Belangrijkste concepten
본 연구는 클라우드 컴퓨팅과 딥러닝 기술을 활용하여 당뇨병을 조기에 예측하고 관리하는 시스템을 개발하여 의료 분야에서의 혁신적인 발전을 이루었습니다.
Samenvatting
당뇨병 조기 예측을 위한 클라우드 기반 딥러닝 시스템 개발 및 적용
본 연구는 당뇨병 조기 예측 및 관리를 위해 클라우드 컴퓨팅과 딥러닝 기술을 활용한 시스템을 개발하고, 이를 실제 의료 환경에 적용하여 그 효과를 검증하는 것을 목표로 합니다.
데이터 수집 및 처리: 153개 의료기관에서 전자 건강 기록, 생화학 지표, 라이프 스타일 데이터를 수집하고, Apache Spark 분산 데이터 처리 프레임워크를 사용하여 데이터를 정제하고 변환했습니다.
클라우드 기반 시스템 아키텍처 설계: AWS 클라우드 플랫폼을 기반으로 데이터 수집, 저장, 컴퓨팅 및 애플리케이션 모듈로 구성된 분산 아키텍처를 설계했습니다.
딥러닝 모델 아키텍처 설계: 다중 모달 딥러닝 모델 아키텍처를 클라우드 컴퓨팅 환경에 맞게 최적화하고, 분산 컴퓨팅 리소스를 활용하여 모델을 학습하고 배포했습니다.
시스템 보안 및 개인 정보 보호 메커니즘 구현: TLS 1.3 프로토콜, AES-256 암호화, 차등 개인 정보 보호, 동형 암호화 기반 연합 학습 프레임워크를 사용하여 데이터 보안 및 개인 정보 보호를 강화했습니다.
모델 학습 및 자동 하이퍼파라미터 튜닝: AWS EC2의 탄력적인 컴퓨팅 리소스를 활용하여 TensorFlow 2.4 프레임워크를 기반으로 모델을 학습하고, Ray Tune 프레임워크와 Bayesian 최적화 알고리즘을 사용하여 하이퍼파라미터를 자동으로 조정했습니다.
모델 평가 및 최적화 전략: AWS SageMaker에서 100만 명의 환자 기록 테스트 세트를 사용하여 모델을 평가하고, Amazon SageMaker Debugger를 사용하여 자동 성능 튜닝을 구현했습니다.
모델 해석 가능성 연구: AWS SageMaker에서 분산 컴퓨팅을 활용하여 SHAP 값 분석, Attention 메커니즘 기반 시각화, 모델 강건성 테스트, CAV 분석을 수행했습니다.
클라우드 플랫폼 자동 배포 및 시스템 구현: AWS CloudFormation을 사용하여 시스템을 구현하고, Apache Airflow 2.3.0을 사용하여 데이터 처리 및 모델 학습 파이프라인을 자동화했습니다.
시스템 성능 최적화: Amazon Aurora PostgreSQL, Amazon ElastiCache for Redis, Amazon EKS, Amazon CloudFront CDN, PgBouncer를 사용하여 시스템 성능을 최적화했습니다.
임상 적용 및 평가: 하이브리드 클라우드 아키텍처를 사용하여 시스템을 실제 의료 환경에 배포하고, HL7 FHIR 표준을 통해 병원의 기존 전자 건강 기록(EHR) 시스템과 통합했습니다.