As interest in healthy life increases, the number of people who take the health check-up increases. It has clinical experts analyze lots of test results. The clinical experts suffer from heavy workloads. In order to handle this problem, in this thesis, we propose the novel method to generate clinical opinions from comprehensive blood tests. We define the clinical opinions generation as a multi-label classification problem, and select clinical opinions for a patient's test results in a clinical opinion set. Based on the problem definition, we propose seven deep neural network (DNN) models for clinical opinions generation. The baseline DNN model shows low performance for low frequency clinical opinions, and has an inappropriate architecture for sparse datasets. It also, generate inconsistent clinical opinions. In order to improve this limitations, we propose six DNN models. We compare and analyze the performance of the proposed models. We confirm the best model for clinical opinions generation from comprehensive blood tests. Additionally, we evaluate the performance of each proposed model for normal and abnormal clinical opinions. The normal clinical opinions indicate that a patient is healthy, while the abnormal clinical opinions indicate that a patient has diseases. The conflict avoidance disease-dependent multi-label DNN model shows the best performance, and it shows the highest performance for normal and abnormal clinical opinions.
건강한 삶에 대한 관심이 증가함에 따라, 건강검진 수검자는 크게 증가하고 있다. 수검자 증가에 따라, 건강검진 결과 판독 수요가 증가하고 있으며, 이는 검진 결과를 판독하는 의료 전문인의 부담을 가중시킨다. 이를 개선하기 위해, 본 논문에서는 혈액검사 소견 생성을 위한 새로운 방법을 제안한다. 소견 생성을 복수라벨 분류 문제로 접근하며, 소견 집합에서 환자의 검사 결과에 적합한 소견을 선택한다. 제안된 방법을 기반으로, 본 논문에서는 소견 생성을 위한 일곱 가지 심층 신경망 모델을 제안한다. 기본 심층 신경망 모델은 출현 빈도가 낮은 소견에 대해 낮은 성능을 보이며, 듬성듬성한 데이터 셋에 적합하지 않은 구조를 갖고있다. 또한, 한 환자에 대해 모순된 소견을 생성한다. 이 한계점을 개선하기 위해, 여섯 가지 심층 신경망 모델을 제안한다. 제안된 모델의 성능을 비교, 분석하며, 혈액검사 소견 생성을 위한 최적의 신경망 모델을 찾는다. 추가로, 각 모델의 정상, 비정상 소견에 대한 성능 측정 실험을 수행한다. 정상 소견이란, 환자의 몸이 정상 상태임을 나타내는 소견이며, 비정상 소견이란 환자의 몸에 이상이 있음을 나타내는 소견이다. 질환 별 분류기 모델이 가장 높은 성능을 보이며, 정상, 비정상 소견에 대한 성능 측정 실험에서도 가장 좋은 성능을 보인다.
