가축 질병을 정확하게 예측하고 관리하는 것은 지속가능한 가축의 생산을 보장하고 궁극적으로 인간의 건강을 유지하는 데 기여한다. 가축의 건강을 유지하는 것은 인간의 건강에 영향을 미치는 중요한 부분이다. 송아지 질병 예측은 송아지의 생체 데이터를 측정하여 전처리 과정을 거친다. 송아지 정보는 송아지의 출산 이력과 송아지 생체 정보측정, 축사의 환경 정보, 질병 관리를 위한 정보를 사용하며, 온톨로지 개발하여 지식 베이스로 활용하였고, 송아지의 질병에 대한 상호 연관성을 분석 과정하기 위해 베이지안 네크워크를 사용하여 추론하였다. 송아지 질병, 원인, 발생 시기, 증상 등에 대한 송아지 질병 지식을 기반으로 질병을 예측하면 그 결과로 정확한 질병 치료에 대응할 수 있고 다른 가축에게 전염되는 것을 사전에 방지할 수 있을 것이다.
가축 질병을 정확하게 예측하고 관리하는 것은 지속가능한 가축의 생산을 보장하고 궁극적으로 인간의 건강을 유지하는 데 기여한다. 가축의 건강을 유지하는 것은 인간의 건강에 영향을 미치는 중요한 부분이다. 송아지 질병 예측은 송아지의 생체 데이터를 측정하여 전처리 과정을 거친다. 송아지 정보는 송아지의 출산 이력과 송아지 생체 정보측정, 축사의 환경 정보, 질병 관리를 위한 정보를 사용하며, 온톨로지 개발하여 지식 베이스로 활용하였고, 송아지의 질병에 대한 상호 연관성을 분석 과정하기 위해 베이지안 네크워크를 사용하여 추론하였다. 송아지 질병, 원인, 발생 시기, 증상 등에 대한 송아지 질병 지식을 기반으로 질병을 예측하면 그 결과로 정확한 질병 치료에 대응할 수 있고 다른 가축에게 전염되는 것을 사전에 방지할 수 있을 것이다.
Accurately Diagnosing and managing disease in livestock can help sustainable livestock productivity and maintain human health. Maintaining the health of livestock is an important part of human health. The prediction of calf diseases is carried out by pre-processing the calf biometric data. calf info...
Accurately Diagnosing and managing disease in livestock can help sustainable livestock productivity and maintain human health. Maintaining the health of livestock is an important part of human health. The prediction of calf diseases is carried out by pre-processing the calf biometric data. calf information is used as information for calf birth history, calf biometric information, environmental information on housing, and disease management. It can be developed as an ontology and used as a knowledge base. The Bayesian network was used and inferred in the process of analyzing the correlations of calf diseases. Prediction of diseases based on knowledge of calf disease on calf diseases name, causes, occur timing, care and symptoms, etc., will be able to respond to accurate disease treatment and prevent other livestock from being infected in advance.
Accurately Diagnosing and managing disease in livestock can help sustainable livestock productivity and maintain human health. Maintaining the health of livestock is an important part of human health. The prediction of calf diseases is carried out by pre-processing the calf biometric data. calf information is used as information for calf birth history, calf biometric information, environmental information on housing, and disease management. It can be developed as an ontology and used as a knowledge base. The Bayesian network was used and inferred in the process of analyzing the correlations of calf diseases. Prediction of diseases based on knowledge of calf disease on calf diseases name, causes, occur timing, care and symptoms, etc., will be able to respond to accurate disease treatment and prevent other livestock from being infected in advance.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
송아지를 관리하는 수의사와 목장 관리자의 기록에 대한 인식 수준이 낮아서 송아지 질병 예측을 위한 임상 자료의 보관 상태가 미비한 현실이다. 질병 예측을 위한 시나리오 데이터가 부족한 형편이지만 본 논문에서는 사물인터넷 디바이스를 장착하여 생체 정보를 수집하고 관리하는 과정에서 일정 기간 동안 얻는 데이터의 범위 내에서 연구하였다. 추후 많은 데이터가 쌓이면 보다 정확한 송아지 질병 예측이 가능할 것이다.
제안 방법
따라서 일부 증상은 다른 증상보다 더 자주 발생할 수도 있다. CDDOM에서 보다 더 가능성 있는 예측을 위한 방법으로 베이지안 네트워크를 적용하기 위한 과정으로 첫째 CDDOM을 베이지안 네트워크로 병합하고, 그 다음은 베이지안 네트워크의 조건부 확률 테이블 각 해당 노드 옆에 표시하고, 셋째는 베이지안 확률의 추론을 적용한다.
protêgé에서 제공하는 추론 엔진을 사용하였고 추론규칙을 생성하였다.
가축에 부착되어 가속도센서는 가축 개체의 움직임정보를 획득하여 운동패턴분석 모듈에서 얻은 가축의 움직임 정보를 벡터크기를 추출하여 움직임 크기에 따라 표준편차를 연산에 따라 가축 개체의 활동 패턴을 판단하였다 값이 변화되는 시점과 활동패턴 임계치를 생성하고 저장하여 표준편차의 다섯 기준치를 구분하여 눕기·앉기, 서있기, 반추, 걷기, 방목으로 움직임의 형태로 활동량을 측정하였다[21].
가축의 생체신호를 효과적으로 측정하기 위한 방법으로 가축의 심박수, 호흡수, 운동량 등을 측정하여 상관관계 분석으로 상관계수로 유효성과 실용성을 보여줬으나 가축의 질병을 예측하지 않았다[20].
본 논문에서 온톨로지와 베이지안 네트워크를 결합하여 가축의 질병명, 원인, 발생시기, 증상에 대한 가축의 질병 지식을 기반으로 질병을 예측하였다. 가축의 범위는 송아지로 한정하였다.
본 논문의 송아지 질병 예측 과정은 송아지 출산부터의 이력, 송아지 생체 정보 측정과 축사의 환경 정보와 질병 관리를 위한 측정 정보를 입력으로 온톨로지를 구축하여 논리적 추론 절차를 거쳐 질병을 예측하는 송아지 질병 예측을 지식 베이스로 표현하였다. 추론을 하는 과정에서 온톨로지를 사용하여 용어 해설을 정의하고 베이지안 네트워크를 사용하여 송아지 설사병에 빠지는 경향을 추론하였다.
센서 기반의 디바이스에서 데이터를 추출하고 관리자가 입력한 데이터는 서버에 저장하여 표 7과 같이 개발환경에서 구현하였다.
송아지 Calf10가 네 가지 유형의 증상, 즉 lot, stress,red, coronavirus개체를 포함할 때 그림 8과 같이 네 가지 증상에 “Acute_diarrhea”질병명에 대한 확률(또는 빈도)를 100 %로 설정하였다.
송아지 질병은 증상, 원인, 발생 시기에 대한 송아지질병지식을 기반으로 송아지의 기본정보와 생체 데이터를 분석하여 질병을 예측하였다. 송아지 질병 데이터와 질병 지식에 대해 상위 온톨로지와 예측 도메인 온톨로지로 나타내고 송아지의 질병을 예측하는 과정을 분석하기 위해 송아지의 생체정보, 축사환경정보, 송아지질병 지식을 사용하였다.
송아지에게 이상증세가 판단되면 장기적으로 누적된 수치들을 통계 분석하고 이상 수치들의 분포 상황을 알린다. 송아지의 병적 증상이 예측되면 기록한 수치를 분석한 뒤 정상 수치와 이상 수치의 누적 횟수와 비율 예측한다. 구체적인 방법은
지식표현의 핵심인 온톨로지와 통계적 확률을 포함하기 위해 베이지안 네트워크를 활용하여 송아지 질병 예측을 제시하였다. 송아지를 관리하는 수의사와 목장 관리자의 기록에 대한 인식 수준이 낮아서 송아지 질병 예측을 위한 임상 자료의 보관 상태가 미비한 현실이다.
본 논문의 송아지 질병 예측 과정은 송아지 출산부터의 이력, 송아지 생체 정보 측정과 축사의 환경 정보와 질병 관리를 위한 측정 정보를 입력으로 온톨로지를 구축하여 논리적 추론 절차를 거쳐 질병을 예측하는 송아지 질병 예측을 지식 베이스로 표현하였다. 추론을 하는 과정에서 온톨로지를 사용하여 용어 해설을 정의하고 베이지안 네트워크를 사용하여 송아지 설사병에 빠지는 경향을 추론하였다.
축사환경과 가축개체의 생체정보를 수집할 수 있으며 수집된 정보를 전처리하여 가축의 체온과 활동량에 따라 온톨로지로 표현된 지식을 기반으로 체온과 활동량만으로 진단이 가능한 가축의 질병을 예측하였다[16-18].
한우의 발정을 탐지를 위한 활동량 측정 방법에서는 3축 가속도 센서에서 수집된 값을 신호 벡터 크기(Signal Vector Magnitude)방법을 적용하여 사람의 걸음 수를 알아내는 방법과 같은 방법으로 가속도 센서에 수집된 데이터를 에너지 값(E)로 표현하여 소의 활동을 판단하고 의미 없는 값은 제외하기 위해 임계값 또는 필터링 값을 설정하여 필터링 이후의 값을 시간 단위로 구분하여 활동량을 계산하였고 움직임의 형태를 승가, 달리기, 걷기 3가지 활동으로 구분하였다[22,23].
대상 데이터
본 논문에서 온톨로지와 베이지안 네트워크를 결합하여 가축의 질병명, 원인, 발생시기, 증상에 대한 가축의 질병 지식을 기반으로 질병을 예측하였다. 가축의 범위는 송아지로 한정하였다.
이론/모형
일반적으로 온톨로지는 특정 도메인에서 지식을 표현할 때 사용된다. 본 논문에서 OWL-DL(Web OntologyLanguage-Description Logic)을 사용하여 송아지 설사병에 대한 온톨로지 모델을 생성하였다. OWL-DL은 온톨로지를 생성하고 편집할 때 계산의 완전성을 보장하며 최대한의 표현력을 제공하도록 설계되었다.
송아지 질병은 증상, 원인, 발생 시기에 대한 송아지질병지식을 기반으로 송아지의 기본정보와 생체 데이터를 분석하여 질병을 예측하였다. 송아지 질병 데이터와 질병 지식에 대해 상위 온톨로지와 예측 도메인 온톨로지로 나타내고 송아지의 질병을 예측하는 과정을 분석하기 위해 송아지의 생체정보, 축사환경정보, 송아지질병 지식을 사용하였다. 출생 직후부터의 송아지 개체의 정보, 송아지의 생체 데이터 측정하여 송아지 질병예측 결과를 도출할 수 있다.
후속연구
또한 본 모델에서 온톨로지 모델에서 추론까지 시간은 5527ms, 베이지안 네트위크 모델에서 추론까지의 시간 5520ms이다. 온톨로지와 베이지안 모델의 표현력과 처리 성능 평가를 통해 구현 능력을 검증해야 할 것이다.
질병 예측을 위한 시나리오 데이터가 부족한 형편이지만 본 논문에서는 사물인터넷 디바이스를 장착하여 생체 정보를 수집하고 관리하는 과정에서 일정 기간 동안 얻는 데이터의 범위 내에서 연구하였다. 추후 많은 데이터가 쌓이면 보다 정확한 송아지 질병 예측이 가능할 것이다. 또한 본 모델에서 온톨로지 모델에서 추론까지 시간은 5527ms, 베이지안 네트위크 모델에서 추론까지의 시간 5520ms이다.
질의응답
핵심어
질문
논문에서 추출한 답변
가축 질병을 정확하게 예측하고 관리하는 것을 통해 어떤 기여를 할 수 있는가?
가축 질병을 정확하게 예측하고 관리하는 것은 지속가능한 가축의 생산을 보장하고 궁극적으로 인간의 건강을 유지하는 데 기여한다. 가축의 건강을 유지하는 것은 인간의 건강에 영향을 미치는 중요한 부분이다.
무선 센서 네트워크 기반에서 축사 환경 모니터링 및 환경개선 시스템은 무엇으로 구성되어 있는가?
무선 센서 네트워크 기반에서의 축사 환경 모니터링 및 환경개선 시스템은 축사의 무선 환경정보 수집 노드, 환경개선 노드, 축사 게이트웨이, 서버로 구성되어 축가의 산업 환경 모니터링과 환경개선이 가능하도록 상황 정보에 따라 능동적인 대응이 가능하고 가축의 최적생활 요건과 질병발생시 환경에 따른 정보의 실시간 수집 및 최적 의 환경을 제어하였다[15].
가축 질병 예찰에 관한 연구의 두가지 방향성은 어떠한가?
가축 질병 예찰에 관한 연구는 두 가지 방향성을 가진다[15-22]. 하나는 가축의 최적 사육환경 유지를 위한연구와 다른 하나는 가축 개체의 생체 데이터를 수집하여 건강 상태를 모니터링 하는 방법에 관한 연구이며 표 1에서 보여준다.
참고문헌 (32)
F. Brian, The Intimate Bond, Korea, Interpark Banni, Part 4, pp. 79-155, 2016.
S. H. Wang, "Legal Issues Regarding Utilization of Genetic Technology for Diagnosis and Treatment of Livestock Disease," Science and Technology Law, vol.7, no.2, pp. 45-74, Dec. 2016.
J. C. Brock, History of humans and livestock, Korea, Seanal, 2004.
J. C. Brock, A natural history of domesticated mammals, Korea, Minumsa, 1996.
S. P. Park, Human beings are happy if livestock is happy, Korea, Kama Plateau, 2012.
C. Patterson, Eternal Treblinka: Our Treatment of Animal and the Holocaust, Korea, KARA, Part 2, pp.85-188, 2014.
A. F. Goetschel, Tiere Klagen an, Korea, ALMA, 2016.
Korea FAO, [Internet]. Available: http://www.fao.or.kr.
UNFAO, FAO's role in animal production of Food and Agriculture Organizion of the United Nations, [Internet]. Available: http://www.fao.org/animal-production.
Animal and Plant Quarantine Agency, [Internet]. Available: http://www.qia.go.kr.
Animal Medical Management System, [Internet]. Available: http://medi.qia.go.kr.
National Institute of Animal Science, [Internet]. Available: http://www.nias.go.kr.
Y. Y. Sim, I. H. Nam, M. S. Lee, S. H. Woo, H. J. Kang, D. M. Jeon and J. B. Lee, "A study on the prevalence of bovine coronavirus infection for calves in Seosan-Taean Area," Korean journal of veterinary service, vol. 32, no. 3, pp.209-213, Sep. 2009.
H. K. Kim, S. J. Moon, J. D. Lee and S. O. Choi, "Cattle Shed Management System Based on Wireless Sensor Network with Bio and Environmental Sensors," The Journal of Korean Institute of Communications and Information Sciences, vol. 38, no. 7, pp. 573-586, Jul. 2013.
Y. J. Kang and D. O. Choi, "The Design of Cattle disease Forecast System using Ontology," International Conferences Green and Smart Technology with Sensor Applications 2012, Jeju Island, Korea, pp. 196-203, 2012.
Y. J. Kang and D. O. Choi, "Development a Animal Bioinformation Monitoring Device," Journal of The Korea Entertainment Industry Association, vol. 6, no. 2, pp. 101-106, Jan. 2012.
Y. J. Kang and D. O. Choi, "Cattle Bio-information Monitoring System Based on Context Awareness," Journal of The Korea Entertainment Industry Association, vol. 6, no. 2, pp. 92-100, Jan. 2012.
H. G. Kim, C. J. Yang and H. Yoe, "Design and Implementation of Livestock Disease Forecasting System," The Journal of Korean Institute of Communications and Information Sciences, vol. 37C, no. 12, pp.1263-1270, Dec. 2012.
M. C. park, H. C. Jung and O. K. Ha, "Development of Livestock Monitoring Device based on Biosensors for Preventing Livestock Diseases," Journal of The Korea Society of Computer and Information, vol. 21. no. 10, pp. 91-98 , Oct. 2016.
D. O. Choi, A system for analyzing the movement patterns of cattle, KR Patent 10-2013-0007479 to Wonkwang University, Iksan in Korea, 2013.
G. Hao, K. Y. Kim, D. K. Kim and S. J. Lee, "Analyzing Activity for Estrus Detection in Korean Native Cattle," Journal of Knowledge Information Technology and Systems (JKITS), vol. 10, no. 2, pp.193-202, Apr. 2015.
S. Hachem, T. Teixeira and V. Issarny, "Ontologies for the Internet of Things," in Proceedings of the 8th Middleware Doctoral Symposium, NY, USA, Article No. 3, Dec. 2011.
T. R. Gruber, "A translation approach to portable ontology specifications," Knowledge acquisition, vol. 5, no. 2, pp.199-220, Jun. 2003.
N. Asai, Translation Y. W. Woo, Learned with EXCEL, Korea, Danny Hong Agency, Chapter 9, pp.171-186, 2017.
A. M Iqba, M. Shepherd and S.S.R. Abidi. "An ontologybased electronic medical record for chronic disease management," System Sciences (HICSS), 44th Hawaii International Conference on. IEEE, Hawaii, HI, USA, pp. 1-10. 2011.
G. H. Kim, M. J. Kang, C. Y. Jung, J. Y. Jung, S. E. Jung, J. S. Kim and J. S. Lee, "Development of Ontology for the Diseases of Spine," In Advances in Computer Science and its Applications Springer, Berlin, Heidelberg, pp. 1171-1178. Feb. 2014.
O. Mohammed, R. Benlamri and S. Fong, "Building a diseases symptoms ontology for medical diagnosis: an integrative approach," In Future Generation Communication Technology, International Conference on IEEE, pp. 104-108, Dec. 2012.
K. S. Hwang and S. B. Cho, "Landmark detection from mobile life log using a modular Bayesian network model," Expert Systems with Applications, vol. 36, no.10, pp.12065-12076, Dec. 2009.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.