선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 결론적으로 본 연구는 사암침법에 사용된 오수혈의 사용 패턴을 알아보기 위해 『사암도인침구요결』과 『동의보감』, 『침구경험방』에 사용된 오수혈을 분석한 결과 다음과 같은 특징을 관찰하였다. 첫째, 『사암도인침구요결』에서 오수혈 사용빈도는 자혈(自穴), 모혈(母穴), 극혈(剋穴)의 순서로 사용빈도가 많고, 이러한 패턴은 다른 문헌에서는 관찰되지 않는 사암침법의 특징적인 패턴이라고 할수 있다.
- 본 연구는 조선시대 중기의 한국의 대표적인 침구의학 서적인 『동의보감』, 『침구경험방』, 『사암도인침구요결』 세 개의 문헌에서 오수혈의 사용 패턴을 비교 분석하여 사암침법에서 경락과 오수혈의 오행 속성의 관련성과 규칙성을 관찰하고자 하였다.
- 기존의 연구에서 문헌 분석 및 종설을 통해 사암침법의 선혈의 원리에 대한 이론적 설명은 있지만, 실제 문헌에서 사용된 오수혈의 오행 속성에 대한 전면적인 분석은 진행된 적은 없다. 본 연구에서는 텍스트마이닝 및 특징벡터 분석을 통해 『사암도인침구요결』을 통해 본 사암침법의 오수혈의 사용패턴이 조선 중기 앞선 『동의보감』및 『침구경험방』과 다른 독특한 형태임을 관찰하였다. 다만, 『동의보감』및 『침구경험방』에서는 경혈 선혈에 대한 정보만 있고 보사법에 대한 기술이 거의 없고, 『사암도인침구요결』에서도 보사법에 대한 기술이 누락된 부분이 많이 존재하여 오행 보사에 대한 심도 있는 분석은 다뤄지지 못했다.
가설 설정
- 1. The concept of non-negative matrix factorization(NNMF).
제안 방법
- 2) 비음수 행렬 인수분해(Non-Negative Matrix Factorization: NNMF) 분석 결과: 본 연구에서는 2개의 특징벡터로 NNMF를 실행한 결과를 바탕으로 『사암도인침구요결』의 요약된 내용을 분석하였다. 문헌별 NNMF(특징벡터의 수: 2)를 수행한 결과를 특징행렬(a), 가중치행렬(b)과 특징행렬과 가중치행렬의 곱으로 재구성한 행렬(c)로 도시하고 있으며 이를 본래 데이터행렬(d)와 비교하여 분석하였다.
- 4에서 언급했듯이 NNMF 알고리즘은 특징 수가 증가함에 따라, 특징행렬과 가중치행렬의 곱으로 재구성한 행렬이 본래 데이터 행렬에 더욱 근사하게 되지만 동시에 적은 수로 특징을 요약한 장점 역시 사라지게 된다. NNMF 특징벡터 수에 따른 Reconstruction Error 변화를 각 문헌을 비교하였다(Fig. 4). 『사암도인침구요결』이 『동의보감』과 『침구경험방』에 비해 적은 수의 특징벡터의 수에서도 오차가 적은 것을 확인하였다.
- 이는 추출된 행렬에 비음수 행렬 인수분해(Non-Negative Matrix Factorization: NNMF)를 적용하였을 때 각 경락에서 보이는 사용 빈도의 차이가 NNMF 수행에 영향을 주지 않도록 하기 위함이다. 『동의보감』과 『침구경험방』 오수혈 사용패턴도 마찬가지 방식으로 적용하여 비교하였다.
- 중풍부터 치루까지 사암도인침구요결 43개 門에서 총 238개 ‘병증’을 추출하였으며 각 병증에 어떠한 ‘경혈’을 사용하는지 정보를 추출하였다. 『동의보감』에서 출간된 원문을 바탕으로 각 문 말미에 기재된 침구법 내용을 마이크로소프트 오피스 엑셀을 활용하여 입력하였다17). 내경, 외형, 잡병편 모두 포함하여 623개 조문으로부터 사용된 경혈을 추출하였다.
- 『사암도인침구요결』 오수혈 사용 패턴의 특징을 파악하기 위해 『동의보감』 및 『침구경험방』 등 비슷한 시기의 다른 침구 문헌과 대비해 나타나는 오수혈 사용 정보에 대한 텍스트마이닝을 수행하였다. 『사암도인침구요결』에서 정리된 원문을 바탕으로 원문의 내용들을 마이크로소프트 오피스 엑셀(MS Office Excel)을 활용하여 입력하였다16).
- 『사암도인침구요결』, 『동의보감』, 『침구경험방』 각 문헌에서 추출된 경혈 정보들을 토대로 각 문헌의 오수혈 사용 패턴정보를 경락 오행속성별로 추출하고 시각화하였다. 먼저 문헌에서 기술된 전체 경혈 중 오수혈만 필터링하여, 각 경혈이 해당하는 경락의 오행속성을 해당 장부 오행을 기준으로 정리하였다.
- 『사암도인침구요결』 오수혈 사용 패턴의 특징을 파악하기 위해 『동의보감』 및 『침구경험방』 등 비슷한 시기의 다른 침구 문헌과 대비해 나타나는 오수혈 사용 정보에 대한 텍스트마이닝을 수행하였다. 『사암도인침구요결』에서 정리된 원문을 바탕으로 원문의 내용들을 마이크로소프트 오피스 엑셀(MS Office Excel)을 활용하여 입력하였다16). 중풍부터 치루까지 사암도인침구요결 43개 門에서 총 238개 ‘병증’을 추출하였으며 각 병증에 어떠한 ‘경혈’을 사용하는지 정보를 추출하였다.
- 『사암도인침구요결』의 오수혈 사용의 패턴을 관찰하기 위해, 오행의 관계(剋, 母, 自, 子, 侮)를 기준으로 재배열하였다. 각 행은 오행관계를 각 열은 경락의 정보를 표현하여 5행×12열의 행렬을 구성하였다.
- 경락 오행속성을 행으로 하고, 오수혈의 오행 속성을 열로 하는 5행 5열 행렬로 표현하고 그 사용빈도 정보를 0∼1.0빈도 값으로 color coding을 통하여 시각화하였다(예를 들면, 태연혈은 수태음폐경으로 “금(金)” 속성 경락으로 행의 정보로 배속하고, 수토혈(兪土穴)로 “토(土)” 속성의 경혈로 열의 정보로 입력하였다).
- 또한 이러한 분포가 12경락에 걸쳐 어떻게 나타나는지 확인하고 이의 특징을 NNMF를 통하여 요약하기 위하여 12경락의 오수혈 사용분포를 剋, 母, 自, 子, 侮 관계를 중심으로 5행×12열의 행렬로 표현하였다(Fig. 3).
- 사암침법이 갖는 오수혈 사용 패턴의 특성을 알아보기 위하여, 『사암도인침구요결』이 오수혈의 오행속성을 “그 경혈의 해당 경락의 오행속성”과 “그 경혈의 오행속성” 정보를 분석하였다. 또한, 『사암도인침구요결』이 쓰여지기 이전 한국 침구의학의 대표적인 의서인 허준의 『동의보감』 침구법의 오수혈과 허임의 『침구경험방』오수혈 사용패턴과 비교하였다.
- 『동의보감』과 『침구경험방』은 특정 오행 성분의 경락과 특정 성분의 오수혈을 많이 사용하는 패턴이 나타나며 『사암도인침구요결』의 오수혈 사용 패턴과는 차이점이 있다. 또한, 본 연구에서 『사암도인침구요결』에서 경락 오행과 오수혈 오행 간의 상대적인 관계 해석이 중요하므로 경락오행에 대한 상대적인 관계를 분석하였다. 각 경락별 오수혈의 상대적 관계를 보면 사암침법에서 자혈(自穴)의 사용빈도가 높은 것을 알 수 있고, 모혈(母穴)과 극혈(剋穴)이 함께 사용된 빈도가 높다는 것을 알 수 있다(Fig.
- 『사암도인침구요결』, 『동의보감』, 『침구경험방』 각 문헌에서 추출된 경혈 정보들을 토대로 각 문헌의 오수혈 사용 패턴정보를 경락 오행속성별로 추출하고 시각화하였다. 먼저 문헌에서 기술된 전체 경혈 중 오수혈만 필터링하여, 각 경혈이 해당하는 경락의 오행속성을 해당 장부 오행을 기준으로 정리하였다. 이를 바탕으로 경락의 오행속성별로 어떠한 오행성질을 지니는 오수혈이 사용되는지 빈도를 추출하였다.
- 위 식에서 h 벡터들은 특징벡터로 n개 특징벡터들이 모여 특징 행렬(feature matrix)을 이루고 있으며, 가중치행렬(weight matix)각 열 벡터는 가중치 벡터로 12경락 오수혈 사용분포가 특징행렬을 어떤 가중치로 조합하였을 때 가장 가깝게 되는 지를 나타낸다. 본 연구에서는 각 문헌에서 각각 1부터 5까지의 특징벡터의 수를 변화시키며, 분해를 통해 재구성한 행렬과 본래 데이터의 행렬 간 차이의 Euclidean norm을 계산하였으며, 이를 Reconstruction Error로 기록하여 오차가 특이적으로 적어지기 시작하는 수를 특징벡터의 수로 잡고 NNMF를 수행하고 그 내용을 분석하였다.
- 『사암도인침구요결』은 장상장부(臟象臟腑)를 기준으로 변증과 치법을 정리하여, 장부 중심의 변증과 치료를 중시하였다. 사암침법의 오수혈의 사용 패턴의 특징을 관찰하기 위해, 『사암도인침구요결』에서 사용된 오수혈의 경락의 오행 속성과 경혈의 오행 속성의 관계를 『동의보감』, 『침구경험방』과 비교 분석하였다. 경락별 오수혈의 상대적 관계를 보면, 다른 문헌과 달리 사암침법에서 자혈(自穴)의 사용빈도가 높은 것을 알 수 있고, 모혈(母穴)과 극혈(剋穴)이 함께 사용된 빈도가 높다는 것을 알 수 있다.
- 사암침법이 갖는 오수혈 사용 패턴의 특성을 알아보기 위하여, 『사암도인침구요결』이 오수혈의 오행속성을 “그 경혈의 해당 경락의 오행속성”과 “그 경혈의 오행속성” 정보를 분석하였다.
- 상기 방법에서 추출된 행렬을 바탕으로 12경락 모두에서 오수혈 사용패턴의 공통적인 특징을 찾아내고자 비음수 행렬 인수분해(Non-Negative Matrix Factorization: NNMF)를 수행하였다. NNMF는 행렬로 표현된 데이터를 분해하여 두 개 이상의 행렬의 곱으로 근사시키는 방법의 하나이다.
- 오수혈 사용이 소속 경락의 오행속성에 따라 분포하는 패턴을 관찰하고자 문헌 전체에서 사용된 오수혈 사용빈도의 경락별 분포를 시각화하였다(Fig. 2). 『사암도인침구요결』 오수혈 사용패턴이 이전 다른 침구문헌과 구별되는 패턴인지를 살펴보기 위하여 『동의보감』과 『침구경험방』에서 사용된 경락 오행속성에 대한 오수혈 분포 역시 마찬가지 방식으로 표현하였다.
- 먼저 문헌에서 기술된 전체 경혈 중 오수혈만 필터링하여, 각 경혈이 해당하는 경락의 오행속성을 해당 장부 오행을 기준으로 정리하였다. 이를 바탕으로 경락의 오행속성별로 어떠한 오행성질을 지니는 오수혈이 사용되는지 빈도를 추출하였다. 경락 오행속성을 행으로 하고, 오수혈의 오행 속성을 열로 하는 5행 5열 행렬로 표현하고 그 사용빈도 정보를 0∼1.
- 『동의보감』에서는 『내경(內經)』에서 언급된 장부 중심의 치법들을 임상에 활용할 수 있는 방식으로 수록하였고, 경맥장부(經脈臟腑)를 대상으로 하던 기존 개념을 넘어서 장상장부(臟象臟腑)까지 확대하려 시도하였다. 이에 장부 치료의 방법으로 오수혈(五輸穴), 원혈(原穴)을 주로 사용하여 치료하였다. 『침구경험방』은 장부 중심 침구법을 더욱 발전시켜 장상장부(臟象臟腑)와 경맥장부(經脈臟腑)를 통합하는 동시에 장부 치료의 다양한 방법을 제시하였다9).
- 각 행은 오행관계를 각 열은 경락의 정보를 표현하여 5행×12열의 행렬을 구성하였다. 행렬의 값들은 해당하는 경혈의 사용빈도이고 코사인 정규화(cosine normalization)를 이용하여 열벡터(각 경락) 값 제곱합이 1이 되도록, 즉 열벡터 크기가 1이 되도록 정규화하였다. 이는 추출된 행렬에 비음수 행렬 인수분해(Non-Negative Matrix Factorization: NNMF)를 적용하였을 때 각 경락에서 보이는 사용 빈도의 차이가 NNMF 수행에 영향을 주지 않도록 하기 위함이다.
대상 데이터
- 『동의보감』에서 출간된 원문을 바탕으로 각 문 말미에 기재된 침구법 내용을 마이크로소프트 오피스 엑셀을 활용하여 입력하였다17). 내경, 외형, 잡병편 모두 포함하여 623개 조문으로부터 사용된 경혈을 추출하였다. 『침구경험방』은 원문을 바탕으로 기재된 병증과 경혈들을 같은 방식으로 입력하였다18).
- 『침구경험방』은 원문을 바탕으로 기재된 병증과 경혈들을 같은 방식으로 입력하였다18). 두면부부터 잡병까지 43개의 門에서 387개 병증과 이에 기재된 경혈들을 추출하였다.
- 중풍부터 치루까지 사암도인침구요결 43개 門에서 총 238개 ‘병증’을 추출하였으며 각 병증에 어떠한 ‘경혈’을 사용하는지 정보를 추출하였다.
데이터처리
- 각 문헌에서 얻어진 데이터는 comma separated values(CSV)파일 형태로 내보낸 후 파이썬 데이터분석 라이브러리(Python Data Analysis Library)인 pandas(http://pandas.pydata.org/)를 활용하여 데이터의 전처리 및 분석이 이루어졌다. 전처리 과정으로는 異名을 확인하여 동일한 경혈로 통일하는 과정이 있었으며, 이는 『대학경락경혈학』에 기재된 현대 표준경혈명으로 삼아 경혈명을 정제하였다.
성능/효과
- 1) 특징벡터의 수에 대한 오차수렴 도표: 방법 2.4에서 언급했듯이 NNMF 알고리즘은 특징 수가 증가함에 따라, 특징행렬과 가중치행렬의 곱으로 재구성한 행렬이 본래 데이터 행렬에 더욱 근사하게 되지만 동시에 적은 수로 특징을 요약한 장점 역시 사라지게 된다. NNMF 특징벡터 수에 따른 Reconstruction Error 변화를 각 문헌을 비교하였다(Fig.
- 문헌별 NNMF(특징벡터의 수: 2)를 수행한 결과를 특징행렬(a), 가중치행렬(b)과 특징행렬과 가중치행렬의 곱으로 재구성한 행렬(c)로 도시하고 있으며 이를 본래 데이터행렬(d)와 비교하여 분석하였다. 『사암도인침구요결』에서는 2개 특징벡터만으로 본래 데이터에서 나타난 12경맥의 오수혈 사용패턴을 거의 그대로 재현하고 있는 것을 확인할 수 있다(Reconstruction Error=0.386). 반면 『동의보감』(Reconstruction Error=1.
- 4). 『사암도인침구요결』이 『동의보감』과 『침구경험방』에 비해 적은 수의 특징벡터의 수에서도 오차가 적은 것을 확인하였다. 또한 『사암도인침구요결』은 2개의 특징벡터부터 Reconstruction Error 감소폭이 크게 나타나기 시작하는 것을 확인하였다.
- 또한, 본 연구에서 『사암도인침구요결』에서 경락 오행과 오수혈 오행 간의 상대적인 관계 해석이 중요하므로 경락오행에 대한 상대적인 관계를 분석하였다. 각 경락별 오수혈의 상대적 관계를 보면 사암침법에서 자혈(自穴)의 사용빈도가 높은 것을 알 수 있고, 모혈(母穴)과 극혈(剋穴)이 함께 사용된 빈도가 높다는 것을 알 수 있다(Fig. 3). 이런 점은 다른 문헌에서는 드러나지 않는 패턴이며 사암침법의 특정적인 패턴인 것으로 생각될 수 있다.
- 각 경락별 오수혈의 상대적인 관계를 고려해 보았을 때, 첫째 『사암도인침구요결』에서 자혈(自穴: 해당 경맥의 오행 속성과 동일한 속성을 지닌 경혈)이 사용빈도가 두드러지게 높았다. 둘째, 『사암도인침구요결』에서는 모혈(母穴: 해당 경맥의 오행 속성과 상생 관계를 지닌 경혈)과 극혈(剋穴: 해당 경맥의 오행 속성과 상극관계를 지닌 경혈)이 함께 사용된 빈도가 두드러지게 높았다.
- 각 경락별 오수혈의 상대적인 관계를 고려해 보았을 때, 첫째 『사암도인침구요결』에서 자혈(自穴: 해당 경맥의 오행 속성과 동일한 속성을 지닌 경혈)이 사용빈도가 두드러지게 높았다. 둘째, 『사암도인침구요결』에서는 모혈(母穴: 해당 경맥의 오행 속성과 상생 관계를 지닌 경혈)과 극혈(剋穴: 해당 경맥의 오행 속성과 상극관계를 지닌 경혈)이 함께 사용된 빈도가 두드러지게 높았다. 그러나, 다른 문헌 『동의보감』과 『침구경험방』은 이러한 경락 오행과 오수혈 오행간의 상대적인 관계를 고려한 경혈의 사용패턴이 드러나지 않았다.
- 첫째, 『사암도인침구요결』에서 오수혈 사용빈도는 자혈(自穴), 모혈(母穴), 극혈(剋穴)의 순서로 사용빈도가 많고, 이러한 패턴은 다른 문헌에서는 관찰되지 않는 사암침법의 특징적인 패턴이라고 할수 있다. 둘째, 『사암도인침구요결』의 오수혈의 오행 속성 패턴은 2개의 특징벡터만으로 12경맥의 오수혈 사용 패턴을 그대로 재현하고 있음을 알 수 있다. 2개의 특징벡터는 (1) 오수혈의 오행 중 해당 경맥의 자혈(自穴)이 많이 쓰이는 것과 (2) 오수혈의 오행 중 해당 경맥의 모혈(母穴), 극혈(剋穴)이 많이 쓰이는 것이다.
- 『사암도인침구요결』이 『동의보감』과 『침구경험방』에 비해 적은 수의 특징벡터의 수에서도 오차가 적은 것을 확인하였다. 또한 『사암도인침구요결』은 2개의 특징벡터부터 Reconstruction Error 감소폭이 크게 나타나기 시작하는 것을 확인하였다.
- 위 결과에서 『사암도인침구요결』이 이전 두 문헌과 비교해 경락의 오행과 오수혈의 사용간의 특정한 패턴이 있음을 확인할 수 있었다. 이러한 패턴이 경락오행과 오수혈 오행간의 상대적인 관계(剋, 母, 自, 子, 侮) 안에서 해석할 때 의미를 찾을 수 있는 패턴으로 판단되어, 경락오행에 대한 상대적인 관계를 중심으로 다시 테이블을 구성하였다.
- 결론적으로 본 연구는 사암침법에 사용된 오수혈의 사용 패턴을 알아보기 위해 『사암도인침구요결』과 『동의보감』, 『침구경험방』에 사용된 오수혈을 분석한 결과 다음과 같은 특징을 관찰하였다. 첫째, 『사암도인침구요결』에서 오수혈 사용빈도는 자혈(自穴), 모혈(母穴), 극혈(剋穴)의 순서로 사용빈도가 많고, 이러한 패턴은 다른 문헌에서는 관찰되지 않는 사암침법의 특징적인 패턴이라고 할수 있다. 둘째, 『사암도인침구요결』의 오수혈의 오행 속성 패턴은 2개의 특징벡터만으로 12경맥의 오수혈 사용 패턴을 그대로 재현하고 있음을 알 수 있다.
- 또한 『사암도인침구요결』에서는 자혈(子穴)의 활용 패턴이 잘 드러나지 않는다는 점에서 승격(勝格)보다 정격(正格)의 원리가 훨씬 더 많이 반영되어 있다는 점도 확인할 수 있다. 한편, 『사암도인침구요결』의 가중치행렬을 보면 수소양삼초경에서는 첫째 특징벡터의 패턴보다 둘째 특징벡터의 패턴에 더 가중치를 두고 있음을 볼 수 있으며 이는 실제 데이터에서 다른 11개 경맥과 달리 수소양삼초경에서는 자혈(自穴)보다 극혈(剋穴)과 모혈(母穴)의 사용이 더 두드러지는 패턴을 반영하고 있음을 확인할 수 있다.
후속연구
- 다만, 『동의보감』및 『침구경험방』에서는 경혈 선혈에 대한 정보만 있고 보사법에 대한 기술이 거의 없고, 『사암도인침구요결』에서도 보사법에 대한 기술이 누락된 부분이 많이 존재하여 오행 보사에 대한 심도 있는 분석은 다뤄지지 못했다. 아울러, 이번 연구에서 『동의보감』, 『침구경험방』, 『사암도인침구요결』 오수혈의 오행속성을 중심으로 경혈 선혈의 원리를 비교하였고, 다른 주요 경혈들의 사용에 대해서 다뤄지지 못했다. 향후 연구에서 각 문헌에서 사용된 경혈의 특징적인 패턴의 분류 및 상호 연계에 대한 부분은 오수혈 외에 주요 경혈들을 포함하여 기계학습(machine learning) 등의 방법을 통해 비교 분석이 필요할 것으로 생각된다.
- 아울러, 이번 연구에서 『동의보감』, 『침구경험방』, 『사암도인침구요결』 오수혈의 오행속성을 중심으로 경혈 선혈의 원리를 비교하였고, 다른 주요 경혈들의 사용에 대해서 다뤄지지 못했다. 향후 연구에서 각 문헌에서 사용된 경혈의 특징적인 패턴의 분류 및 상호 연계에 대한 부분은 오수혈 외에 주요 경혈들을 포함하여 기계학습(machine learning) 등의 방법을 통해 비교 분석이 필요할 것으로 생각된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.