메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
예상준 (한국한의학연구원) 이상훈 (한국한의학연구원)
저널정보
한국지식정보기술학회 한국지식정보기술학회 논문지 한국지식정보기술학회 논문지 제17권 제5호
발행연도
2022.10
수록면
1,049 - 1,057 (9page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
전통 의학에서 환자에게 적합한 처방을 선정하는 과정은 복잡한 임상 의사결정 과정이 필요하고, 이러한 의사결정을 지원하기 위한 다수의 연구가 수행되고 있다. 그러나 기존의 연구에서는 한의학의 다양한 이론 체계 및 진단 방식을 반영하고 있는 학파별 특징을 반영한 알고리즘 연구가 수행되지 않았다. 이에 본 논문에서는 학파별 처방 추천을 위해서 입력층, 임베딩층, 분류기층, 출력층으로 구분된 기계학습 모델을 설계하였다. 그리고 만성호흡계질환을 대상으로 3개 학파의 전문가가 참여하여 480건의 학습데이터를 생성하고 전처리하였다. 제안된 기계학습 모델의 성능은 5개 처방을 추천할 때의 정확도를 5 folds cross-validation 방법으로 측정하였다. 증상명 임베딩을 위해서 fastText 인코더를 적용한 모델이 가장 좋은 성능을 보였으며, 분류기로는 SVM을 사용한 모델이 가장 성능이 우수한 것으로 밝혀졌다. 그리고 학파별 처방 추천 성능은 대한상한금궤의학회 모델이 99.29%로 가장 높았으며, 대한형상의학회가 86.87%였고, 사상체질의학회가 70.71%로 가장 낮았으며 마지막으로 세 학파의 평균은 85.42%였다. 본 연구는 한의 처방 추천 기계학습 모델을 설계하고 개발하는 새로운 접근법을 제시했다는 의의가 있다.
#Prescription recommendation #TKM school #Machine learning #Embedding #Respiratory disease

목차

등록된 정보가 없습니다.

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0