감염병 예측 정확도 향상을 위한 딥러닝 모델 고도화 연구 > Research

본문 바로가기


 

Research

감염병 예측 정확도 향상을 위한 딥러닝 모델 고도화 연구

본문

전 세계적으로 다양한 감염병이 발생하고 있으며 항공편을 통해 수많은 나라를 경유했던 사람들이 국내로 방문하고 있어, 이들을 통해 기존에 자국에 없던 특정 바이러스가 유입될 수 있다. 그 예시로, 2015년도 국내 메르스 사태와 같이 국내에서 발생할 것이라고 생각하지 못하였던 감염병이 유입되어 도시 전체를 마비시키고 국민들이 서로를 경계하는 공포를 유발하기도 하였다. 매년 수많은 감염자와 사망자를 유발시키고 천문학적 예산을 소모하고 있는 인플루엔자 바이러스를 대응하기 위해 전 세계적으로 다양한 분야의 전문가들이 모여 다음 시즌의 바이러스들을 예측하고 준비하고 있으며, 이를 위해 딥러닝 방법을 포함한 최첨단 신규 기술들을 적용한 인플루엔자 확산 예측 모형들이 전 세계적으로 개발되고 활용되고 있다.


이에 아직 국내에 유입되지 않은 신종바이러스가 국내로 유입되어 확산될지 여부를 예측하는 딥러닝 알고리즘을 활용하는 예측 모델을 개발하고자 하며, 매년 유행이 발생하는 인플루엔자 바이러스가 해마다 어떤 유형이 언제 얼마나 많은 감염자를 발생시킬지를 예측할 수 있는 딥러닝 기반 예측 모델을 개발하고자 한다. 이를 위해 호흡기계 감염병 확산 예측을 위한 모델에 사용될 수 있는 데이터인 감염병 특성, 기후, 국가 별 발생 정보나 관련 기사 발생 정보, 검색 엔진에서의 키워드 검색 빈도 정보 등의 데이터를 자동으로 수집 및 가공하고 분석 도구를 개발한다.


본 연구실은 위에서 언급한 연구 주제들과 더불어, 감염병 예측의 정확도를 향상하기 위해 데이터 전처리, 데이터 마이닝, 결측치 보완, 시각화 등 빅데이터 분석을 수행한다.

 

● 빅데이터 분석

- 전 세계에서 수집된 전염병 관련 빅데이터(예: 기사, 기후, 항공, 감염병 세부정보, 유전체 정보)를 분석할 수 있는 데이터 마이닝 기반의 분석 모델 개발

- 서로 다른 계열의 데이터들을 동일한 주제에 대한 데이터들로 분류를 위해, 효과적인 변수들의 가중치 선정과 새로운 변수 생성 등을 통한 이종 데이터 기반 특징 추출 모델 개발

- 감염병 관련 빅데이터들을 분석하여 감염병과 빅데이터와의 상관관계를 분석하고, 이를 효과적인 분석 및 정보 전달을 위한 데이터 시각화 기법 개발

- 연관성이 적은 데이터들을 학습에서 제거하는 이상치 탐지 알고리즘 개발

- 국내 유입 위험도 및 국내 발병 시기 예측 성능 향상을 위하여, 전세계에서 감염병들에 대해 수집된 데이터들로부터 보다 자세한 정보 분석을 위한 모델 개발

- 국내 유입 위험도 및 발병 시기 예측 향상을 위해, 전 세계에서 감염병 또는 감염병 예측에 관한 정보들로부터 특징 추출 및 차원 축소가 가능한 기계학습 기반의 효과적인 전처리 모델 개발


 

noname08.png

그림 1 빅데이터 기반 연관성 분석 및 제거 모델

 

● 딥러닝 모델 개발

- 시계열 데이터에 효과적인 LSTM-RNN과 같은 딥러닝 모델의 해석 가능성과 인터랙션(Interaction)을 향상시킨 시각적 분석 솔루션 개발을 통해 효과적인 시공간적 외부요인 분석

- 국내 발병 시기 및 발병률에 대해 수집된 감염병 데이터들을 딥러닝 기법 기반의 분석된 결과를 바탕으로 월 단위 이하 단기 예측 모델 구성 및 예측 성능 고도화 수행

- 국내 발병 시기 및 발병률에 대해 수집된 감염병 데이터들을 딥러닝 기법 기반의 분석된 결과를 바탕으로 월 단위 이상의 장기 예측 모델 구성 및 예측 성능 고도화 수행

 

noname08.png

그림 2 빅데이터 분석 기반 예측 모델 고도화

 


Multimedia Information Laboratory

New Engineering Building 417, Korea University, 145, Anam-ro, Seongbuk-gu,
Seoul, Republic of Korea. 02841
Tel : +82-2-3290-3784

2016 Copyright © mil.korea.ac.kr All rights reserved.