이화여대

인공지능과 한의학의 결합을 통한 신경망 모델을 이용하는 진단시스템

자료 유형
실제 탐구보고서
합격 정보
이화여대 교육
활동 유형
진로활동
교과 과목
프로그래밍, 생명과학Ⅱ, 과학과제연구
탐구 키워드
인공지능 (머신러닝, NLP 등), 바이오
2026-04-09

내용 요약

  • 기존 한의 진단 시스템(ODS, OMES)이 전문가 지식 반영의 한계와 복잡한 증상 간 상호연관성 표현에 어려움을 겪는 것을 극복하고, 인공지능 신경망을 통해 진단 정확도를 높이고자 함.

  • 4단계로 구성된 한의 진단 과정(팔강변증 → 장부변증 등)을 신경망으로 모델링하면서, 네트워크 비대화를 막기 위해 Cascade 구조를 적용한 2개의 서브 네트워크(SUBMIT-1, SUBMIT-2)를 설계하고 훈련하여 성능을 분석함.

  • 먼저 의학의 팔강, 장부 변증 등 다단계 진단 과정을 신경망으로 모델링함. 이 시스템은 증상 간의 상호연관성(한/열, 허/실 등)을 규칙 기반이 아닌, 연결 가중치로 분산 표현하여 지식을 개념화하는데 이를 통해 복잡한 한의학 지식을 유연하게 처리할 수 있는 기반을 마련함.

  • 다단계 진단으로 인한 네트워크 비대화 문제를 해결하기 위해 Cascade 구조를 도입함. 이는 진단 과정을 SUBMIT-1과 SUBMIT-2라는 두 서브 네트워크로 분리하고, 첫 번째 결과가 두 번째 입력으로 사용되도록 연결하여 계산량을 줄임. 실험 결과, 훈련을 통해 오류치가 감소하며 설계된 신경망이 환경에 성공적으로 적응함을 확인함.

  • 신경망의 일반화 특성과 결함 극복 능력을 활용하여 기존 시스템의 명시적 지식 표현 및 구축의 어려움을 보완하고, 상대적으로 적은 케이스로도 유연하게 지식 베이스를 구축할 수 있음을 보여주었음. 또한, 한의학처럼 데이터 확보가 어렵고 지식의 복잡성이 높은 분야에서도 인공지능 융합이 가능함을 입증하며, 환자 개인의 특성을 고려한 맞춤형 진단 시스템 상용화 및 대화식 진단 시스템 개발의 기초를 마련했다는 점에서 큰 의의가 있음.

탐구 보고서 전문

꼭 알아주세요

  • 본 자료와 관련된 모든 저작권은 (주)진학사에 있으며, 저작권법 제4장 및 제5장의 규정에 따라 일부 또는 전체를 복제, 배포, 업로드하거나 이를 바탕으로 한 2차 저작물을 제작하는 행위를 금합니다.
  • 제공되는 탐구 보고서는 학생부종합전형으로 합격한 선배들의 실제 탐구 자료입니다. 이미 대학 입학사정관의 평가를 받은 자료이기에,이를 그대로 따라하기보다는 참고 자료로 활용하여 여러분만의 독창적인 탐구 보고서를 작성해 주시기 바랍니다. 선배들의 탐구 과정과 방법론을 참고하되, 여러분의 관심사와 관점을 반영한 차별화된 탐구를 진행하시길 권합니다.
  • 하나의 아이디는 구매자 본인 이용을 기준으로 제공됩니다. 본인이 사용하는 PC/모바일에서는 이용 가능하나, 여러 명이 하나의 아이디를 공유해 이용할 수 없습니다. 부정 사용 방지를 위해 접속 IP 등 이용 로그가 기록될 수 있으며, 비정상 이용이 확인될 경우 서비스 이용이 제한될 수 있습니다.