디지털 라이브러리[ 검색결과 ]
단일 분자화합물의 폐 발암성 예측을 위한 그래프 신경망 접근법
http://doi.org/10.5626/JOK.2025.52.6.482
암은 전 세계적으로 매년 수백만 명의 사망자를 초래하는 주요 질환 중 하나로, 특히 폐암은 2022년 한국에서 암 중 가장 높은 사망률을 기록했다. 이에 따라 폐암을 유발하는 화합물에 대한 연구가 필수적이며, 본 연구는 기존 기계학습 및 딥러닝 방법의 한계를 극복하고, 그래프 신경망을 활용하여 폐암 유발 가능성을 예측하는 새로운 접근방식을 제안하고 평가했다. 화합물 발암성 데이터베이스인 CPDB, CCRIS, IRIS, T3DB의 SMILES(Simplified Molecular Input Line Entry System) 정보를 기반으로 분자의 구조와 화학적 성질을 그래프 데이터로 변환해 학습했으며, 제안된 모델은 다른 모델 대비 우수한 예측 성능을 보였다. 이는 폐암 예측에 효과적인 도구로서 그래프 신경망의 잠재력을 입증하며, 향후 암 연구와 치료 개발에 중요한 기여를 할 수 있음을 시사한다.
환자 특이적 암 유발 유전자 정보 및 심층 신경망을 이용한 암 환자 예후 예측 방법
http://doi.org/10.5626/JOK.2024.51.6.574
암환자의 예후를 정확히 예측하는 것은 암환자의 효과적인 치료에 있어서 매우 중요하다. 이를 위해 많은 연구가 진행되어 왔으며, 최근의 연구는 딥러닝과 같은 다양한 기계학습 기법을 활용하고 있다. 본 논문에서는 먼저 암의 이질성을 고려하여 개별 환자에 특이적인 유전자 네트워크를 구축 후 환자별 로 암을 유발할 수 있는 유전자를 선별한다. 그 후 이를 이용하여 예후를 더욱 정확하게 예측할 수 있는 심층 신경 구조를 제시한다. 이 방법을 11가지 암에 대한 유전자 발현 데이터에 적용한 결과, 기존 방법들 과 비교하여 전반적으로 높은 예측 정확도를 보였다.
프라이버시 보장형 연관성 분석을 위한 동형암호 기반 지지도 계산
http://doi.org/10.5626/JOK.2024.51.3.203
동형암호는 암호문에 대해 복호화 과정 없이 연산을 수행할 수 있는 암호 기술로 머신 러닝, 클라우드 서비스 등에서 사용자의 프라이버시 침해 문제를 해결할 수 있는 암호 기술로 주목받고 있다. 대표적인 동형암호 scheme으로는 실수 및 복소수 연산 기반의 근사 동형암호인 CKKS scheme이 있다. 본 논문은 CKKS scheme을 이용하여 연관성 분석의 평가지표 중 지지도(support)를 효율적으로 계산하는 방법을 제안하며, 행렬 곱셈 연산을 활용하여 복수의 itemset들에 대한 지지도 계산을 병럴적으로 수행하는 방법을 제안한다. 또한, HEaaN 라이브러리를 이용하여 제안한 지지도 계산 방법의 구현 및 평가를 진행한다. 평가 결과에 따르면 제안 방법에 의해 계산된 지지도 값은 암호화 없이 평문 상태에서 계산된 지지도 값과 거의 일치하여, 제안 방법이 사용자 데이터에 대한 프라이버시를 보호하면서도 지지도 값을 효과적으로 계산함을 확인할 수 있었다.
다중 MR 영상에서 크기 정규화 및 다중 손실함수를 사용한 딥러닝 모델 기반 전립선암 악성도 예측 개선
http://doi.org/10.5626/JOK.2023.50.10.866
전립선암은 전 세계적으로 남성에서 두 번째로 흔하게 발생되는 암이며, 악성도에 따라 재발 가능성 및 치료의 효과가 달라지기 때문에 전립선암의 악성도를 예측하는 것이 필수적이다. 본 연구는 다중 파라미터 자기공명영상에서 전립선암의 악성도를 예측하기 위해 크기 정규화를 적용하여 작은 종양에 대한 정보를 강화한다. 또한, 시각적 특징이 유사하지만 악성도가 다른 종양을 구분하기 위해 다중 손실함수를 제안한다. 실험 결과, ADC 맵 크기 정규화 패치로 학습한 제안된 모델은 정확도 76.28%, 민감도 76.81%, 특이도 75.86%, AUC 0.77의 성능을 보인다. 또한 1.5cm 미만인 작은 종양에서 종양 중심 패치와 비교하여 크기 정규화된 ADC 맵이 정확도 76.47%, 민감도 90.91%, 특이도 69.57%로 각각 17.65%, 27.27%, 13.05%의 향상된 성능을 보인다.
분포 외 데이터 문제를 활용한 암묵적 언어폭력 탐지
http://doi.org/10.5626/JOK.2022.49.11.948
암묵적 언어폭력 탐지는 표현의 다양성과 명확한 기준의 부재로 인하여 해결하기 어려운 문제이다. 선행연구에 따르면 암묵적 언어폭력을 세세하게 분류하고 정의함과 동시에 이에 해당하는 데이터셋을 만드는 과정이 필요하다. 그러나 이는 효율적이지 않을 뿐만 아니라 언어의 변화에 유연하게 대처하기 어렵다는 단점이 있다. 본 연구는 이를 해결하기 위한 효율적이고 효과적인 방법론으로 암묵적 언어폭력을 분포 외 데이터로 처리하는 방법을 처음으로 제안한다. 암묵적 언어폭력 탐지에서 분포 외 데이터 방법론을 적용한 사전학습 모델이 일반 사전학습 모델과 어휘 기반 모델보다 효과적임을 실험을 통해 확인하였다. 또한 감성분석과 사례 연구를 통하여 암묵적 언어폭력의 특성을 살펴보았으며 일반 사전학습 모델과 본 연구에서 제안하는 모델의 차이를 자세히 분석하였다.
4세대 CKKS 동형암호 틀을 지원하는 딥뉴럴넷 특화 동형암호 최적화 컴파일러 HedgeHog
이동권, 이계진, 김수찬, 송우성, 이도형, 김훈, 조승한, 박규연, 이광근
http://doi.org/10.5626/JOK.2022.49.9.743
우리는 기존보다 사용하기 쉬운 상위 입력언어를 사용하면서도 결과물 코드의 성능이 뛰어난 새로운 4세대 동형암호 최적화 컴파일러 HedgeHog를 개발하였다. 동형암호 기술은 그 유용성에도 불구하고 동형암호에 대한 전문지식이 없는 사용자의 입장에서는 직접 성능 좋은 동형암호 코드를 작성하는 것이 매우 어렵기 때문에, 상위 입력언어를 동형연산 코드로 자동변환해주는 동형 컴파일러 기술의 중요도는 매우 높다. 하지만 대부분의 기존 동형 컴파일러들은 4세대 이전의 동형암호 틀을 기반으로 하여 실수연산을 지원하지 못하기 때문에 뉴럴넷이나 통계분석 등의 분야에 쓰일 수는 없는 실정이다. 또한 4세대 동형암호 틀을 기반으로 하는 기존 동형 컴파일러들도 덧셈, 곱셈 등의 하위 연산자들을 기반으로 한 입력언어를 사용하고 있기에 뉴럴넷 모델 등의 상위 프로그램을 기술하기 어렵다는 단점이 있고, 이 과정에서 불필요한 연산자들이 사용되어 비효율적인 결과물 코드를 생성할 위험성이 높다. 우리는 이러한 문제를 해결하기 위해 뉴럴넷 핵심 상위 연산자를 포함하는 입력언어 코드를 동형연산 코드로 자동변환해주는 최적화 컴파일러 HedgeHog를 개발하였다. HedgeHog는 기존 최고수준 4세대 동형 컴파일러인 EVA에 비해 최대 22%의 성능향상을 보인다.
모델 기반 소프트웨어 개발 프레임워크에서의 보안 통신 코드 자동 생성
http://doi.org/10.5626/JOK.2022.49.9.669
사물인터넷의 발전으로 인해 내장형 플랫폼 간의 연결이 보편화됨에 따라 통신 및 보안의 중요성이 커지고 있다. 내장형 소프트웨어를 개발하는 방법의 하나인 모델 기반 소프트웨어 개발 방법론은 플랫폼 독립적으로 표현한 모델로부터 플랫폼에 적합하게 코드를 자동 생성하는 방식으로 서로 다른 플랫폼에서의 소프트웨어 개발에 효율적이다. 이는 원격 통신 코드도 생성함으로써 분산 내장형 시스템에서 유용하나 아직 보안 통신 코드를 자동 생성하는 연구가 없다. 따라서 본 연구에서는 모델 기반 소프트웨어 개발 프레임워크에 통신 시의 보안을 자동으로 적용하는 기법을 제안한다. 여러 암호화 방법들과 서로 다른 플랫폼 간의 통신이 필요한 예제 구현을 통해 제안하는 방법의 효율성 및 타당성을 검증하였다.
암호화된 트래픽의 특성을 활용한 네트워크 단위 트래커 탐지 기법
http://doi.org/10.5626/JOK.2022.49.4.314
제3자 트래커는 웹 추적 기술을 통해 이용자의 위치나 방문 기록을 포함한 민감 정보를 수집함으로써 데이터 프라이버시 침해를 야기한다. 이에 트래커를 탐지하여 차단함으로써 이용자를 보호하는 여러 기법들이 제안된 바 있으나, 이들은 저마다 종속성과 성능 측면에서의 한계가 존재한다. 본 논문은 최초로 암호화된 트래픽의 특성을 활용한 네트워크 단위 트래커 탐지 기법을 제안한다. 본 기법은 트래커가 발생시키는 암호화된 트래픽의 부채널 정보를 기반으로 특성을 추출하여 분류 모델을 학습시키고, 이용자 기기와 브라우저에 독립적으로 적용되어 네트워크 내부의 트래커 트래픽을 높은 정확도로 탐지함으로써 네트워크에 속한 이용자들의 정보 유출을 방지한다. 본 논문에서는 실제 트래커 트래픽 데이터를 수집하여 분석함으로써 일반 트래픽과 구분되는 트래커 트래픽의 특징을 탐구하고, 암호화된 트래픽에서 추출한 특성을 트래커 탐지에 활용할 수 있음을 보인다.
함수암호 기반 행렬 곱셈의 구현 및 응용
http://doi.org/10.5626/JOK.2022.49.3.196
함수암호란 비밀키를 소유한 주체가 암호문을 복호화하면 함숫값 외에 다른 정보는 얻을 수 없도록 하는 암호이다. 본 논문에서는 내적 계산용 함수암호를 기반으로 행렬 곱셈을 계산하는 방법을 제안하고, 사전 계산 기법을 적용해서 제안한 방법을 가속화하였다. 또한, 제안한 방법들을 활용하여 프라이버시를 보장하는 주성분 분석 기반의 차원 축소 방법을 제시하였다. 실험에 따르면, 1000차원 정방행렬과 1000차원 벡터에 대한 함수암호 기반의 행렬 곱셈은 452.66초에 수행되지만, 사전계산 기법을 적용하면 4.46MB의 메모리를 사용하여 3.81배 가속화되어 118.87초에 수행이 가능하다.
흉부 CT 영상에서 캡슐 네트워크 기반의 듀얼-윈도우 앙상블 학습을 통한 폐암 자동 분할
http://doi.org/10.5626/JOK.2021.48.8.905
폐암이 불규칙한 형태를 갖거나 유사한 밝기값을 갖는 주변 구조물이 존재하는 경우 흉부 CT 영상에서 폐암의 경계를 정확하게 구분하는 것이 어렵다. 본 논문에서는 폐암과 주변 구조물과의 관계를 학습하기 위해 캡슐 네트워크를 활용하고 주변 구조물과의 구분을 위해 폐 창 영상에 종격동 창 영상을 추가로 고려하는 듀얼-윈도우 앙상블 네트워크를 제안한다. 첫째, 입력 CT 영상을 폐 창 영상과 종격동창 영상으로 밝기값 정규화 및 공간 정규화를 수행한다. 둘째, 두 개의 입력 영상을 이용해 각각의 캡슐네트워크를 학습하여 폐암을 분할한다. 셋째, 폐 창 영상과 종격동 창 영상을 이용한 분할 결과를 각 영상의 특성에 기반한 가중치를 반영하여 평균 투표를 통해 앙상블 함으로써 최종 분할 마스크를 생성한다. 제안 방법을 통한 분할 결과, DSC는 75.98%로 가중치를 고려하지 않은 분할 방법 대비 0.53%p 향상되었다. 또한 폐암이 주변 구조물에 둘러싸여 있어도 분할 정확도가 개선되었다.
