정보과학회 컴퓨팅의 실제 논문지 (KIISE Transactions on Computing Practices)
Current Result Document :
| 한글제목(Korean Title) |
마취용 처치 추천을 위한 설명 가능한 딥뉴럴 네트워크 |
| 영문제목(English Title) |
Explainable Deep Neural Network for Anesthetic Treatment Recommendation |
| 저자(Author) |
이재규
이상엽
Jaekyu Lee
Sangyub Lee
성수진
권수범
윤지욱
오진영
차정원
Su-Jin Seong
Soo-Bum Kwon
Ji-Uk Yoon
Jin-Yong Oh
Jeong-Won Cha
|
| 원문수록처(Citation) |
VOL 26 NO. 12 PP. 0550 ~ 0555 (2020. 12) |
한글내용
(Korean Abstract) |
본 논문에서는 수술 중 환자에 대한 17개의 생체정보(Vital sing)에 대응하여 주어진 처치 후보 중 최적의 처치 방법을 추천하는 마취용 처치 추천 모델 구축 방법을 제안한다. 의학 분야 시스템의 결과는 최종적으로 사람에게 적용되기 때문에 모델의 결과에 대한 신뢰성 확보가 중요하다. 제안 모델은 가중치 곱에서 이루어지는 합 연산을 max-pooling으로 대체해 각 입력 자질에 대한 가중치를 독립적으로 계산한다. 따라서 모델은 gradient descent를 이용하여 학습될 수 있으며, 추천된 결과에 대한 근거를 제시할 수 있다. 양산부산대병원의 데이터를 이용한 예비 실험을 통해 가능성을 보이며, 추가로 수집한 정형 데이터에 적용하여 효용성을 확인하였다. |
영문내용
(English Abstract) |
In this paper, we propose a method for constructing an anesthesia treatment recommendation model that suggests an optimal treatment among given treatment candidates in response to 17 vital information regarding a patient during surgery. Since the results of the model in the medical field are finally applied to humans, it is crucial to ensure the reliability of the model results. The proposed model replaces the summation with max-pooling to independently calculate the weights for each input feature. Thus, the model can be trained using gradient descent and can provide a basis for the recommended results. We show the possibility through preliminary experiments using data from Pusan National University Yangsan Hospital, and apply the method to the additional collected structured data to confirm its effectiveness. |
| 키워드(Keyword) |
차량 조명제어
전자기장
손동작 인식
조명 제어
차량 사용자 인터페이스
vehicle lighting control
electromagnetic field
hand gesture recognition
lighting control
in-vehicle user interface
딥러닝
설명 가능한 인공지능
마취 처치 추천
정형 데이터
deep learning
explainable AI
anesthetic treatment recommendation
structured data
|
| 파일첨부 |
PDF 다운로드
|
