늑막액에서 Cholesterol 측정의 진단적 의의에 관한 연구

이원돈(Won Don Lee),김옥란(Ok Ran Kim),이재용(Jae Young Lee),성천모(Chun Mo Sung),배혜상(Hae Sang Bae),서승천(Seung Cheon Seo),최병휘(Byung Hue Choi),허성호(Sung Ho Hue) 대한내과학회 1989 대한내과학회지 Vol.36 No.1

N/A The cholesterol of pleural fluids was measured in 30 patients various diseases with pleural effusion to investigate the utility of differential diagnosis of exudates from transudates. Six cases were pleural transudates and 24 cases were pleural exudates as by classified predefined criteria. The results were as follows: 1) Mean protein level in group 1 (transudates) was l.9±0.8 g/dl and 4.8±0.9 g/dl in group 2 (exudates). Mean pleural fluid to serum ratio in group 1 was 0.30±0.11 and 0.80±0.48 in group 2. 2) Mean LDH level was 40X29 IU in group 1 and 325+271 IU in group 2. Mean pleural fluid to serum ratio was 0.20±0.11 in group 1 and 2.01±1.90 in group 2. 3) Mean cholesterol level was 37±14 mg/dl in group 1 and 97±42 mg/dl in group 2. Mean pleural fluid to serum ratio was 0.18±0.06 in group 1 and 0.71±0.32 in group 2. 4) A protein level of 3.0 g/dl, LDH level of 200 IU, cholesterol level of 60 mg/dl and their pleural fluid to serum ratios of 0.5, 0.6 and 0.3 respectively were used as dividing lines separating transudates from exudates, and 0% was misclassified in group 1. Misclassified effusions in group 2 for each single parameter were: protein 0%, protein ratio 4%, LDH 29%, LDH ratio 20%, cholesterol 20%, cholesterol ratio 0%, and Light criteria 4%. We found the use of cholesterol level to be superior to the measurement of LDH level and inferior to protein level. The ratio of pleural fluid to serum cholesterol markedly improved the result. On the basis of the above results, it is suggested that pleural fluid cholesterol is a useful index in differentiating exudative from transudative pleural effusions.

자동차보험 피해자에 의한 상태 검증

이원돈 ( Won Don Lee ),이윤호 ( Yun Ho Lee ) 한국보험학회 2005 保險學會誌 Vol.72 No.-

손실예방과 손실경감: 위험공제의 사례

이원돈 ( Won Don Lee ),( Soga Ewedemi ) 韓國保險學會 2009 保險學會誌 Vol.83 No.-

자동차보험은 적자산업인가?

이원돈 ( Won Don Lee ) 한국보험학회 2008 保險學會誌 Vol.79 No.-

단체보험계약에 관한 연구 -업무상 재해 이외의 사고를 중심으로-

이원돈 ( Won Don Lee ),이천성 ( Cheon Sung Lee ) 한국보험학회 2014 保險學會誌 Vol.98 No.-

단체보험계약과 관련하여 타인의 서면에 의한 동의 배제규정의 문제와 보험금의 최종적인 귀속주체를 둘러싸고 법조계, 학계의 다양한 논의와 연구가 있었으며, 그 과정에서 단체보험에 관한 상법 개정안을 도출하는 성과가 있었으나 입법 예고된 개정안 규정(2014.02.20. 국회 본회의를 통과하여 개정됨)의 불명료성으로 인해 또 다른 논의의 필요성이 제기되고 있다. 이에 본 연구는 단체보험계약의 문제점 분석이라는 틀 속에서 단체보험계약에서 담보하고 있는 보험사고의 범위에 관한 부분에 논점을 두고, 현행 제도 하에서 회사와 아무런 이해관계가 성립되지 않는 업무상 재해 이외의 사고는 단체위험이 아니라 개별위험으로서 보험업감독규정상 단체보험계약의 체결 전제조건인 위험의 동질성도 확보되지 않는다는 점에서 몇 가지 문제점을 검토하고, 이에 대한 해결방안으로 상법 개정안을 제시한다. A recent amendment proposal of the Article 735-3 of the Commercial Law is an outgrowth of long discussion on the problems with group insurance contracts with respect of the exclusion of written consent of the insureds and the entitlement of insurance beneficiaries. However, the proposal still raises the need of further debates due to its ambiguity. Accordingly, this paper examines some problems inherent in the proposal from the viewpoint of the scope of accidents covered by group insurance contracts. Unlike occupational accidents, nonoccupational accidents have not homogeneity in their risk profiles and not a close interest to companies, i.e., policy-holders. In this regards we propose some revisions on the proposal to clarify the revealed problems with group insurance contracts.

UChoo 알고리즘을 이용한 생물 조기 경보 시스템

이종찬,이원돈,Lee, Jong-Chan,Lee, Won-Don 한국정보통신학회 2012 한국정보통신학회논문지 Vol.16 No.1

본 논문은 생물 조기 경보 시스템을 구현하기 위한 방법을 제안한다. 이 시스템은 모니터링 데몬을 이용해 간헐적으로 데이터 사건을 생성하고, 이 데이터 집합으로부터 특징 매개변수들을 추출한다. 특징 매개변수는 6개의 변수(x/y 축 좌표, 거리, 절대 거리, 각도, 프랙털 차원)를 가지고 유도된다. 특히 프랙털 이론을 사용해 제안 알고리즘은 입력된 특징들이 독성 환경에 있는지 아닌지의 유기물 특성을 정의한다. 추출된 특징 데이터를 학습하기 위한 적절한 알고리즘을 위해 기계학습 분야에서 널리 쓰이는 확장된 학습 알고리즘(UChoo)을 사용한다. 그리고 본 알고리즘은 특징 집합들이 모니터링 데몬에 의해 주기적으로 추가된다는 BEWS의 특징을 극복하기 위해 확장된 데이터 표현 방법을 이용하는 학습 방법을 포함한다. 이 알고리즘에서 결정트리 분류기는 확장된 데이터 표현에서 가중치 매개변수를 사용하는 부류 분포 정보를 정의 한다. 실험 결과들은 제안된 BEWS가 환경적인 독성을 탐지하는데 이용 될 수 있음을 보인다. This paper proposes a method to implement biological early warning systems(BEWS). This system generates periodically data event using a monitoring daemon and it extracts the feature parameters from this data sets. The feature parameters are derived with 6 variables, x/y coordinates, distance, absolute distance, angle, and fractal dimension. Specially by using the fractal dimension theory, the proposed algorithm define the input features represent the organism characteristics in non-toxic or toxic environment. And to find a moderate algorithm for learning the extracted feature data, the system uses an extended learning algorithm(UChoo) popularly used in machine learning. And this algorithm includes a learning method with the extended data expression to overcome the BEWS environment which the feature sets added periodically by a monitoring daemon. In this algorithm, decision tree classifier define class distribution information using the weight parameter in the extended data expression. Experimental results show that the proposed BEWS is available for environmental toxicity detection.

씰 영상을 이용한 강인한 오디오 워터마킹 기법

김원겸(Won-Gyum Kim),이종찬(Jong Chan Lee),이원돈(Won Don Lee) 한국통신학회 2000 한국통신학회 학술대회 및 강연회 Vol.2000 No.5

중요한 이벤트만을 검색함으로써 분류기의 최적 성능을 찾는 방법

김동희,이원돈,Kim, Dong-Hui,Lee, Won Don 한국정보통신학회 2014 한국정보통신학회논문지 Vol.18 No.6

유비쿼터스 환경에서는 수많은 정보들이 존재한다. 하지만 이 정보들은 너무 광범위하기 때문에 이로부터 필요에 따라 적절하게 사용 할 수 있는 정보를 얻기란 쉽지가 않다. 이로 인해 의사 결정 트리 알고리즘은 데이터 마이닝 분야 또는 기계 학습 시스템 분야에서 매우 유용하게 사용된다. 왜냐하면 빠르고 정확하게 정보를 분류하여 좋은 결과를 도출하기 때문이다. 하지만 때때로 의사 결정 트리가 매우 작은 데이터나 노이즈 데이터로 구성된 리프 노드들로 인해 좋은 정보를 제공하지 못하는 경우가 있다. 이 논문은 이러한 분류 문제를 해결하기 위해 분류기, UChoo를 사용할 것이고 노이즈 또는 노이즈 형태로 보이는 리프들을 제외하고 오직 중요한 리프들만을 검사하는 효과적인 방법을 제안한다. 그리고 실험을 통하여 의사 결정시 오직 중요한 리프들만을 의사 결정 트리에서 선택함으로써 효과적으로 에러가 줄어드는 것을 보일 것이다. Too much information exists in ubiquitous environment, and therefore it is not easy to obtain the appropriately classified information from the available data set. Decision tree algorithm is useful in the field of data mining or machine learning system, as it is fast and deduces good result on the problem of classification. Sometimes, however, a decision tree may have leaf nodes which consist of only a few or noise data. The decisions made by those weak leaves will not be effective and therefore should be excluded in the decision process. This paper proposes a method using a classifier, UChoo, for solving a classification problem, and suggests an effective method of decision process involving only the important leaves and thereby excluding the noisy leaves. The experiment shows that this method is effective and reduces the erroneous decisions and can be applied when only important decisions should be made.

불완전한 데이터를 처리할수 있는 분류기

이종찬,이원돈,Lee, Jong-Chan,Lee, Won-Don 한국정보통신학회 2010 한국정보통신학회논문지 Vol.14 No.1

본 논문은 변수 값들이나 부류 값을 손실한, 불완전한 데이터를 포함하는 데이터 집합을 가지고 학습하는 문제에 적용될 수 있는 분류 알고리즘을 소개한다. 이 알고리즘은 가중치 값과 확률 기법들을 이용하는 데이터 확장 방법을 사용한다. 이는 휘셔(Fisher)의 식을 기반으로 최적의 투사 면이 되도록 고려된 분류기를 확장함으로써 수행한다. 이를 위해, 데이터 확장에 적용되는 과정으로 부터 몇몇 식들이 유도된다. 제안한 알고리즘의 성능평가를 위해, 데이터에서 하나의 변수를 선택하고 이 선택된 변수에 소실 값과 소실되지 않은 값들의 비율을 변형함에 의해 다른 측정값들의 결과들이 반복적으로 비교된다. 또한 데이터 집합의 객관적인 평가를 위해 기계학습에서 지식 습득 도구로 널리 쓰이는 C4.5의 결과와 비교한다. This paper introduces a classification algorithm which can be applied to a learning problem with incomplete data sets, missing variable values or a class value. This algorithm uses a data expansion method which utilizes weighted values and probability techniques. It operates by extending a classifier which are considered to be in the optimal projection plane based on Fisher's formula. To do this, some equations are derived from the procedure to be applied to the data expansion. To evaluate the performance of the proposed algorithm, results of different measurements are iteratively compared by choosing one variable in the data set and then modifying the rate of missing and non-missing values in this selected variable. And objective evaluation of data sets can be achieved by comparing, the result of a data set with non-missing variable with that of C4.5 which is a known knowledge acquisition tool in machine learning.

동적 중요도 결정 방법을 이용한 새로운 앙상블 시스템

서동훈,이원돈,Seo, Dong-Hun,Lee, Won-Don 한국정보통신학회 2011 한국정보통신학회논문지 Vol.15 No.6

In this paper, a new ensemble system using dynamic weighting method with added weight information into classifiers is proposed. The weights used in the traditional ensemble system are those after the training phase. Once extracted, the weights in the traditional ensemble system remain fixed regardless of the test data set. One way to circumvent this problem in the gating networks is to update the weights dynamically by adding processes making architectural hierarchies, but it has the drawback of added processes. A simple method to update weights dynamically, without added processes, is proposed, which can be applied to the already established ensemble system without much of the architectural modification. Experiment shows that this method performs better than AdaBoost. 본 논문에서는 분류자들 속에 중요도 정보를 삽입하여 동적 중요도 결정이 가능한 앙상블 시스템을 제안하였다. 그동안 앙상블 시스템에서 중요도는 훈련이 끝나고 결정된 중요도를 사용하였다. 한 번 결정된 중요도는 테스트 데이터에 상관없이 정적으로 사용되었다. 이 문제를 푸는 방법으로 관문 네트워크에서 구조적으로 계층을 두는 프로세스를 추가하여 동적 중요도 결정이 가능하게 하는 방법이 있지만 프로세스가 추가된다는 단점이 있다. 본 논문에서는 이런 추가적인 프로세스 없이 간단하게 동적 중요도 결정이 가능한 방법을 보여주고 구조적 변경 없이 기존의 시스템에 쉽게 적용할 수 있으며 AdaBoost보다 나은 성능을 보여주는 알고리즘을 제안한다.