김지호 교수

Background: It is important to evaluate the right ventricular (RV) function intraoperatively for optimal management of patients undergoing cardiac surgery. The clinical relevance of thermodilution method to tranesophageal echocardiography (TEE) for the measurements of RV function during off-pump coronary artery bypass surgery (OPCAB) was evaluated in this study. Methods: Fifty patients undergoing OPCAB were included. RV function was assessed with both thermodilution method and TEE after anesth

배경: 승모판막하부 구조물의 보존은 판막대치술에서 심실 기능을 보존하고 임상경과를 향상시킨다. 판막성형술에서도 구조물의 보존으로 인해 예후가 좋다고 알려져 있지만 지금까지 판막성형술과 보존적 판막대치술 간에 수술 직후 심기능을 비교한 연구는 많지 않다. 이에 본 연구에서는 상기 두 술식에 따른 혈역학적 차이와 임상경과를 전향적으로 비교 연구하였다. 대상 및 방법: 승모판막폐쇄부전을 진단받은 54명의 환자 중 21명에서 보존적 판막대치술을, 33명에서 판막성형술을 시행하였다. 수술 중과 후에 환자의 혈역학, 심혈관계 약물의 사용, 임상경과 및 합병증을 관찰하였다. 모든 환자에서 최소 6개월 이상 사망률과 이환율을 추적 관찰하였다. 결과: 두 군 간 환자군의 특징은 비슷하였다. 다만 심방세동과 심부전이 판막대치술군에서 많았고 술 전 좌심실박출계수가 판막대치술군에서 64±9%로 판막성형술군의 69±5%에 비해 낮았다(p=0.043). 두 군 간 수술 중과 중환자실에서의 혈역학적 차이는 없

라이프로그(life-log) 데이터는 정신건강 모니터링에 높은 잠재력을 가지지만, 실제 수집 과정에서 발생하는 데이터 결측 및 편향 문제로 인해 활용에 어려움이 따른다. 본 연구는 이러한 현실적인 문제에 대응하기 위한 데이터 전처리 방법을 제안한다. 이종의 소스로부터 수집된 비정형 데이터를 분석 가능한 '유닛(unit)' 단위로 구조화하고, 데이터의 결측 수준에 따라 시계열 보간과 회귀 보간을 적응적으로 적용하며, 생성 모델을 이용해 소수 클래스(우울군) 데이터를 증강하여 클래스 불균형을 완화한다. 대학생을 대상으로 수집한 실제 라이프로그 데이터에 제안된 전처리 방법을 적용하여 우울 수준 예측 모델을 개발하고 그 성능을 검증한다. 실험 결과, 제안된 전처리 방법이 기준 모델 대비 우울군 탐지 성능을 유의미하게 향상시키는 것을 확인했다. 본 연구는 불완전한 실제 라이프로그 데이터가 가진 복합적인 문제들을 보간과 재현 데이터 생성의 전처리 과정을 통해서 단계적으로 해결하고, 이러한 전처

본 논문에서는 데이터스트림 환경에서 합성곱 신경망을 응용하여 개념 변화를 검출하는 방법을 제안한다. 기존의 합성곱 신경망을 응용하는개념 변화 검출 방법은 데이터스트림에서 레이블이 제공되는 일반적이지 않은 상황을 전제하며, 개념의 일관성을 고려하지 않아 실제 입력값이큰 차이가 없어도 민감하게 반응하여 개념 변화로 잘못 검출하는 문제점이 있었다. 본 논문은 레이블이 제공되지 않는 일반적인 데이터스트림상황에서 합성곱 신경망을 개념 변화 검출에 활용하고자 기계학습을 통해 레이블을 생성하는 기법과, 개념의 일관성을 고려하여 검출 오류를 줄이고자 레이블의 차이를 정량화 하는 레이블 조정 방법을 함께 제안한다. 먼저, 오토인코더와 클러스터링을 통해 데이터스트림에 입력되는 데이터를패턴화하여 신경망 모델에 학습시키고, 이렇게 학습된 신경망 모델의 과거 데이터와 현재 데이터의 출력값에 레이블 조정 방법을 적용해 차이를계산하여 개념 변화를 검출한다.