[논문]의학진단에 이용되는 해밍 거리의 특성 탐색

안정용

doi:10.7465/jkdi.2012.23.2.227

[국내논문] 의학진단에 이용되는 해밍 거리의 특성 탐색
On the characteristics of the Hamming distances in medical diagnosis 원문보기

Journal of the Korean Data & Information Science Society = 한국데이터정보과학회지, v.23 no.2, 2012년, pp.227 - 234

초록
AI-Helper

의학진단을 위해 여러 증상과 질병 사이의 거리를 이용하는 연구가 많이 진행되고 있다. 그러나 거리들이 비슷한 값을 가지는 경우가 많이 발생하며, 이들 거리의 차이값은 정규분포 또는 카이제곱분포 등과 같은 일반적인 통계분포를 따르지 않는다. 본 연구에서는 의학진단에 사용되는 해밍 거리들의 차이값에 대한 분포적 특성에 대해 살펴보고, 이 차이값의 유의성 검정에 대해 탐색해보고자 한다.

Abstract ▼ AI-Helper

Hamming distances in medical science are used for the diagnosis of diseases. The differences of the distances, however, are often very small, and is not in the general statistical form such as normal or chi-square distribution. In this study, we explore the characteristics and significance of the di...

Keyword

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구에서는 구간값 퍼지 데이터를 이용한 의학진단에서 진단 척도로 흔히 활용되는 해밍 거리 (Hamming distances)의 특성에 관해 살펴보고자 한다. 특히, 질병을 진단하기 위하여 해밍 거리의 차이를 이용하므로 거리의 차이에 대한 유의성을 판단하는 기준을 제시해보고자 한다.
본 연구에서는 구간값 퍼지 데이터를 이용한 의학진단에서 진단 척도로 흔히 활용되는 해밍 거리 (Hamming distances)의 특성에 관해 살펴보고자 한다. 특히, 질병을 진단하기 위하여 해밍 거리의 차이를 이용하므로 거리의 차이에 대한 유의성을 판단하는 기준을 제시해보고자 한다. 2장에서는 의학진단을 위해 본 연구에서 사용하는 구간값 퍼지 데이터의 형태에 대해 소개하고, 해밍 거리를 이용하는 의학진단 과정을 기술한다.
본 연구에서는 구간값 퍼지 데이터를 이용한 의학진단에서 진단 척도로 흔히 활용되는 해밍 거리의 특성에 관해 탐색해 보았다. 환자가 갖는 증상의 수가 많을 경우에는 각 거리들간에 특별한 관계가 나타나지 않으나 증상의 수가 적은 경우에는 각 거리들간에 역상관 형태의 관계를 찾을 수 있었다.

제안 방법

해밍 거리의 차이값에 대한 특성을 탐색하기 위해 예제 2.1과 같이 가상 환자에 대한 시뮬레이션을 실시하였다. 예제 2.
1은 9개의 증상을 갖는 환자의 각 질병에 대한 해밍 거리를 계산해놓은 것이다. 본 연구에서는 환자가 갖는 증상의 수를 3개에서 21개까지 변화시켜 가면서 각각의 경우에 환자 10, 000명에 대한 해밍 거리를 구하였다. 예를 들어, 환자가 갖는 증상의 수가 3개일때의 시뮬레이션 과정은 다음과 같다.
예를 들어, 환자가 갖는 증상의 수가 3개일때의 시뮬레이션 과정은 다음과 같다. 먼저, 55개의 증상 중 3개의 증상을 임의로 배정하고, 환자가 갖는 증상에 대한 고유 정도와 일반 정도를 수집한다. 일반 정도는 표 2.

대상 데이터

본 연구에서 이용되는 데이터는 선행연구 Kim 등 (2007), Ahn 등 (2011)을 통해 개발되었으며, 질병의 범위를 두통에서 가장 흔하게 나타나는 편두통 (migraine), 긴장형두통 (tension headache), 군발성두통 (cluster headache)으로 한정하였다. 편두통과의 관련성이 큰 증상 23개 (M1 ∼ M23), 긴장형두통과의 관련성이 큰 증상 17개 (T1 ∼ T17), 군발성두통과의 관련성이 큰 증상 15개 (C1 ∼ C15) 목록을 작성하였으며, 각각의 증상들에는 3가지 두통과의 관련 정도에 따라 표 2.

데이터처리

환자가 갖는 증상의 수가 많을 경우에는 각 거리들간에 특별한 관계가 나타나지 않으나 증상의 수가 적은 경우에는 각 거리들간에 역상관 형태의 관계를 찾을 수 있었다. 또한 해밍 거리들의 차이값은 일반적인 통계 분포를 따르지 않는 형태이기 때문에 가상 환자에 대한 시뮬레이션을 통하여 그 차이의 유의성 검정을 위한 임계값을 계산하였다.

이론/모형

데이터의 개발과 더불어 가장 중요한 과정은 의학진단 방법을 개발하는 것이다. 본 연구에서 이용하는 의학 진단 방법은 선행연구 Ahn 등 (2011)을 통해 개발되었으며 여기에서는 그 절차에 대해서만 간단히 소개한다. 진단 방법은 다음과 같이 4단계로 이루어져 있다.
• 단계 3 : 단계 2에서 계산된 IIFWAA 사이의 해밍 거리를 계산한다. 해밍 거리의 계산은 Park 등 (2008)에서 제시된 식을 수정한 정의 2.2를 이용한다.

후속연구

향후 해밍 거리의 특성을 세밀하게 파악하기 위한 추가적인 연구가 더 필요하다. 예를 들어, 그림 3.

질의응답

핵심어	질문	논문에서 추출한 답변
	해밍 거리란?	해밍 거리는 컴퓨터 통신 등에서 문자열의 전송 도중 몇개의 글자에서 오류가 났는지를 측정하기 위한 척도로 Hamming (1950)에 의해 소개되었으며, 암호학, 최적화 문제, 정보이론 등의 분야에서 많이 활용되고 있다. 의학진단분야에서는 Szmidt 등 (2001)에 의해 이용이 시작되었으나 해밍 거리에 대한 통계적 특성을 탐구하는 연구는 거의 이루어지지 않고 있다.
	퍼지 데이터에 기반하여 질병과 증상 사이의 관계를 정의하고 max-min-max 규칙을 적용하여 환자의 질병을 판단하는 방법의 단점은?	퍼지 데이터를 의학진단에 이용하는 가장 일반적인 방법은 퍼지 데이터에 기반하여 질병과 증상 사이의 관계를 정의하고, 이들 관계에 max-min-max 규칙을 적용하여 환자의 질병을 판단하는 방법이다. 그러나 이 방법은 최대값 또는 최소값의 극단적인 정보만을 이용하기 때문에 이들 데이터를 제외한 다른 데이터들이 가지고 있는 정보의 손실이 발생하는 단점을 가지고 있다. 예를 들어, 환자가 가지고 있는 증상들의 정도가 0.
	퍼지 집합들 사이의 거리척도는 어디에 활용되고 있는가?	이러한 문제점을 해결하기 위한 방법 중 하나는 데이터들 사이의 유사성 또는 거리를 이용하는 것이다. 퍼지 집합들 사이의 거리척도는 의학진단 분야는 물론 사회과학, 경제학, 공학 등 다른 분야에서도 많이 활용되고 있으며 (Guo 등, 2010; Liang과 Shi, 2003; Wang과 Xin, 2005; Zeng 등, 2009), 구간값을 갖는 퍼지 데이터의 거리척도를 의학진단에 이용한 연구는 Szmidt 등 (2001)에 의해 시작되었다. 그러나 현재까지 진행된 대부분의 연구들은 질병과 증상사이의 아주 단순한 관계만을 이용한다.

참고문헌 (21)

Adlassnig, K. P. (1986). Fuzzy set theory in medical diagnosis. IEEE Transactions on Systems, Man and Cybernetics, 16, 260-265.

상세보기
Ahn, J. Y., Han, K. S., Oh, S. Y. and Lee, C. D. (2011). An application of interval-valued intuitionistic fuzzy sets for medical diagnosis of headache. International Journal of Innovative Computing, Information and Control, 7, 2755-2762.
Atanassov, K. (1986). Intuitionistic fuzzy sets. Fuzzy Sets and Systems, 20, 87-96.

상세보기
De, S. K., Biswas, R. and Roy, A. R. (2001). An application of intuitionistic fuzzy sets in medical diagnosis. Fuzzy Sets and Systems, 117, 209-213.

상세보기
Guo, X., Zhang, H. and Chang, Z. (2010). Image thresholding algorithm based on image gradient and fuzzy set distance. ICIC Express Letters, 4, 1059-1064.
Hamming, R. W. (1950). Error detecting and error correcting codes. Bell System Technical Journal, 26, 147-160.
Innocent, P. R. and John, R. I. (2004). Computer aided fuzzy medical daignosis. Information Sciences, 162, 81-104.

상세보기
Jo, J. (2011). A statistical analysis of the fat mass experimental data using random coefficient model. Journal of the Korean Data & Information Science Society, 22, 287-296.
Jo, J. and Baik, J. W. (2010). A statistical analysis on the selection of the optimal covariance matrix pattern for the cholesterol data. Journal of the Korean Data & Information Science Society, 21, 1263-1270.
Joung, K. H. and Chung, S. S. (2011). Health-related quality of life among home-dwelling people with arthritis in Korea: Comparative study of osteoarthritis and rheumatoid arthritis. Journal of the Korean Data & Information Science Society, 22, 555-563.

원문보기 상세보기
Kammerdiner, A., Krokhmal, P. A. and Pardalos, P. M. (2010). On the Hamming distance in combinatorial optimization problems on hypergraph matchings. Optimization Letters, 4, 609-617.

상세보기
Kim, Y. H., Kim, S. K., Oh, S. Y. and Ahn, J. Y. (2007). A fuzzy differential diagnosis of headache. Journal of the Korean Data & Information Science Society, 18, 429-438.

원문보기 상세보기
Liang, Z. and Shi, P. (2003). Similarity measures on intuitionistic fuzzy sets. Pattern Recognition Letters, 24, 2687-2693.

상세보기
Park, C. and Kim, T. Y. (2010). Order selection method for clinical pathway development in acute appendectomy. Journal of the Korean Data & Information Science Society, 21, 43-50.
Park, J. H., Lim, K. M., Park, J. S. and Kwun, Y. C. (2008). Distances between interval-valued intuitionistic fuzzy sets. Journal of Physics: Conference Series, 96.

상세보기
Sanchez, E. (1976). Resolution of composite fuzzy relation equations. Information and Control, 30, 38-48.

상세보기
Sanchez, E. (1979). Medical diagnosis and composite fuzzy relations. In Advances in fuzzy set theory and applications, edited by Gupta, M. M., Ragade, R. K. and Yager R. R., 437-444.
Szmidt, E. and Kacprzyk, J. (2001). Intuitionistic fuzzy sets in intelligent data analysis for medical diagnosis. Lecture Notes in Computer Science, 2074, 263-271.
Wang, W and Xin, X. (2005). Distance measure between intuitionistic fuzzy sets. Pattern Recognition Letters, 26, 2063-2069.

상세보기
Zadeh, L. A. (1969). Biological applications of the theory of fuzzy sets and systems. Proceedings of an International Symposium on Biocybernetics of the Central Nervous System, 199-206.
Zeng, W., Yu, F., Yu, X., Chen, H. andWu, S. (2009). Entropy of intuitionistic fuzzy set based on similarity measure. International Journal of Innovative Computing, Information and Control, 5, 4737-4744.

저자의 다른 논문 :

LOADING...

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증