을 줄인다.
애견 진단 시스템에서 필요한 것은 무엇인가?
애견 진단 시스템에서는 정확한 질병과 증상 자료가 필요하다. 따라서 새롭게 나타나는 질병이나 증상을 직접 추가, 수정하여 실시간으로 데이터베이스에 갱신하여 학습할 수 있고, 사용자가 지속적으로 입력한 데이터를 기반으로 기존 질병의 증상 정보를 스스로 학습하여 갱신할 수 있는 ART2 알고리즘을 이용한 애견 진단 시스템을 제안한다.
애견 의료서비스의 일환으로 애견 자가진단 시스템의 개발이 요구되는 것은 어떤 문제를 해결하기 위함인가?
오늘날 애견에 대한 관심이 늘어 많은 가정에서 애견을 기르고 있지만, 전문적인 수의학 지식이 없는 일반인은 애견의 질병에 대해서 잘 알지 못한다. 애견의 건강에 이상이 생기면 애견이 그에 관련된 행동을 보이거나 몸의 상태에 변화가 생긴다. 그러나 이러한 행동과 몸의 변화가 나타내는 의미를 모르거나 자신의 애견이 보이고 있는 질병의 심각도를 몰라서, 대수롭지 않게 생각하여 병원에 데리고 가지 않을 경우, 간단하게 치료 가능한 질병도 시기를 놓쳐 애견이 큰 고통을 겪게 되고 심각하면 생명을 위협할 수도 있다. 이러한 문제를 해결하기 위해 애견 의료서비스의 일환으로 가정에서 간단히 애견의 건강 상태를 진단하고 관리할 수 있는 애견 자가진단 시스템의 개발이 요구된다.
참고문헌 (5)
홍영의, 애견 질병의 지식과 길들이는 법, 유원출판사, 2001.
장정석, 애완견의 질병과 치료, 하서출판사, 2003.
G. A. Carpenter, S. Grossberg, "The ART of Adaptive Pattern Recognition by a Self- Organizing Neural Network," Computer, Vol. 21, No.3, pp.77-88, 1988.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.