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
- 이를 이용하여 백태와 황태간에 통계적으로 유의한 차이가 있는지를 보고 그 차이를 설명할 수 있는 변수를 발견한 후 유의한판별함수를 토대로 어느 그룹으로 분류할 것인가를 예측해 보았다. 또, 각 대상들 간의 소수 그룹을 파악해주는 판별식을 발견하고, 백태와 황태 판별을 위해 어떤 독립변수들이 가장 높은 기여를 하는지 알아보고판별 예측력을 확인해 보았다.
- 본 논문에서는 설진의 진단 기준을 만들기 위한 선행연구로서 황태와 백태를 정량적으로 분류할 수 있는 방법에 대해 알아보았다.
- 본 연구는 설진의 진단표준을 만들기 위한 기본 연구로서 획득된 혀영상을 이용하여 효과적인 태 구분 방법을 알아보는데 중점을 두었다. 다수의 피험자를 모집하여 한의사 진단을 받은 후 디지털 설진 시스템을 통해 혀 영상을 획득하였다.
제안 방법
- 18개의 변수 중, 다중공선성을 고려하여 상관계수가 0.8 이상의 강한상관관계가 나타난 변수를 제외하고 나머지 5개의 변수인 RGB_R, HSV_H, HSV_S, LAB_B, LUV_U를 이용하여 판별분석을 하였다.
- MATLAB을 이용하여 설태 영상으로부터 RGB값을 구했으며, 얻어낸 RGB값으로 컬러벡터 변환식을 이용하여 HSV, XYZ, xyY, CIE L*ab, CIE L*uv 값을 구하였다. 변환시 Observer는 2° Illuminant는 D65를 기준으로 하였다.
- 것이 중요하다. 개발된 디지털 설진 시스템은 이를 위해 표준화된 광원과 디지털 카메라를 이용하여 설 영상을 획득하고 색상보정을 통해 보다 정확한 영상을 얻을 수 있게 디자인 하였다.[4]
- 그 중한의사로부터 황태(48명)와 백태(14명)라 진단받은 62명의 피험자를 대상으로 하여 설진 시스템으로 측정한 설 영상의 분석을 진행하였다. <그림 1>과 같이 획득된 영상에서 혀 부분만을 추출한 후, 한의사가 직접 설태와 설질을 분류하였으며, 설태의 차이를 잘 표현할 수 있는 값을찾기 위해 분리된 설태 영역의 다양한 컬러벡터값을 계산하였다,
- 외관부는 영상획득시 움직임을 최소화할 수 있게 환자와 직접 닿는 접안부를 안정적으로 고정할 수 있으며, 접안부에 고정이 되었을 때 효과적으로 암실을 형성할 수 있도록 인체 공학적으로 설계하였다. 광원을 표준화하기 위해 태양광과 가까운 색온도(5500K) 특성을 가진 스트로브(Strobe) 조명을 사용하였으며, 비교적 저렴하고 개발용 라이브러리가 제공되는 고감도, 고해상의 카메라를 사용하여 양질의 혀 영상을 얻을 수 있게 하였다. 위치제어부는 설상에 따른 영상왜곡 문제를 해결하기 위해 카메라의 위치를 제어할 수 있도록 Y-Z축 직각좌표로봇을 사용하였으며 컨트롤러를 이용하여 상하 및 좌우로 구동될 수 있다.
- 다수의 피험자를 모집하여 한의사 진단을 받은 후 디지털 설진 시스템을 통해 혀 영상을 획득하였다. 그 중 백태, 황태라 진단받은 62명의 피험자의 혀 영상을 이용하여 다양한 컬러벡터값을 계산해보았으며 백태와 황태를 구분하는데 있어 통계적으로 유의한 차이를 보이는 변수를찾아보았다. 나아가 태 분류에 유의한 변수를 이용하여 백태와 황태를분류할 수 있는 판별함수를 도출하고 함수의 판별 예측력도 확인해보았다.
- 그 중 백태, 황태라 진단받은 62명의 피험자의 혀 영상을 이용하여 다양한 컬러벡터값을 계산해보았으며 백태와 황태를 구분하는데 있어 통계적으로 유의한 차이를 보이는 변수를찾아보았다. 나아가 태 분류에 유의한 변수를 이용하여 백태와 황태를분류할 수 있는 판별함수를 도출하고 함수의 판별 예측력도 확인해보았다.
- 본 연구에서는 객관적이고 정량적으로 획득한 설진 데이터를 이용하여 백태와 황태를 효과적으로 구분할 수 있는 분석방법을 연구하였고, 연구 결과를 통해 한의사의 눈으로만 이뤄지던 설태의 구분을 컬러 벡터값을 이용하여 정량적으로 구분하였다. 본 연구를 통해 설진의 객관화, 표준화의 문제를 해결할 수 있는 가능성을 볼 수 있었으며, 백태, 황태 이외에도 회태나 흑태, 후태나 박태 등 다양한 설태의 구별에도 이용할 수 있으리라 기대된다.
- 컨트롤러로 나눌 수 있다. 외관부는 영상획득시 움직임을 최소화할 수 있게 환자와 직접 닿는 접안부를 안정적으로 고정할 수 있으며, 접안부에 고정이 되었을 때 효과적으로 암실을 형성할 수 있도록 인체 공학적으로 설계하였다. 광원을 표준화하기 위해 태양광과 가까운 색온도(5500K) 특성을 가진 스트로브(Strobe) 조명을 사용하였으며, 비교적 저렴하고 개발용 라이브러리가 제공되는 고감도, 고해상의 카메라를 사용하여 양질의 혀 영상을 얻을 수 있게 하였다.
- 변환시 Observer는 2° Illuminant는 D65를 기준으로 하였다. 이렇게 구한 18개의 컬러벡터 값으로 통계기법을 통해태 분류에 유의한 변수를 찾고 판별식 도출하였다.
- 이를 위해 먼저, 기존에 개발된 디지털 설진 시스템의 표준화된 측정환경에서 설 영상을 획득하고, 임상경험이 풍부한 한의사의 도움을 받아측정된 설 영상에서 설태와 설질 영역을 구분하였다. 프로그램을 이용하여 분리된 설태 영역의 RGB값을 구하였으며, 구해진 RGB값을 이용해다양한 컬러벡터 영역의 값을 계산하고, 통계기법을 이용해 이들 중 백태와 황태를 구별하는데 유의한 변수를 구하였다.
- 방법이다. 이를 이용하여 백태와 황태간에 통계적으로 유의한 차이가 있는지를 보고 그 차이를 설명할 수 있는 변수를 발견한 후 유의한판별함수를 토대로 어느 그룹으로 분류할 것인가를 예측해 보았다. 또, 각 대상들 간의 소수 그룹을 파악해주는 판별식을 발견하고, 백태와 황태 판별을 위해 어떤 독립변수들이 가장 높은 기여를 하는지 알아보고판별 예측력을 확인해 보았다.
대상 데이터
- 하고, 디지털 설진 시스템을 통하여 설 영상을 획득하였다. 그 중한의사로부터 황태(48명)와 백태(14명)라 진단받은 62명의 피험자를 대상으로 하여 설진 시스템으로 측정한 설 영상의 분석을 진행하였다. <그림 1>과 같이 획득된 영상에서 혀 부분만을 추출한 후, 한의사가 직접 설태와 설질을 분류하였으며, 설태의 차이를 잘 표현할 수 있는 값을찾기 위해 분리된 설태 영역의 다양한 컬러벡터값을 계산하였다,
- 다수의 피험자를 모집하여 임상 경험 5년 이상의 한의사로부터 진단을받게 하고, 디지털 설진 시스템을 통하여 설 영상을 획득하였다. 그 중한의사로부터 황태(48명)와 백태(14명)라 진단받은 62명의 피험자를 대상으로 하여 설진 시스템으로 측정한 설 영상의 분석을 진행하였다.
- 두었다. 다수의 피험자를 모집하여 한의사 진단을 받은 후 디지털 설진 시스템을 통해 혀 영상을 획득하였다. 그 중 백태, 황태라 진단받은 62명의 피험자의 혀 영상을 이용하여 다양한 컬러벡터값을 계산해보았으며 백태와 황태를 구분하는데 있어 통계적으로 유의한 차이를 보이는 변수를찾아보았다.
- L*uv 값을 구하였다. 변환시 Observer는 2° Illuminant는 D65를 기준으로 하였다. 이렇게 구한 18개의 컬러벡터 값으로 통계기법을 통해태 분류에 유의한 변수를 찾고 판별식 도출하였다.
데이터처리
- 05이상으로 나타나 각 집단의 분산이 동일해야 한다는 가정이 충족되었다. 또한예측변수들 간에 r<0.8 수준의 상관관계를 보여 다중공선성(multicolline arity)의 가정을 위배하지 않아 판별분석을 실시하였다. 단계적(stepwis e) 판별분석 방법을 적용한 결과 5개의 변수 중 2개의 변수가 백태와황태를 판별하는데 최적인 것을 확인하였으며 집단간 판별함수에 대한모형 적합도는 <표 1>과 같다.
- 통계분석에는 SPSS 12.0 프로그램을 사용하였으며 , 분석과 정에서는 Wilks' Lamda를 가장 적게 하는 변인으로부터 투입하는 stepwise 법을 사용하여 실시하였고, 모든 통계적 유의수준은 0.05로 하였다.
- 설 영상에서 설태와 설질 영역을 구분하였다. 프로그램을 이용하여 분리된 설태 영역의 RGB값을 구하였으며, 구해진 RGB값을 이용해다양한 컬러벡터 영역의 값을 계산하고, 통계기법을 이용해 이들 중 백태와 황태를 구별하는데 유의한 변수를 구하였다.
이론/모형
- 위치제어부는 설상에 따른 영상왜곡 문제를 해결하기 위해 카메라의 위치를 제어할 수 있도록 Y-Z축 직각좌표로봇을 사용하였으며 컨트롤러를 이용하여 상하 및 좌우로 구동될 수 있다. 컨트롤러는 ATmegal128을 사용하였고 시리얼 통신을 통해 UI(User Interface) 프로그램과 통신이 가능하도록 하였다. 디지털 설진 시스템의 전체 하드웨어 구성도는 <그림 1>에서 볼 수 있다.
성능/효과
- 234로 집단간 유의한 차이를 나타냈다. (85.645, p=0.000) 각 독립변수의 상대적 중요도를 나타내는 표준화된 판별계수는 RGB_Re -0.391, HSV_H는 1.005로 HSV_H가설명력이 가장 높음을 알 수 있었다. 집단 간 판별함수의 계수는 <표 2>와 같으며, 집단별 분류함수 계수에 의해 분류된 결과와 한의사 진단과의 일치율은 <표 3>, <표 4>와 같으며 전체적으로 98.
- 그 결과 RGB의 R값과 HSV의 H값, 2개의 변수가 백태와 황태를 판별하는데 최적인 것을 알 수 있었으며 상대적 중요도를 나타내는 표준화된 판별계수를 구해봤을 때, 둘 중에서도 H값의 설명력이 가장 높은 것으로 나타났다. 두 변수를 이용해 황태, 백태를 구분할 수 있는 판별함수를 도출하고 집단별 분류함수 계수에 의해 분류된 결과와 한의사 진단과의 일치율을 확인해 본 결과, 98.
- 단계적(stepwis e) 판별분석 방법을 적용한 결과 5개의 변수 중 2개의 변수가 백태와황태를 판별하는데 최적인 것을 확인하였으며 집단간 판별함수에 대한모형 적합도는 과 같다.
- 나타났다. 두 변수를 이용해 황태, 백태를 구분할 수 있는 판별함수를 도출하고 집단별 분류함수 계수에 의해 분류된 결과와 한의사 진단과의 일치율을 확인해 본 결과, 98.4%로 높은 일치율을 나타내었다.
- 본 연구에서 사용된 예측변수들은 정규성 가정이 충족되었으며 그룹간의 공분산 비교는 Box;s M test를 통해 p=0.908로 유의수준 0.05이상으로 나타나 각 집단의 분산이 동일해야 한다는 가정이 충족되었다. 또한예측변수들 간에 r<0.
- 것이다. 진단 환경에 의한 영향을 최소화하기 위해 제한된 환경 속에서 디지털 카메라를 이용하여 설 영상을 획득하게 되며, 측정 결과로 색상 보정된 영상을 획득하게 되고, 진단에 필요한 혀 부분만을 검출할 수 있도록 만들어졌다.[3] 하지만 아직 한의사의 진단방법을 구현하여 분석 결과를 얻는 방법에 대해서는 연구가 미흡한 실정이다.
- 집단 간 판별함수의 계수는 와 같으며, 집단별 분류함수 계수에 의해 분류된 결과와 한의사 진단과의 일치율은 , 와 같으며 전체적으로 98.4%의 예측율을 보였다.
- 추출된 판별함수는 전체 변량의 87.5%를 설명하고 있으며, Wilks' Lamda는 0.234로 집단간 유의한 차이를 나타냈다. (85.
후속연구
- 본 연구를 통해 설진의 객관화, 표준화의 문제를 해결할 수 있는 가능성을 볼 수 있었으며, 백태, 황태 이외에도 회태나 흑태, 후태나 박태 등 다양한 설태의 구별에도 이용할 수 있으리라 기대된다. 또한, 설진에서 과제로 남아있는 설태와 설질의 효과적 구분방법과 관련된 연구에도 응용할 수 있어 객관적이고 정량적인설진기의 개발에 기여할 수 있을 것이다.
- 정량적으로 구분하였다. 본 연구를 통해 설진의 객관화, 표준화의 문제를 해결할 수 있는 가능성을 볼 수 있었으며, 백태, 황태 이외에도 회태나 흑태, 후태나 박태 등 다양한 설태의 구별에도 이용할 수 있으리라 기대된다. 또한, 설진에서 과제로 남아있는 설태와 설질의 효과적 구분방법과 관련된 연구에도 응용할 수 있어 객관적이고 정량적인설진기의 개발에 기여할 수 있을 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.