Repository for one-hot encoding module for healthcare system
ochodus / dblab_onehot Goto Github PK
View Code? Open in Web Editor NEWRepository for one-hot encoding module for healthcare system
Repository for one-hot encoding module for healthcare system
-> 이부분은 결과값을 더 보고 다시 적을 것
-> 이 부분은 말을 좀 유하게 변경할 것
-> 수정 할 것
-> 논문에서 문제점과 해결하고자 하는 바를 부각시켜서 논문이 읽기 쉽게 해준다.
-> 다른 방식의 챗봇들을 신나라하게 까서 우리 논문을 부각시켜야 한다.
-> 서론에 모든 것들을 합쳐서 한번에 설명을 할 것 하지만 우리의 제안이 부각되도록 논문이 구성되어야 한다.
질문
-> 서론에서 배경설명(최근 정신질환 환자가 늘어나고 있고 이로인해 문제점들이 많다 )등의 내용을 강화시킬까?
정신질환은 흔한 질병이지만 환자가 정신병원을 가기까지 사용되는 코스트가 크다
조기발견이 중요하지만 정신병원을 안가서 만성이되어 치료가 어려워 지고 있다.
기존에는 다양한 방식의 챗봇을 사용하여 질환을 판단하고자 하는 시도가 있어왔다.
생성 기반 챗봇: 주제에 맞지 않는 답변이 응답되어 사용자의 챗봇에 대한 신뢰성이 하락
규칙 기반 챗봇: 입력되지 않은 데이터에 대해서는 대답 불가능 + 오타 허용하지 않음 + 시스템 구축 비용이 큼
검색 기반 챗봇: 기존에는 확률적으로 높은 응답을 검색했을때 확률이 낮더라도 다른 답변들보다 확률이 높다면 의외의 답변을 한다는 단점
우리꺼: 본 논문에서는 검색기반 방식을 사용하지만 문답을 통해 질환의 예측 성능을 향상시켜 의외의 답변을 예측하는 기존 검색 기반 챗봇의 단점을 극복하려고 하였다.
노이즈(다른표현) -> 장점
(ex )다양한 층 구성을 해본 결과 좋은 성능을 보이는 MLP 구성
(ex)
Models | MLP | SVM | NBC | DTC |
---|---|---|---|---|
K | 0.9 | 0.9 | 0.9 | 0.9 |
시행한 테스트 개수(64개) | ||||
정확도 | ||||
n_means(맞춘 경우 문답 평균) | ? | ? | ? | ? |
표 4와 표 6은 위의 표로 합칠 수 있어보임. 정확도가 낮은 이유를 서술하면서 증상이 3개 이하인 경우를 못맞춘다고 적으면 될 듯
표 5 비정상 입력시 모델별 문답횟수는 어떻게 해야할지 모르겠음
4개 이상의 증상을 가지고 있는 질환 데이터를 바탕으로 실험 1의 결과표를 살펴 볼것
(예시)
Models | MLP | SVM | NB | DTC | |
---|---|---|---|---|---|
정확한 입력 데이터 | Accuracy | 99.71 | 99.27 | 58.89 | 99.92 |
F1 Score | 99.68 | 99.59 | 68.86 | 99.92 | |
1회 입력 오류 데이터 | Accuracy | 99.33 | 66.64 | 58.89 | 99.92 |
F1 Score | 99.28 | 75.67 | 68.86 | 99.92 |
두개 표를 만들어야 함을 유의할 것
4개 이상의 증상을 가지고 있는 질환 데이터를 바탕으로 실험 2의 결과표를 작성
(예시)
Models | MLP | SVM | NBC | DTC | |
---|---|---|---|---|---|
시행한 테스트 개수 | 각 질병 증상 수의 합 | -- | -- | -- | -- |
첫입력 한개 | 정확도 | 78.8 | - | 2.76 | 8.76 |
평균 문답 횟수 | 88.21 | - | 74.09 | 108.93 | |
첫입력 두개 | 정확도 | 78.8 | - | 2.76 | 8.76 |
평균 문답 횟수 | 88.21 | - | 74.09 | 108.93 | |
첫입력 세개 | 정확도 | 78.8 | - | 2.76 | 8.76 |
평균 문답 횟수 | 88.21 | - | 74.09 | 108.93 |
Models | MLP | SVM | NBC | DTC | |
---|---|---|---|---|---|
시행한 테스트 개수 | 각 질병 증상 수의 합 | -- | -- | -- | -- |
첫입력 한개 | 정확도 | 54.49 | - | 0.21 | 24.06 |
평균 문답 횟수 | 73.41 | - | 14.0 | 118.77 | |
첫입력 두개 | 정확도 | 54.49 | - | 0.21 | 24.06 |
평균 문답 횟수 | 73.41 | - | 14.0 | 118.77 | |
첫입력 세개 | 정확도 | 54.49 | - | 0.21 | 24.06 |
평균 문답 횟수 | 73.41 | - | 14.0 | 118.77 |
데드 라인
1. 정신 질환 환자가 매년 증가중
**근거: **http://www.mohw.go.kr/react/al/sal0301vw.jsp?PAR_MENU_ID=04&MENU_ID=0403&page=2&CONT_SEQ=368136
보건복지부의 2021.10.8 근거중심 정신의료서비스 정책개발을 위한 심포지엄
핵심 내용: 의료서비스를 이용한 환자 수는 2009년 206.7만 명에서 2019년 311.6만 명으로 증가하여 연평균 4.2%의 증가율
2-1. 정신질환자에 대한 선입견이 정신질환자에게 부정적인 역할을 미침
핵심 내용: 정신 질환환자가 증가중인 현 한국의 상황에서 대다수의 한국인들은 본인에게 정신적 문제가 발생하여도 정신과에 대한 진료 기록이 남는다는 낙인 효과 때문에 방문하기를 꺼려한다
2-2. 정신과에 대한 선입견 및 정신 의료 서비스의 낮은 이용률
**근거:**https://www.kci.go.kr/kciportal/ci/sereArticleSearch/ciSereArtiView.kci?sereArticleSearchBean.artiId=ART002168977
핵심 내용 :정신의료 서비스의 낮은 이용률에 대한 이유는 여러 가지가 있을 수 있으나 사회 구성원이 가지는 정신질환에 대한 편견이 많은 영향을 주고 있다고 판단된다
**2-2-1 2021년 정신건강실태조사 결과 발표
**근거:**https://www.korea.kr/news/pressReleaseView.do?newsId=156488517
핵심 내용 : 2021년 기준, 정신질환에 대한 평생 유병률은 27.8%이다. 하지만 그에 반해 정신건강서비스 이용률은7.2%로 미국 43.1%(‘15년), 캐나다 46.5%(’14년), 호주 34.9%(‘09년)에 비해 낮은 수준
2-3. 부정적인 인식과 태도가 정신 질환자들에게 적시에 적절한 치료를 받지 못하게 하는 요소로 작용
**근거:**https://koreascience.kr/article/JAKO200910103442479.page
3. 정신질환은 초기에 발견하고 치료해야 효과가 좋지만, 사회적 편견으로 증 상을 숨기는 경향
근거: https://jknpa.org/pdf/10.4306/jknpa.2020.59.3.208
핵심 내용: 정신건강이해력이란 자신 혹은 타인의 증상을 정신질환의 증상으로 알아차리고 초기에 치료적 개입을 구하여 질환을 관리할 수 있는 능력. 이러한 능력이 한국에는 부족함
서론의 배경: 정신 질환환자가 나날히 증가중[1]인 현 한국의 상황에서 대다수의 한국인들은 본인에게 정신적 문제가 발생하여도 정신과에 대한 진료 기록이 남는다는 낙인 효과 때문에 방문하기를 꺼려한다. [2] 정신질환은 초기에 발견하고 치료해야 효과가 좋지만, 사회적 편견으로 인해 증상을 숨기는 경향을 가지고 있다[3]
4. 정신 질환은 조기에 발견하고 치료하는 것이 중요한데, 사회적 편견으로 인해 병원을 찾는 과정에 긴 시간이 소요됨
근거: https://ir.ymlib.yonsei.ac.kr/bitstream/22282913/123677/1/T009868.pdf
핵심 내용:정신과 치료를 받기까지 소요된 시간은 27.4%가 1년 이상이 걸렸다.
5. 초기 진단의 중요성
**근거:**https://www.kci.go.kr/kciportal/ci/sereArticleSearch/ciSereArtiView.kci?sereArticleSearchBean.artiId=ART002117928
조기에 판단되면 덜 침습적이며 효과적인 치료를 할 수 있게 해준다. 조기 대응은 조현병 발병을 예방할 수 있으며, 인지 행동 치료에 대해 예방되지 않더라도 미뤄질 수 있다
6. 환자들이 장애에 대한 자기인식을 하는 것은 중요하다
핵심 내용:조현병 환자에서 장애에 대한 자기인식과 병식의 연관성
서론의 문제 정의: 이러한 환경 속에서 사람들은 병원을 찾게 되기까지의 과정에 시간이 많이 들고 이로인하여 병세가 악화되는 경우가 많다[3]. 초기 진단은 효과적인 치료를 할 수 있으며, 그 예로 조현병의 발병 예방 및 인지 행동 치료를 통해 미뤄질 수 있다.[4] 환자들이 본인의 증상을 인식하고, 어떤 정신의학적 문제가 발생 가능한지에 대한 인식이 필요하기 때문에[5] 본 논문에서는 정신질환의 증상을 입력하면 그에 따른 질환을 예측하는 인공지능 모델을 제작하고자 한다.
(초기 화면)
(초기화면2)
본 챗봇은 특정 상황에 대한 이야기를 함께 함으로써 대화의 도움이 되는 방법을 소개시켜준다.
위와 같은 상황이 어떤 상황인지를 환자에게 추측하도록 하고 이에대한 해결 방법을 제시한다.
기존은 챗봇과의 상담을 통해 마음을 진정시켜주거나 사회화를 도와주는 방식의 시스템[5]이다. 이 방식은 환자의 심리를 안정시켜 줄 수는 있겠으나 근본적인 병의 치료에는 크게 영향을 주지 않는다면 본 논문은 환자가 자신의 질환을 명확하게 인식하게 하는것이 목표이다. 마치 병원에서 진단을 받는것과 같지만 시간과 인력을 투입하지 않고도 대략적인 병의 진단을 할 수 있기 때문에 유용할 것이다.
아직 진단을 받지 않은 잠재적 환자들을 위한 연구. 솔직한 이야기를 바탕으로 파악하기 위해 sns를 이용하기로 함.
공황장애에 대해 딥러닝 모델에 학습시켜 자동 분류 모델을 제작
A declarative, efficient, and flexible JavaScript library for building user interfaces.
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
An Open Source Machine Learning Framework for Everyone
The Web framework for perfectionists with deadlines.
A PHP framework for web artisans
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
Some thing interesting about web. New door for the world.
A server is a program made to process requests and deliver data to clients.
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
Some thing interesting about visualization, use data art
Some thing interesting about game, make everyone happy.
We are working to build community through open source technology. NB: members must have two-factor auth.
Open source projects and samples from Microsoft.
Google ❤️ Open Source for everyone.
Alibaba Open Source for everyone
Data-Driven Documents codes.
China tencent open source team.