[논문]온톨로지 기반 대용량 코호트 DB 검색 시뮬레이션

송주형; 황재민; 최정석; 강상길

doi:10.9709/jkss.2016.25.1.029

초록
AI-Helper

코호트 DB(DataBase)를 이용하여 질병 발생 예측 및 확산을 추적하는 많은 연구가 진행되고 있다. 코호트 DB는 대용량의 질병 및 건강정보가 단순한 개별적인 DB 테이블의 집합으로 구성되어있어 연관관계 검색을 위해서는 코호트 DB를 연구 목적에 맞게 재구성하는 작업이 필요하다. 본 논문에서는 대용량 코호트 DB를 온톨로지 기반으로 구축하기 위해 XML descriptor, editor를 이용하였다. 또한, 원활한 연관관계 검색결과 확인을 위해 온톨로지 기반의 코호트 DB 검색 시스템과 UI를 개발하였다. XML editor에서는 코호트 DB를 온톨로지로 구성하기 위해 7단계로 구성된 Ontology development 101 방법론과 OWL(Ontology Web Language) API를 이용하였다. 이와 같은 온톨로지 기반 코호트 DB 검색 시스템은 질병 및 건강정보의 연관성을 측정하고 의미적인 연관관계를 검색 시 효과적으로 활용 가능하다.

Abstract ▼ AI-Helper

Many researchers have used cohort DB (database) to predict the occurrence of disease or to keep track of disease spread. Cohort DB is Big Data which has simply stored disease and health information as separated DB table sets. To measure the relations between health information, It is necessary to re...

Many researchers have used cohort DB (database) to predict the occurrence of disease or to keep track of disease spread. Cohort DB is Big Data which has simply stored disease and health information as separated DB table sets. To measure the relations between health information, It is necessary to reconstruct cohort DB which follows research purpose. In this paper, XML descriptor, editor has been used to construct ontology-based Big Data cohort DB. Also, we have developed ontology based cohort DB search system to check results of relations between health information. XML editor has used 7 layered Ontology development 101 and OWL API to change cohort DB into ontology-based. Ontology-based cohort DB system can measure the relation of disease and health information and can be used effectively when semantic relations are found. We have developed ontology-based cohort DB search system which can measure the relations between disease and health information. And it is very effective when searched results are semantic relations.

주제어

AI 본문요약
AI-Helper

문제 정의

온톨로지 구조^[2]를 이용하면 데이터간의 의미적 관계를 검색할 수 있다. 본 논문에서는 원활한 의미적 연관관계 구축을 위해 온톨로지 기반의 대용량 코호트 DB 검색 관리 시스템을 개발한다. 이러한 시스템을 구축하기 위하여 Ontology development 101 7단계 방법론을 따라 DB 시스템을 설계한 후 온톨로지 계층 구조를 정의하고, 이를 구축한다^[3].
그러나 코호트DB의 개별적인 DB 테이블 구조상 연관관계를 검색하기 위해서는 연구목표에 맞게 재구성해야한다는 문제가 있다. 본 논문에서는 위와 같은 문제점을 해결하기 위해 질병이나 건강정보간의 의미적 연관성을 측정하고 검색할 수 있는 코호트 DB 검색 시스템을 개발했다.

제안 방법

본 논문은 질병 및 건강정보의 연관관계를 나타내기 위하여 온톨로지 기반의 대용량 코호트 DB를 구축하였으며, 구축한 온톨로지 코호트 DB의 연관성 측정 및 연관관계 구성을 위한 검색 시스템을 설계, 구현 및 시뮬레이션하였다. 본 논문에서 개발한 온톨로지 기반 코호트 DB 검색 시스템은 기존의 코호트 DB와 비교하여 질병 및 건강 정보 간의 의미적 연관관계 검색이 용이하다고 할 수 있다.
온톨로지 기반 코호트 DB는 위 방법론에 따라 OWL API^[3]기반으로 기존의 코호트 DB에서 추출된 정보를 OWL온톨로지로 구축하였다. 이와 같은 작업을 통해 온톨로지 계층에 따라 변환된 XML메타데이터를 온톨로지 구축한 코호트 DB에 저장한다.
본 논문에서는 원활한 의미적 연관관계 구축을 위해 온톨로지 기반의 대용량 코호트 DB 검색 관리 시스템을 개발한다. 이러한 시스템을 구축하기 위하여 Ontology development 101 7단계 방법론을 따라 DB 시스템을 설계한 후 온톨로지 계층 구조를 정의하고, 이를 구축한다^[3].

대상 데이터

이 프로세스는 기존의 코호트 DB, XML descriptor, XML parser & editor, 온톨로지 기반 대용량 코호트 DB, 그리고 UI로 구성되어 있다. 기존의 코호트 DB는 Fig. 2와 같이 자격 DB(Qualification), 건강검진 DB(Examination), 진료 DB(Treatment), 요양기관 DB(Institution)로 총 4개의 DB 테이블이 있고 각 DB 테이블은 DB를 대표하는 속성과 해당 DB를 조작할 수 있는 오퍼레이션으로 구성되어있다. 예를 들어 자격 DB에는 year, id, gender 등과 같은 속성이 있고 이를 조작할 수 있는 Qualify(), Delegation()등과 같은 오퍼레이션이 있다.

이론/모형

온톨로지 기반 대용량 코호트 DB를 통하여 관리되는 의료정보는 UI를 통해 사용자가 쉽게 접근할 수 있다. 4장에서 보이게 되는 UI는 온톨로지 코호트 DB 내부데이터의 연관관계를 비교하고 연관성을 측정하기 위해 변수들 간의 연관성을 비교할 때 사용되는 연관성 측도기법^[13]을 이용했다. 유저가 검색한 정보의 연관관계 및 측정된 연관성을 화면에 출력한다.

성능/효과

본 논문은 질병 및 건강정보의 연관관계를 나타내기 위하여 온톨로지 기반의 대용량 코호트 DB를 구축하였으며, 구축한 온톨로지 코호트 DB의 연관성 측정 및 연관관계 구성을 위한 검색 시스템을 설계, 구현 및 시뮬레이션하였다. 본 논문에서 개발한 온톨로지 기반 코호트 DB 검색 시스템은 기존의 코호트 DB와 비교하여 질병 및 건강 정보 간의 의미적 연관관계 검색이 용이하다고 할 수 있다. ;

후속연구

하지만, 온톨로지 기반 코호트 DB는 환자를 관리하는 클래스가 추가되는 경우 온톨로지 계층구조를 재구성해야한다는 오버헤드가 발생한다. 이는 온톨로지 계층구조를 설계하고 클래스와 특성에 인스턴스를 입력하는 절차상의 문제이므로 다음 후속연구로는 새로운 클래스가 추가하는 경우 설계된 온톨로지 계층구조에 해당 클래스 추가 작업만으로 해결할 수 있는 방법론 개발이 필요하다.

질의응답

핵심어	질문	논문에서 추출한 답변
	기존의 코호트 DB에 관한 연구에는 무엇이 있는가?	기존의 코호트 DB에 관한 연구로는 데이터마이닝 기법을 이용한 당뇨병 치료분석[4], 어린이의 성장예측인자식별연구[5], 건강보험 재정추계[6], 대기오염의 건강영양평가[7], MeSH tree를 이용한 건강 측정[8], 빅데이터를 이용하여 건강정보를 측정[9]하는 등 다양한 방면의 연구가 진행되어 왔다. Abdullah A.
	한국건강보험공단에서 공개한 코호트 DB는 무엇으로 구성되어 있는가?	최근 코호트 DB를 이용하여 특정 질병 발생을 예측하거나 질병 확산을 추적 및 관찰하는 등의 연구가 활발하게 진행되고 있다[1]. 한국건강보험공단에서 공개한 코호트 DB는 재정, 질병, 나이, 소득 수준과 같은 대용량 자료를 바탕으로 구성되어 있으며 사용자의 ID나 지역과 같은 특정한 정보를 기준으로 정의되어 있는 단순한 개별적인 DB 테이블 구조이다. 이러한 구조로는 질병간의 의미적 연관관계를 찾기 위해서는 기존의 코호트 DB를 재정의하거나 수정하는 작업이 필수 불가결하다.
	단순한 개별적인 DB 테이블 구조의 문제점은?	한국건강보험공단에서 공개한 코호트 DB는 재정, 질병, 나이, 소득 수준과 같은 대용량 자료를 바탕으로 구성되어 있으며 사용자의 ID나 지역과 같은 특정한 정보를 기준으로 정의되어 있는 단순한 개별적인 DB 테이블 구조이다. 이러한 구조로는 질병간의 의미적 연관관계를 찾기 위해서는 기존의 코호트 DB를 재정의하거나 수정하는 작업이 필수 불가결하다. 이러한 문제를 해결하기 위해 코호트 DB내의 의미적 연관관계를 용이하게 검색해 줄 수 있는 통합된 대용량 검색 시스템이 필요하다.

참고문헌 (13)

Wan, Joy, et al. "Risk of moderate to advanced kidney disease in patients with psoriasis: population based cohort study." BMJ 347 (2013).

상세보기
노창현, 장성호, 김태영, and 이종식. "시멘틱 컴퓨팅 기반의 동적작업 스케줄링 모델 및 시뮬레이션." 한국시뮬레이션학회논문지 18.2, (2009): 29-38.

원문보기 상세보기
조대웅, 최지웅, and 김명호. "비정형 문서의 정보추출을 통한 OWL 온톨로지 구축 시스템의 설계 및 구현" 한국컴퓨터정보학회논문지 19.10 (2014): 23-33.

원문보기 상세보기
Aljumah, Abdullah A., Mohammed Gulam Ahamad, and Mohammad Khubeb Siddiqui. "Application of data mining: Diabetes health care in young and old patients." Journal of King Saud University-Computer and Information Sciences 25.2 (2013): 127-136.

상세보기
Ong, Ken KL, et al. "Association between postnatal catch-up growth and obesity in childhood: prospective cohort study." Bmj 320.7240 (2000): 967-971.

상세보기
박유성, 박혜민, and 권태연. "국민건강보험 표본코호트 DB를 이용한 건강보험 재정추계." 응용통계연구 28.4 (2015): 663-683.

원문보기 상세보기
배현주. "코호트 자료를 이용한 대기오염의 만성건강영향 평가체계 구축." 기본연구보고서 2014.단일호 (2014): 1-103.
Yoo, Illhoi, et al. "Data mining in healthcare and biomedicine: a survey of the literature." Journal of medical systems 36.4 (2012): 2431-2448.

상세보기
Herland, Matthew, Taghi M. Khoshgoftaar, and Randall Wald. "Survey of Clinical Data Mining Applications on Big Data in Health Informatics." Machine Learning and Applications (ICMLA), 2013 12th International Conference on. Vol. 2. IEEE, 2013.
강윤정, 이재일, 배진호, and 이종현. "복소수 SVM을 이용한 목표물 식별 알고리즘." 전자공학회논문지 50.4 (2013): 182-188.
박유성, 장선화, and 김성용. "연구논문: 사망률 추계를 위한 오차수정 LC 모형." 조사연구 14.2 (2013): 19-47.
박주환, 김상구. "다중선형 회귀분석을 이용한 고속도로 터널구간의 교통사고 예측모형 개발." 한국ITS학회논문지 11.6 (2012): 145-154.

원문보기 상세보기
이승천, 허문열. "독립성검정에 의한 연관성의 측정." 통계연구 10.0 (2002): 133-152.

이 논문을 인용한 문헌

저자의 다른 논문 :

LOADING...

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

온톨로지 기반 대용량 코호트 DB 검색 시뮬레이션
Ontology-based Cohort DB Search Simulation 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (13)

이 논문을 인용한 문헌

저자의 다른 논문 :

연구과제 타임라인

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

온톨로지 기반 대용량 코호트 DB 검색 시뮬레이션 Ontology-based Cohort DB Search Simulation 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (13)

이 논문을 인용한 문헌

저자의 다른 논문 :

최정석 (3) 강상길 (7)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

온톨로지 기반 대용량 코호트 DB 검색 시뮬레이션
Ontology-based Cohort DB Search Simulation 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper