Prediction In-Hospital Cardiac Arrest within 8 hours using Vital signs

Title : Prediction In-Hospital Cardiac Arrest within 8 hours using Vital signs
Published in : The 16th Asia Pacific International Conference
on Information Science and Technology (APIC-IST 2021)
Author : Minsu Chae, Sangwook Han, Hyo-Wook Gil, Jun Ma, Min Hong, HwaMin Lee
Corresponding author : HwaMin Lee
Location : Paradise Hotel Busan, Korea

Abstract
The rapid response system in the hospital uses the early warning score (EWS) to predict in-hospital cardiac arrest. However, the traditional EWS has low precision and low recall. Since the precision is less than 4%, there has a problem with false alarms. We performed a retrospective cohort study in Soonchunhyang University Cheonan Hospital, which is a tertiary teaching hospital in the Republic of Korea. We performed by changing the data slice size to 8, 16, 24, 32, 40, 48, 56 hours. The deep learning model implemented in this paper has higher precision and recall than the traditional EWS.

Acknowledgments
This research was supported by Basic Science Research Program and the Bio & Medical Technology Development Program of the National Research Foundation (NRF) funded by the Korean government (MSIT) (NRF-2021R1A2C1009290 & No. NRF-2019M3E5D1A02069073). This research was supported by X-mind Corps program of National Research Foundation of Korea(NRF) funded by the Ministry of Science, ICT (No. 2019H1D8A1105622)

머신러닝 기반의 약물 중독에 의한 호흡부전 예측

제목 : 머신러닝 기반의 약물 중독에 의한 호흡부전 예측
저자 : 한상욱, 채민수, 이화민
게재지 : 2021년 한국인터넷정보학회 춘계학술발표대회
장소 : 경주, 코모도호텔 경주
교신저자 : 이화민

초록
농촌지역 약물 중독으로 인한 사망자 수는 2020년 855명 이상으로 자궁암, 간염, 뇌종양, 식도암, 백혈병, 유방암, 알츠하이머 등의 질병으로 사망한 사람들의 숫자와 비교하여 결코 적지 않다. 우리나라 농업인의 급성 농약중독 유병률은 22.9~86.7%로 다양하다. 지역, 대상, 계절, 조사방법 등에 따라 상당한 차이가 있다. 농촌진흥청에서 정확한 피해 실태와 함께 그 전모를 파악하기 어려우며, 적절한 대책을 세울 수 없다고 설명하고 있다. 따라서 오직 예방 대책만이 강조되는 수준에 있다. 본 논문에서는 생체신호와 임상검사의 시계열 의료 데이터를 이용하여 약물 중독 환자의 호흡부전 증상을 예측하였다. 순천향대학교 천안병원에서 제공받은 1548명의 환자데이터를 기반으로 연구를 진행 하였으며, 생체정보와 Lab data를 합친 입력 요소 91개를 활용하였다.

Acknowledgments
이 논문은 2021년도 정부(과학기술정보통신부)의 재원으로 한국연구재단의 중견연구지원사업과 현장맞춤형 이공계 인재양성지원사업의 지원을 받아 수행된 연구임. (NRF-2021R1A2C1009290 & No. 2019H1D8A1105622).

딥러닝 기반 심정지 예측 기술 연구

제목 : 딥러닝 기반 심정지 예측 기술 연구
저자 : 김영민, 채민수, 윤건일, 조유진, 송찬영, 이화민
게재지 : 2020년 한국정보과학회 한국소프트웨어종합학술대회(KSC2020)
장소 : 온라인
교신저자 : 이화민

초록
심정지는 심장이 멈추어 신체 내 혈액이 흐리지 않는 현상이다. 심정지가 발생할 경우 혈액이 흐르지 않아 신체 기능이 손상되며, 초기 대응이 늦을 경우 뇌손상도 일으킬 수 있다. 그렇기 때문에 초기 발견 및 초기 대응이 중요하다. 본 연구팀은 순천향대학교 천안병원 내 병동 환자들의 데이터셋으로 연구를 진행하였다. 2016년부터 2019년까지의 병동환자를 대상으로 연구하였다. LSTM 모델과 결정트리, 로지스틱회귀, 랜덤포레스트를 이용하여 심정지 예측을 하였다. 성능 평가 결과 정밀도는 랜덤포레스트가 가장 높지만, LSTM 모델이 재현율이 가장 높다.

Acknowledgments
이 논문은 2019년도 정부(과학기술정보통신부)의 재원으로 한국연구재단 -현장맞춤형 이공계 인재양성지원사업의 지원을 받아 수행된 연구임(No. 2019H1D8A1105622).
본 연구는 과학기술정보통신부 및 정보통신기획평가원의 대학ICT연구센터육성지원사업의 연구결과로 수행되었음 (IITP-2020-2015-0-00403).

Prediction of Cardiac Arrest using LSTM in Hospitalized Patients

Title : Prediction of Cardiac Arrest using LSTM in Hospitalized Patients
Published in : The 4th International Conference on Interdisciplinary research on Computer science, Psychology, and Education (ICICPE’ 2020)
Author : Geonil Yun, Minsu Chae, Hyo-Wook Gil, Nam-Jun Cho, HwaMin Lee
Corresponding author : HwaMin Lee
Location : RAMADA PLAZA JEJU Hotel, Jeju Island, Korea and Online

Abstract
It is necessary to detect unexpected cardiac arrest early in the general ward of the hospital. However, the conventional Track and Trigger System (TTS) has low sensitivity and a high false alarm rate, which may not guarantee the safety of heart attack patients. In addition, false alarms can lead to a waste of movement by medical staff. This can be life-threatening as other critically ill patients lose access to treatment. Therefore, in this paper, we propose an LSTM deep learning network model that predicts heart attack within 24 hours with high sensitivity and low false alarm rate using patient vital signs.

Acknowledgments
This research supported by the MSIT (Ministry of Science and ICT), Korea, under the ITRC (Information Technology Research Center) support program(IITP-2020-2015-0-00403) supervised by the IITP (Institute for Information & communications Technology Planning & Evaluation) and X-mind Corps program of National Research Foundation of Korea (NRF) funded by the Ministry of Science, ICT (No. 2019H1D8A1105622).

생징후 데이터와 랩 코드 데이터를 이용한 심정지 예측

제목 : 생징후 데이터와 랩 코드 데이터를 이용한 심정지 예측
저자 : 채민수, 윤건일, 조유진, 김영민, 송찬영, 이화민
게재지 : 2020년 한국산학기술학회 추계학술발표대회 논문집
장소 : 대천, 한화리조트 대천파로스
교신저자 : 이화민

초록
심정지는 갑작스럽게 심장이 멈추어 혈액이 흐르지 않는 질병이다. 그로인해 초기 대응이 느릴 경우 혈액이 흐르지 않아 신체 기능이 손상된다. 우리는 순천향대학교 천안병원 내 병원 환자를 대상으로 2016년부터 2019년까지의 병원 환자 대상으로 연구를 진행하였다. 학습 항목으로는 성별, 나이, SBP, DBP, 체온, 호흡, 맥박, 알부민, 크레아티닌, 헤모글로빈을 사용하였다. 우리는 LSTM 모델, 결정트리, 랜덤포레스트, 로지스틱회귀를 이용하여 심정지 예측을 하였다. 성능 비교결과 LSTM 모델이 가장 좋은 것을 확인하였다.

Acknowledgments
본 연구는 과학기술정보통신부 및 정보통신기획평가원의 대학ICT연구센터육성지원사업의 연구결과로 수행되었음 (IITP-2020-2015-0-00403). 이 논문은 2019년도 정부(과학기술정보통신부)의 재원으로 한국연구재단 -현장맞춤형 이공계 인재양성지원사업의 지원을 받아 수행된 연구임(No. 2019H1D8A1105622).

스마트 시티를 위한 Docker 기반의 모바일 엣지 컴퓨팅 프레임워크 설계

제목 : 스마트 시티를 위한 Docker 기반의 모바일 엣지 컴퓨팅 프레임워크 설계
저자 : 채민수, 한상욱, 윤건일, 조유진, 김영민, 송찬영, 이화민
게재지 : 2020년 한국인터넷정보학회 추계학술발표대회 논문집
장소 : 여수, 여수엑스포컨벤션센터
교신저자 : 이화민

초록
스마트 신호등과 같은 다양한 IoT 기기들로부터 대량의 데이터를 실시간으로 수집하는 경우 트래픽 부하와 집중된 트래픽으로 인한 레이턴시 저하가 발생한다. 그러나 기존 코어 클라우드의 경우 클라이언트에서 클라우드 서버가 있는 IDC까지의 물리적인 레이턴시 한계가 존재한다. 레이턴시를 최소화하기 위하여 Docker 기반의 모바일 엣지 컴퓨팅 프레임워크를 설계하였다.

Acknowledgments
본 연구는 과학기술정보통신부 및 정보통신기획평가원의 대학ICT연구센터육성지원사업의 연구결과로 수행되었음 (IITP-2020-2015-0-00403)
이 논문은 2019년도 정부(과학기술정보통신부)의 재원으로 한국연구재단 -현장맞춤형 이공계 인재양성지원사업의 지원을 받아 수행된 연구임(No. 2019H1D8A1105622).