정보처리학회 논문지 소프트웨어 및 데이터 공학
Current Result Document :
| 한글제목(Korean Title) |
EEG Report의 의무기록 유형 분류를 위한 딥러닝 기반 모델 |
| 영문제목(English Title) |
Deep Learning-Based Model for Classification of Medical Record Types in EEG Report |
| 저자(Author) |
오경수
강민
강석환
이영호
Kyoungsu Oh
Min Kang
Seok-hwan Kang
Young-ho Lee
|
| 원문수록처(Citation) |
VOL 11 NO. 05 PP. 0203 ~ 0210 (2022. 05) |
한글내용
(Korean Abstract) |
보건의료 데이터를 사용하는 연구 및 기업이 늘어나며 세계적으로 보건의료 데이터 활성화를 위한 노력을 진행 중이다. 하지만 기관에 따라 사용하는 시스템과 서식이 다르다. 이에 본 연구는 EEG Report의 의무기록 유형을 분류하는 기저 모델 구축을 통해 향후 다기관의 텍스트 데이터를 유형에 따라 분류하는 기저 모델을 구축하였다. EEG Report 분류를 위해 4가지의 딥러닝 기반 알고리즘에 대해 비교하였다. 실험 결과 One-Hot Encoding으로 벡터화하여 학습한 ANN 모델이 71%의 정확도로 가장 높은 성능을 보였다. |
영문내용
(English 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 onto multiple institutions according to the type of the future by establishing a basic model to classify the types of medical records of the EEG Report. For EEG Report classification, four deep learning-based algorithms were compared. As a result of the experiment, the ANN model trained by vectorizing with One-Hot Encoding showed the highest performance with an accuracy of 71%. |
| 키워드(Keyword) |
딥러닝
EEG Report 분류
자연어처리
Deep Learning
EEG Report Classification
Natural Language Processing
|
| 파일첨부 |
PDF 다운로드
|
