신경망 기반 관상동맥 질환 진단 지원 시스템 연구
Medical diagnosis support system for coronary artery using neural network
- 주제(키워드) 의료서비스 환경 , 유비쿼터스 , RFID , Radio Frequency Identification , K-means
- 주제(KDC) 530
- 주제(DDC) 658
- 발행기관 아주대학교 일반대학원
- 지도교수 왕지남
- 발행년도 2007
- 학위수여년월 2007. 2
- 학위명 석사
- 학과 및 전공 일반대학원 산업공학과
- 본문언어 한국어
초록/요약
현재 식생활 및 운동부족으로 인한 고혈압, 고지혈증, 당뇨, 관상동맥질환과 같은 성인병 환자의 수가 증가 하고 있으며 더불어 소득 수준 향상을 통해 양질의 의료서비스를 요구하는 계층이 증가하고 있다. 현재의 의료서비스 환경은 유비쿼터스(Ubiquitous) 환경의 확대와 무선 네트워킹(Wireless Networking) 기술,의료도메인 진단 및 예측시스템 기술,RFID(Radio Frequency Identification) 기술 등의 발달로 인해 그 가능성이 점차 커지고 있다. 현재 의료서비스에 관한 연구는 원격에서 환자의 생체 신호를 얻고 그 데이터를 이용하여 화상으로 의사가 진단하고 처방하는 원격 진료 시스템과 사용자 감성인식 기반 적응형 Interface와 지능형 Agent 시스템에 대한 연구가 활발하게 진행되고 있다. 본 연구는 의료서비스 환경에서 관상동맥질환 환자의 조기 진단 및 생체신호 들의 변이를 예측하여 전문의들의 의료진단에서 의사결정에 도움을 주고 또한 보다 많은 환자를 관리 할 수 있는 지능형 의료시스템 개발을 목적으로 하고있다. 구체적으로 본 논문에서는 관상동맥질환에 관한 진단 및 예측시스템의 정확도에 대한 평가를 위해 K-means, SOFM(Self-Organizing Feature Map), BP(Back propagation)등의 신경망 알고리즘을 테스트하여 각각의 알고리즘에 대한 정확도 분석을 목적으로 하고 있다. 따라서 환자의 생체신호 데이터를 측정하고 DB에 입력된 후 신경망 알고리즘으로 구성된 진단 및 예측엔진을 통하여 위험도를 환자 및 전문의에게 통보하여 위험수위에 따른 진료 및 처방을 가능하게 하고 사전에 생체신호들의 변이를 예측하여 갑작스러운 질환의 발생을 예방하려 한다.
more초록/요약
As a result of eating life style and lack of exercise, rapid increased about adult disease such as hypertension, diabetes and Coronary Heart Disease. In addition, in developed countries hasdemanded good quality of medical treatment and service. The objective of this paper is proposed a comparison of neural network algorithms for early detection of patient symptom, disease diagnosis and generation of human vital signal prediction which is applied to intelligent clinical decision support system for coronary heart disease patient management. The simulation was system accuracy tested using K-means, SOFM(Self-Organizing Feature Map), LVQ (Learning Vector Quantization) and BPNN(Back-propagation neural network). Without BPNN models were not successful with the small size of coronary heart disease data. However, BPNN were proved to be the best for the diagnosis of coronary heart disease. The evaluation of BPNN model performances was good for prediction but it has got residual errors. The research suggests the best prescription for prevention of diseases related to metabolic syndrome and high risk disease in the U-hospital, home healthcare system, PERS (Personal Emergency Response System), and silver town healthcare for elder people and patients.
more목차
제 1 장 서론 = 1
1.1 연구배경 및 목적 = 1
1.2 국내외 기술현황 및 기존 연구 고찰 = 3
제 2 장 연구 대상 = 10
2.1 관상동맥 질환 = 10
2.2 질병진단을 위한 Knowledge = 11
제 3 장 의료 진단 및 예측시스템을 위한 신경망 알고리즘 = 12
3.1 K-means 알고리즘 = 12
3.2 SOFM 알고리즘 = 15
3.3 LVQ 알고리즘 = 17
3.4 Back propagation 알고리즘 = 23
제 4 장 관상동맥 질환 의사결정지원 시스템 = 25
4.1 전체 시스템 개요 = 25
4.2 의사결정 시스템 구성 = 26
4.2.1 생체신호 분석 시스템 = 28
4.2.2 진단 시스템 = 29
4.2.3 예측 시스템 = 31
4.3 관상동맥 질환 환자와 의사결정 시스템간의 유즈케이스 및 시퀀스 다이어그램 = 33
제 5 장 의사결정시스템 테스트 결과 = 35
5.1 진단시스템 결과 = 35
5.2 예측시스템 결과 = 42
제 6 장 결론 및 향후 과제 = 44
참고문헌 = 46
Abstract = 48
