본문 바로가기
KERD
논문KCI 등재

EEG Report의 의무기록 유형 분류를 위한 딥러닝 기반 모델

Deep Learning-Based Model for Classification of Medical Record Types in EEG Report

이영호|강민|강석환|오경수
한국정보처리학회|2022.05|정보처리학회 논문지 (The Transactions of the Korea Information Processing Society)|제11권 제5호|pp. 203-210

2

조회

0

다운로드

0

인용

0

참고문헌

키워드

자연어처리Natural Language Processing딥러닝Deep LearningEEG Report 분류EEG Report Classification
주제분류컴퓨터학

초록

보건의료 데이터를 사용하는 연구 및 기업이 늘어나며 세계적으로 보건의료 데이터 활성화를 위한 노력을 진행 중이다. 하지만 기관에 따라사용하는 시스템과 서식이 다르다. 이에 본 연구는 EEG Report의 의무기록 유형을 분류하는 기저 모델 구축을 통해 향후 다기관의 텍스트 데이터를유형에 따라 분류하는 기저 모델을 구축하였다. EEG Report 분류를 위해 4가지의 딥러닝 기반 알고리즘에 대해 비교하였다. 실험 결과 One-HotEncoding으로 벡터화하여 학습한 ANN 모델이 71%의 정확도로 가장 높은 성능을 보였다.

Abstract

As more and more research and companies use health care data, efforts are being made to vitalize health care data worldwide. However,the system and format used by each institution is different. Therefore, this research established a basic model to classify text data ontomultiple institutions according to the type of the future by establishing a basic model to classify the types of medical records of theEEG Report. For EEG Report classification, four deep learning-based algorithms were compared. As a result of the experiment, the ANNmodel trained by vectorizing with One-Hot Encoding showed the highest performance with an accuracy of 71%.

참고문헌 (31)

  1. Adoption of electronic health record systems among US non-federal acute care hospitals : 2008-2014, "D. Charles", Office of the National Coordinator for Health Information Technology, 1~10 (2015)
  2. "Korea University Anam Hospital, EEG, curious about that"[URL]
  3. Y. Gao, "Deep convolutional neural network-based epileptic electroencephalogram(EEG)signal classification", Frontiers in Neurology, 11 (2020)
  4. S. Raghu, "EEG based multi-class seizure type classification using convolutional neural network and transfer learning", Neural Networks, 124, pp.202~212 (2020)
  5. Y. Wang, "A clinical text classification paradigm using weak supervision and deep representation", BMC Medical Informatics and Decision Making, 19(1), pp.1~13 (2019)
  6. T. R. Goodwin, "Deep learning from EEG reports for inferring underspecified information", AMIA Joint Summits on Translational Science Proceedings, pp.112~121 (2017)
  7. 김준홍, "인스타그램 기반의 전이학습과 게시글 메타 정보를 활용한 페이스북 스팸 게시글 판별", 대한산업공학회지, 43(3), pp.192~202 (2017), 대한산업공학회[DOI]
  8. 김도우, "Doc2Vec과 Word2Vec을 활용한 Convolutional Neural Network 기반 한국어 신문 기사 분류", 정보과학회논문지, 44(7), pp.742~747 (2017), 한국정보과학회
  9. G. Liu, "Bidirectional LSTM with attention mechanism and convolutional layer for text classification", Neurocomputing, 337, pp.325~338 (2019)
  10. Y. Chen, "Medical records classification model based on text-image dual-mode fusion", 2021 4th International Conference on Artificial Intelligence and Big Data (ICAIBD), pp.432~436 (2021)
  11. L. Qing, "A novel neural Network-Based method for medical text classification", Future Internet, 11(12), pp.255~ (2019)
  12. "Startup trends using domestic and foreign health and medical big data"[URL]
  13. M. D. Wilkinson, "The FAIR guiding principles for scientific data management and stewardship", Scientific Data, 3(1), pp.1~9 (2016)
  14. "National Institutes of Health, STRIDES Initiative"[URL]
  15. 김서안, "데이터 3법 개정의 의미와 추후 과제", 융합보안 논문지, 20(2), pp.59~68 (2020), 한국융합보안학회
  16. 김광점, "4차 산업혁명과 간호 인적자원의 개발 : 전망과 과제", 인적자원개발연구, 21(3), pp.137~159 (2018), 한국인적자원개발학회[DOI]
  17. "Current status of introduction and development of electronic medical records in Korea"[URL]
  18. "2020 Health and Medical Informatization Survey Results Report"[URL]
  19. 이주연, "대형 대학병원의 의무기록관리 현황분석 및 개선방안에 관한 연구", 한국기록관리학회지, 13(1), pp.107~134 (2013), 한국기록관리학회
  20. 이은미, "의무기록관리의 현황과 개선방안: KS X ISO 15489표준의 Y병원 적용 중심으로", 정보관리학회지, 29(3), pp.257~285 (2012), 한국정보관리학회[DOI]
  21. American Clinical Neurophysiology Society, "Guideline 7 : guidelines for writing EEG reports", American Journal of Electroneurodiagnostic Technology, 46(3), pp.231~235 (2006)
  22. I. Obeid, "The temple university hospital EEG data corpus", Frontiers in Neuroscience, Data Report, 10(196) (2016)
  23. S. Bird, "NLTK: The natural language toolkit", Proceedings of the COLING, 2006, 69~72
  24. S. Bird, "Natural language processing with Python: Analyzing text with the natural language toolkit" (2009), O'Reilly Media, Inc
  25. "Google Developers, Step 3: Prepare Your Data"[URL]
  26. R. Zhao, "Fuzzy bag-of-words model for document representation", IEEE Transactions on Fuzzy Systems, 26(2), pp.794~804 (2018)
  27. W. Zhang, "A comparative study of TF* IDF, LSI and multi-words for text classification", Expert Systems with Applications, 38(3), pp.2758~2765 (2011)
  28. M. Bihis, "A generalized flow for multiclass and binary classification tasks: An azure ML approach", 2015 IEEE International Conference on Big Data (Big Data), pp.1728~1737 (2015)
  29. 임승수, "Word2Vec 모델 기반의 단어 유사도를 이용한 새로운 약물-부작용 관계 예측", 한국정보기술학회논문지, 18(11), pp.25~33 (2020), 한국정보기술학회[DOI]
  30. Adnan Muhammad Shah, "Social Network Analysis of an Online Smoking Cessation Community to Identify Users’ Smoking Status", Healthcare Informatics Research, 27(2), pp.116~126 (2021), 대한의료정보학회
  31. J. Xu, "DP-GAN : Diversitypromoting generative adversarial network for generating informative and diversified text", arXiv preprint arXiv : 1802. 01345, ~ (2018)

관련 논문AI추천

뇌파의 중첩 분할에 기반한 CNN 앙상블 모델을 이용한뇌전증 발작 검출김민기한국정보처리학회 · 정보처리학회 논문지2021 · 제10권 제12호EEG 신호분석을 통한 행동 예측: LSTM과 Transformer 비교 연구김웅식, 윤수영, 윤태웅, 하세희한국인공지능융합기술학회 · 인공지능융합기술연구2024 · 제4권 제4호건식 뇌파 데이터를 활용한 경도인지장애 진단 인공지능 모델에 관한 연구김보형, 김재영, 문기욱, 서진욱, 안단태, 이기원, 이시현, 임승의, 한구현한국차세대컴퓨팅학회 · 한국차세대컴퓨팅학회 논문지2023 · 제19권 제2호순환신경망 기반 저가형 뇌파 분류기를 이용한 생체신호 인터페이스 연구김현돈한국로봇학회 · 로봇학회 논문지2024 · 제19권 제4호뇌파 신호 기반 BCI 연구에서 데이터 연속성의 영향김웅식, 김윤상, 한주혁한국융합신호처리학회 · 융합신호처리학회 논문지2024 · 제25권 제1호개방형 어휘 환경에서의 EEG-To-Text 디코딩 성능 향상을 위한 잠재 확산 기반 모델김병형, 박세진대한의용생체공학회 · 의공학회지2025 · 제46권 제5호

이 간행물의 다른 논문 (4건)

빅데이터 전처리 기반의 실시간 사용자 선호 데이터 추천을위한 개선된 스카이라인 질의 기법김종완, 김지현pp. 189-196엔트로피 시계열 데이터 추출과 순환 신경망을 이용한IoT 악성코드 탐지와 패밀리 분류김영호, 이현종, 황두성pp. 197-202깊이 이미지를 이용한 타이어 표면 결함 검출 방법에 관한 연구이원곡, 김현석, 고동범, 배유석pp. 211-220딥러닝과 센서를 이용한 서비스용 로봇 팔의 설계김규태, 김상훈, 구모세, 박명숙, 고영준pp. 221-228
원문 보기