$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

스마트 헬스케어 서비스를 위한 통계학적 개인 맞춤형 질병예측 기법의 개선
An Improvement of Personalized Computer Aided Diagnosis Probability for Smart Healthcare Service System 원문보기

중소기업융합학회논문지 = Journal of Convergence Society for SMB, v.6 no.4, 2016년, pp.79 - 84  

민병원 (목원대학교 정보통신융합공학과)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 스마트 헬스케어 서비스 시스템의 바이오 데이터 분석 과정을 프로세스로 해석하기 위하여, 온톨로지 기반 통계학적 개인 맞춤형 질병예측 기법인 PCADP(Personalized Computer Aided Diagnosis Probability)를 제안하였다. 또한 이러한 개인 맞춤형 질병예측 기법을 바탕으로 스마트 헬스케어 데이터 및 헬스케어 서비스 명세의 의미 있는 표현을 위하여 헬스케어 온톨로지 프레임워크를 시맨틱스형으로 모델링하였다. PCADP 기법은 스마트 헬스케어 환경에서 개인 맞춤형 판별 기법이 갖추어야 할 조건인 실시간 처리, 유연한 구조, 판별과정의 모니터링, 지속적인 개선 등에 부합하는 통계학적 질병예측 기법임을 확인하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

A novel diagnosis scheme PCADP(personalized computer aided diagnosis probability) is proposed to overcome the problems mentioned above. PCADP scheme is a personalized diagnosis method based on ontology and it makes the bio-data analysis just a 'process' in the Smart healthcare service system. In add...

주제어

#스마트 Healthcare 서비스   #개인맞춤형   #질병예측   #온톨로지   #시멘틱스  

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 스마트 헬스케어 환경에서 개인 맞춤형 질병예측 판별 기법이 갖추어야 할 조건인 실시간 처리, 유연한 구조, 판별과정의 모니터링, 지속적인 개선 등에 부합하는 통계학적 질병예측 기법이다. 본 기법은 헬스케어 데이터 및 응용서비스 신뢰도를 확보하고 스트레스 정도, 당뇨, 비만과 같은 일반적인 질병 예측을 수용할 수 있는 확장된 개인 맞춤형 질병예측시스템을 구축하기 위하여, CI(Combination Interrelation) 배열와 IA(Interrelation Appearance) 배열을 새롭게 고안하였다.
  • 본 논문에서는 스마트 헬스케어 서비스를 위한 개인 맞춤형 질병예측 알고리즘을 프로세스로 해석하기 위하여 두 가지 내용을 제안하였다.

가설 설정

  • 아울러 특정 질환이 있는 사람들 {p1, p2, p3}과 정상 군에 속하는 사람들 {p4, p5, p6} 가 주어지고 각 사람들이 갖는 쌍의 정보가 아래와 같이 주어졌다고 가정한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
확률 예측 알고리즘은 어떻게 구성되는가? 새롭게 고안한 두 배열은 대상 사용자의 생체신호와 증상을 이용하여 그 대상이 환자집단에 속하는지 여부를 확률적으로 예측하는 알고리즘 이다. 이러한 확률 예측 알고리즘은 크게 학습단계(learning stage), 의사결정나무단계(decision trees stage), 예측단계(prediction stage) 그리고 피드백단계(feedback stage)로 구성된다. 학습단계에서는 이미 검증된 질병을 가진 집단과 정상집단으로 부터 생체신호와 증상의 조합 패턴을 추출하여 각각의 행렬 구조에 저장한다.
PCADP는 어떤 기법인가? 첫째, 온톨로지 기반 스마트 헬스케어 환경에 부합하는 개인 신체적인 구조에 적합한 질병예측 기법인 PCADP를 제안하였다. 스마트 헬스케어 환경에서 개인 맞춤형 질병예측 판별 기법이 갖추어야 할 조건인 실시간 처리, 유연한 구조, 판별과정의 모니터링, 지속적인 개선 등에 부합하는 통계학적 질병예측 기법이다. 본 기법은 헬스케어 데이터 및 응용서비스 신뢰도를 확보하고 스트레스 정도, 당뇨, 비만과 같은 일반적인 질병 예측을 수용할 수 있는 확장된 개인 맞춤형 질병예측시스템을 구축하기 위하여, CI(Combination Interrelation) 배열와 IA(Interrelation Appearance) 배열을 새롭게 고안하였다.
IA 배열의 각 행과 열은 무엇과 연관되는가? IA(Interrelation Appearance) 배열을 쉽게 이해하기 위해서 <생체신호 조합, 증상 조합> 쌍의 출현 빈도 기록에 사용하기 위하여 CI(Combination Interrelation) 배열을 설명하기 전에 <생체신호, 증상> 쌍의 출현 빈도를 기록할 수 있는 IA(Interrelation Appearance) 배열을 구성하였다. IA(Interrelation Appearance) 배열의 각 행은 하나의 생체신호 및 증상신호와 연관되며, IA(Interrelation Appearance) 배열의 각 열은 하나의 증상과 연관된다. 따라서 IA(Interrelation Appearance) 배열의 각각의 원소는 하나의 <생체신호조합, 증상조합> 쌍과 연관되어 <생체신호조합, 증상조합> 쌍의 출현 빈도를 기록할 수 있다.
질의응답 정보가 도움이 되었나요?

저자의 다른 논문 :

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로