기침소리로 코로나를 판단할 수 있다면?
S
sona
기침소리 오디오데이터를 이용한 코로나 감염여부 판단 멀티모달 모델
시작하며
이번 포스팅에서는 kubwa에서 진행한 내부프로젝트를 소개해보려고 합니다. 이 내부프로젝트는 멀티 모달리티의 활용 가능성이 대두되던 2022년, 직원들끼리 멀티모달을 공부하면서 진행한 프로젝트입니다. 어떤 데이터를 사용하면 활용도 높은 모델을 만들 수 있을가 고민하다가 COVID-19를 생각하게 되었습니다. 코로나19 팬데믹은 전 세계에 걸쳐 의료 시스템에 전례 없는 도전을 제시했습니다. kubwa는 이 위기에 맞서 혁신적인 해결책을 찾기 위해 노력했습니다. 의료 현장의 부담을 줄이고, 기존의 진단 방법의 한계를 극복하고, 더 빠르고 접근하기 쉬운 대안을 제시하는 것이 중점이 되었습니다. 즉, 더 빠르고 효율적인 코로나19 진단 방법을 개발하는 것이 목표였습니다.
문제상황
기존의 PCR 검사는 신뢰할 수 있지만, 정확성은 높으나, 결과가 나오기까지 오래 걸리고 많은 자원이 필요했습니다.또한, 검체 채취 과정이 불편하고 때로는 고통스러웠기 때문에 환자들에게 부담을 주었습니다. 대규모 검사가 필요한 상황에서는 검사소의 대기 시간이 길어지고, 검사 키트와 관련 자원의 부족 문제도 발생했습니다. 이와 더불어, PCR 검사는 고도의 기술과 전문적인 실험실 환경을 필요로 했습니다. 이로 인해 저소득 국가나 농촌 지역과 같이 의료 자원이 부족한 곳에서는 검사 진행에 어려움을 겪었습니다.
해결방법
간단하고 신속하게 코로나 감염여부를 판단하기 위해서 환자의 기침소리를 분석하는 multi-modal model를 사용해보기로 했습니다. 먼저 기침소리 오디오 데이터는 MFCC(Mel=Frequency Cepstral Coefficients) 기술을 사용하여 기침소리의 특징을 추출하고, 이를 환자의 발열상태, 근육통, 호흡기질환 여부와 같은 건강 데이터와 결합하여 코로나19 감염 여부를 예측했습니다.
이 방법은 기존 PCR 검사보다 빠르고, 의료자원이 부족한 지역에서도 효과적으로 사용할 수 있습니다. 또한, 이 모델은 대규모 검사에 있어서 검사소의 대기시간을 단축하고, 검사 키트와 관련 자원 부족 문제를 완화할 수 있는 잠재력을 가지고 있습니다.
결과 및 고도화 방안
이 프로젝트의 결과로 개발된 멀티모달 모델은 코로나19 감염 여부를 판단하는 데 95.07%의 높은 정확도를 달성했습니다. 이는 기침 소리와 건강 데이터의 결합을 통해 신속하고 효과적으로 코로나19 감염을 예측할 수 있음을 의미합니다.
성능을 높이기 위해서 다양한 오디오 특징 추출방법을 사용하고 인공지능 기반의 알고리즘을 개선하여 더 정확한 예측을 할 수 있었습니다.
다양한 연령대와 환자의 산소포화도, 심박수 등의 생체신호를 추가하거나 코로나를 예측하는데 필요한 데이터를 사용하는 방법 등으로 더 정확한 예측을 할 수 있고, 다른 호흡기 질환과의 구별능력을 개선하는 연구도 중요할 것 같습니다. 이를 통해, 이 모델은 더 넓은 범위의 의료환경에서 코로나19 진단에 기여할 수 있을 것입니다.
/kubwa
Subscribe
Other posts in 'Use Cases'See all
인사고과의 미래: AI기반 인재 추천 시스템
인사추천시스템 시작하며 유튜브 알고리즘에 대해서 모르는 사람이 거의 없을 정도로 AI 추천 알고리즘은 널리 알려졌습니다. 그런데 추천 알고리즘은 컨텐츠 추천만 가능할까요? 사실 많은 곳에서 추천 알고리즘을 사용하고 있습니다. 대표적인 유튜브 이외에도 쇼핑몰 홈페이지나 넷플릭스 같은 OTT에서도 사용합니다. 추천 알고리즘을 회사에서 사용하고자 하면 어떻게 사용할 수 있을까요? kubwa에서는 한 회사의 의뢰를 받아 사내 인사추천 AI를 만들게 되었습니다. 과거의 기록을 바탕으로 특정 직무에 적합한 후보자를 추천해 인사이동의 참고자료를 제공하고자 합니다. 특히 인재가 성장하면서 인재관리에 어려움을 겪는 조직을 위해 인사관리에 참고자료로 활용할 수 있는 지표를 만드는 것이 이 프로젝트의 목표입니다. 문제상황 성장하는 어떤 조직이든 성공을 위해서는 적절한 인재를 적재적소에 배치하는 것이 중요합니다. 특히 승진대상자를 평가하기 위해서는 성과나 자격증 같은 정량적인 평가뿐만 아니라 성격과 프로젝트 기여도 등 정성적인 평가 모두 고려해야합니다. 하지만 조직의 규모가 커질수록 인재관리는 더욱 어려워집니다. 복잡성은 양적지표뿐만 아니라 주관적인 감정, 대인관계 등의 질적 측면도 고려해야하는데 이는 계량화하여 시스템에 통합하기 어렵습니다. 해결방법 인사추천 알고리즘을 위해 2가지 모델을 사용했습니다. 첫번째모델은 개인의 과거 프로젝트와 자격증, 경력, 대인관계 평가 및 전문성 등에 대한 데이터를 이용해 다음 인사이동에 적합한 팀을 분류하는 분류모델입니다. 두번째 모델은 분류된 팀 내에서 적합한 직책을 추천하는데 중점을 둡니다. 두번째 모델에서는 팀 내에서 중요하게 생각하는 정량적 데이터에 가중치를 두어 인재풀을 개선하도록 설계했습니다. 경력과 프로젝트 성과에 따라서 승진대상자를 추천하기도 합니다. 이렇게 만들어진 인사추천 알고리즘은 다음 인사이동에 적합한 팀과 직책을 추천하기 때문에 인사팀의 인적자원 관리에 필요한 의사결정 프로세스를 간소화하는데 도움이 됩니다. 결과 및 고도화 방안 인사추천시스템을 구현함으로써 의뢰했던 회사의 조직은 승진 및 팀 배치에 적합한 후보자를 식별하는 측면에서 인적 자원 관리 프로세스를 크게 개선할 수 있었습니다. 하지만 여전히 사람사이의 관계나 프로젝트 기여도, 사내문화 적합성 등 사람이 평가해야하는 부분이 많이 남아있기에 인사추천시스템의 결과는 참고하는 정도로만 사용할 수 있을 것 같습니다. 추후 조직의 상황이나 대인관계에 대한 데이터를 축적하고 학습한다면 좀 더 정성적인 평가가 가능해지면서 인사평가에 충분한 지표가 될 것 같습니다.
sona
하수관이 막히고 터지면서 명품관에 오물이 떨어졌어요! 하수관 막힘을 미리 예방하는 방법은?
하수관 막힘 탐지모델 시작하며 대도시의 하수관은 대부분 엄청 오래되었습니다. 뿐만 아니라 지어진지 오래된 건물의 하수관 역시 매우 노후되었습니다. 예전에 백화점 명품관 위쪽에 있는 하수관이 터지는 바람에 온갖 오물이 명품상품 위로 쏟아져내리는 사고가 있었습니다. 그 이후로 노후된 하수관를 관리하자는 경각심이 심어졌지만 모든 하수관을 교체하기에는 만만치 않은 비용이 필요합니다. kubwa는 AI기술을 활용하여 하수관의 어느 부분이 막혔는지 예측하고 그 부분만 미리 예방한다면 모든 하수관을 교체하지 않아도 하수관 유지보수가 가능하겠다고 생각했습니다. 즉, 하수관이 언제, 어디서 막혀서 터질지 미리 예측하여 예방할 수 있도록 하는것이 목표였습니다. 문제상황 도시의 급속한 성장과 산업화로 인해 하수 처리 시설의 부하가 증가하고 있습니다. 더불어 시간이 지남에 따라 하수관은 노후되고, 지하에 있는 하수관 뿐만 아니라 건물에 설치된 작은 하수관들 역시 오랜기간 사용하면서 내부에 쓰레기들이 축적되어 막혀서 터지는 사고까지 발생했습니다. 시간이 지날수록 관리하기 힘든 하수관은 교체하는데에도 많은 시간과 비용이 필요합니다. 기존의 관리방식은 사람이 하수관 전체를 둘러보면서 물이 새는 부분이 있는지 확인하고, 이미 하수관이 막혀서 물이 안내려가는 경우, 소형 카메라는 투입해 어느부분이 문제인지 확인하는 형식이었습니다. 하지만 너무 많은 문제들이 산발적으로 발생할 수 있고, 하수관 관리의 한계에 도달하여 새로운 관리방법이 필요합니다. 해결방법 이러한 문제를 해결하기 위해서 하수 막힘 예측 모델을 개발했습니다. 이 알고리즘은 하수관에 흐르는 물이 만들어낸 진동을 시그널로 수집하여 평소와같이 물이 흐르는지, 막힘이 발생하여 물 흐름이 원활하지 못한지 흐름을 분석하고, 막힘여부를 판단합니다. 실시간으로 판별하기 때문에 위험상황이 왔을 때 관리자에게 경고를 보내 빠르게 대처할 수 있게 합니다. 기존에 사람이 하나하나 확인했던 방식보다 빠르게 하구막힘을 판단할 수 있습니다. 결과 및 고도화 이 프로젝트의 결과로 개발된 하수관 막힘 예측 모델은 막힘여부를 판단하는 데 39%의 높은 정확도를 달성했습니다. 이는 하수관 물흐름에 따른 신호데이터를 통해 신속하고 정확하게 하수관 막힘을 판단한 수 있음을 의미합니다. 성능을 높이기 위해서 지속적인 데이터 수집과 알고리즘 개선 작업을 통해 더 정확한 예측을 할 수 있습니다. 건물의 주요 하수관 뿐 아니라 입점해있는 입점사마다, 가지하수관마다 센서를 부착하여 신호데이터를 사용한다면 하수관 막힘여부 뿐만 아니라 하수관 막힘 위치, 하수관 막힘 시간 등도 예측할 수 있을 것입니다.
sona
우리 동네에서 이상한 냄새가 나요 🐽
악취 탐지 모델 시작하며 길을 가다가 이상한 냄새를 맡아보신 적이 있나요? 도시에서는 주로 하수구냄새, 음식물쓰레기냄새가 우리를 괴롭히고, 시골에서는 사육장에서 나는 동물냄새, 오물냄새가 우리를 괴롭히죠. 이런 냄새들은 단순한 불편함을 넘어서 우리의 삶의 질을 크게 해칠 수 있습니다. 실제로 날이 습한 여름에는 악취를 신고하는 민원이 증가한다고 하는데요, 본 프로젝트는 이러한 악취 문제를 효과적으로 해결하고자 시작했습니다. 민원이 발생할만한 악취를 예측하고 사전에 악취를 예방하는것이 목표였습니다. 문제상황 악취는 주로 감각적인 공해로 간주되며, 많은 사람들에 불쾌감과 혐오감을 유발합니다. 아주 약간의 악취만 있다고 하더라도 쉽게 감지되어 민원의 주요 원인이 되며, 이 악취를 해결하기 위한 방법은 악취신호 발생 이후 악취 발생 원인을 제거하거나 악취억제 스프레이를 뿌리는 것입니다. 하지만 악취는 공기중으로 확산되어 작은 지역 뿐만 아니라 매우 넓은지역까지도 범위가 확장될 수 있습니다. 이렇든 악취의 원인과 정도를 정확하게 파악하는것은 한계가 있습니다. 해결방법 이 프로젝트에서는 악취감지를 위해 공기중 화학성분 농도 감지 센서를 이용하여 데이터를 수집했습니다. 수집한 데이터를 통해 악취를 유발하는 화학물질을 특정하고 PyOD Auto Encoder와 LSTM Auto Encoder를 활용하여 악취 데이터의 이상치를 탐지했습니다. 화학물질의 농도가 어느 수준 이상 올라가면 악취로 감지되는지 특정 임계치를 구하고, 해당 임계치를 넘어가는 경우 악취로 분류하는 로지스틱 회귀 모델을 통해 악취에 따른 민원 발생 가능성을 예측합니다. 이러한 방법을 통해 악취의 원인과 민원 발생 가능성을 보다 정확하게 예측할 수 있게 되었습니다. 결과 및 고도화 방안 다양한 모델을 비교 분석한 결과, 악취 발생 기준을 국가기준에 맞춘 경우, 95% 정도의 정확도를 보이고, 각 화학물별로 맞춤형 기준을 정한 경우 93% 정도의 정확도를 달성했습니다. 추후 악취가 발생했는지 하지 않았는지 사람이 직접 냄새를 맡고 판단한 데이터를 확보한다면 이론적인 데이터로 기준을 삼은 이번 모델보다 더 높은 정확도를 보이는 모델을 만들 수 있을것입니다. 이를 통해 악취를 사전에 예측하고 빠르게 예방하여 다른 지역으로 악취가 퍼지는 일을 예방할 수 있습니다.
sona