Personal Information 

  • Name:          Kyeong, Sunghyon 
  • Nationality:    Republic of Korea 
  • Email:  

Current Position 
  • Researcher (2014 September ~ Now) 
    Institute of Behavioural Science in Medicine, 
    Yonsei University College of Medicine, 
    50 Yonsei-ro, Shinchon-Dong, Seodaemoon-Gu
    Seoul, 120-752, Republic of Korea 

Research Interests 
  • Multimodal neuroimaging, heart rate variability, and medical data analysis
  • Data Analytics using Topological Data Analysis (TDA) and Graph Theoretical Approaches
  • Developing the classification and clustering using supervised and unsupervised methods
  • Twitter Data Crawling and Analysis
  • Life is short, use Python
  • Matlab / C&C++ / MongoDB

  • Ph D. in Medical Science (2016 February) 
    Yonsei University College of Medicine, Seoul, Korea 
    Thesis title: Neural substrates of delirium using complex network analysis and topology-based data analysis for identifying phenotypic subgroups of delirium
  • Master's Degree in Physics (2009 August)
    Yonsei University, Seoul, Korea 
    Thesis title: Observation of $B^0 \to \rho^0 K^+ \pi^-$ and Measurement of Charmless Hadronic $b \to s$ Penguin Decays in the $\pi^+ \pi^- K^+ \pi^-$ Final State [pdf]
  • Bachelor's Degree in Physics (2007 February)
    Yonsei University, Seoul, Korea 

Research Experience 
  • National Institute for Mathematical Sciences (2011-2014): measuring complex network properties from functional and structural neuroimaging data.
  • MoNET (2009-2011):(TMS study), Motor functional recovery study for stroke patient before/after repetitive transcranial magnetic stimulation (rTMS). (Neurointervention project), intensive C/C++ programming to develop MRI-computer interface module.
  • The Belle Collaboration (2007-2009): C/C++ programming to reconstruct the decay $B^0 \to \rho^0 K^{*0}$ and upgrading work for Belle data acquisition (DAQ) module.

단편영화 조연 <난시, 2001>

        Full CV download: PDF 

'About' 카테고리의 다른 글

Sunghyon Kyeong CV (Curriculum Vitae)  (0) 2015.11.15



Invited Talks

  1. Sunghyon Kyeong, 'Topological Data analysis: methods and examples', 연세대학교 커뮤니케이션 연구소 / 연세대학교 커뮤니케이션대학원 BK21 플러스, 2015년 4월 3일 slideshare
  2. Sunghyon Kyeong, 'Resting State Functional Connectivity: Basics and Analysis Technique', 전북대학교 정신건강의학과, 2014년 10월 10일
  3. Sunghyon Kyeong, 'Resting State Functional Connectivity and Modular Organisations', 대한생물치료정신의학회, 2014년 8월 30일
  4. Sunghyon Kyeong, 'Topological Data Analysis', R Users Conference in Korea, Seoul L-Tower, May 30 2014 slideshare
  5. 경성현, '복잡계 네트워크와 데이터 과학: 서울 N버스 노선배치, 구글 독감 예측, 트위터에서 실시간 주제어 추출, 성격에 따른 뇌네트워크', 서라벌고등학교, 2013년 10월 18일
  6. Sunghyon Kyeong, 'Physics, brain, and network', Toinmo (study and discussion group for cognitive science), Sogang University, March 17 2012 slideshare
  7. Sunghyon Kyeong, 'Neuroscience Primer for the Particle Physicists', International Conference on Particle Physics, Yong-Pyong, Korea, February 20-23 2011
  8. Sunghyon Kyeong, 'Neuroscience - from detector systems and to neural data analysis', Department of Physics, Yonsei University, October 2010

iRSFC Workshop

  1. Sunghyon Kyeong, 'Hands-on workshop on intuitive Resting-State Functional Connectivity (iRSFC)', Department of Psychiatry, Chonbuk National University Hospital, 9 January, 2015. 
    (1) theoretical background on fMRI BOLD signal (40 min.) 
    (2) Hands-on exercise for fMRI preprocessing (60 min.) 
    (3) Hands-on exercise for iRSFC toolbox (90 min.) 
    (4) Multiple comparison issues and AlphaSim correction (20 min.)

Publications in Neuroscience
(*: corresponding author, †: first or equally contributed author)
  1. Sunghyon Kyeong†, Seonjeong Park, Keun-Ah Cheon, Jae-Jin Kim, Dong-Ho Song, and Eunjoo Kim, 'A New Approach to Investigate the Association between Brain Functional Connectivity and Disease Characteristics of Attention-Deficit/Hyperactivity Disorder: Topological Neuroimaging Data Analysis', PLoS One 10(9): e0137296 (2015) link
  2. Sunghyon Kyeong†, Eunjoo Kim, Hae-Jeong Park, Dong-Uk Hwang, 'Functional network organizations of two contrasting temperament groups in dimensions of novelty seeking and harm avoidance', Brain Research 1575: 33-44 (2014) journal slideshare
  3. Sera Park, Hae-Jung Park, Sung-Hyon Kyeong, In Seok Moon, Minbum Kim, Hee Nam Kim, Jae-Young Choi, 'Combined rTMS to the auditory cortex and prefrontal cortex for tinnitus control in patients with depression: a pilot study', Acta Oto-Laryngologia 113(6):600-606 (2013) link
  4. Jae-Chang Kim, Sunghyon Kyeong, Jong Doo Lee, and Hae-Jeong Park, 'A System for Concurrent TMS-fMRI and Evaluation of Imaging Effects', Journal of the Korean Society of Magnetic Resonance in Medicine, KJSMRM 17(3): 169-180 (2013) link

Conference Proceedings (Full Papers)
(*: corresponding author, †: first or equally contributed author)
  1. Hwi-Gang Kim, Seongjoo Lee, Sunghyon Kyeong*, Discovering Hot Topics using Twitter Streaming Data: social topic detection and geographic clustering, Proceedings of the 2013 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining, ISBN-978-1-4503-2240-9, ACM 2013, Niagara, Canada. link slideshare
  2. S.-H. Kyeong† (on behalf of Belle Collaboration), '$ b\to s $ Hadronic Decays at Belle', Proceedings of the International Europhysics Conference on High Energy Physics, Krakow, Poland, July 2009 link

Publications in High Energy Physics
(*: corresponding author, †: first or equally contributed author)
  1. S.-H. Kyeonget al. (Belle Collaboration), Measurements of charmless hadronic $b\to s $ penguin decays in the $\pi^+ \pi^- K^+ \pi^-$ final state and first observation of$B^0 \to \rho^0 K^+ \pi^-$, Phys. Rev. D 80 051103(R) (2009)
  2. O. Seon et al. (Belle Collaboration), Search for Lepton-number violating $B^+ \to D^- \ell^+ \ell'^-$ Decays, Phys. Rev. D 84 071106 (2011)
  3. A. Vinokurova et al. (Belle Collaboration), Study of $B^\pm \to K^\pm (K_S K\pi)^0$ decay and determination of $\eta_c$ and $\eta_c(2S)$ parameters, Phys. Lett. B 706 139-149 (2011)
  4. S. Bahinipati et al. (Belle Collaboration), Measurements of time-dependent CP asymmetries in $B \to D^{*\mp} \pi^\pm $ decays using a partial reconstruction technique, Phys. Rev. D 84 021101 (2011)
  5. B.R. Ko et al. (Belle Collaboration), Search for $CP$ Violation in the Decays $D^0 \to K^0_S P^0$, Phys. Rev. Lett. 106, 211801 (2011)
  6. M. Bischofberger et al. (Belle Collaboration), Search for CP violation in $\tau \to K^0_S \pi \nu_\tau$ decays at Belle, Phys. Rev. Lett. 107, 13108 (2011)
  7. Y. Miyazaki et al. (Belle Collaboration), Search for Lepton-Flavor-Violating tau Decays into a Lepton and a Vector Meson, Phys. Lett. B 699, 251-257 (2011)
  8. H. Ha et al. (Belle Collaboration), Measurement of the decay $B^0\to \pi^- \ell^+\nu$ and determination of $|V_{ub}|$, Phys. Rev. D 83 071101 (2011)
  9. T. Aushev et al. (Belle Collaboration), Study of the decays $B\to D_{s1}(2536)^+ \bar{D}^{(*)}$, Phys. Rev. D 83 051102 (2011)
  10. H. Guler et al. (Belle Collaboration), Study of the $K^+\pi^+\pi^-$ final state in $B^+\to J/\psi K^+\pi^+\pi^-$ and $B^+ \to \psi' K^+\pi^+\pi^-$, Phys. Rev. D 83 032005 (2011)
  11. G. Pakhlova et al. (Belle Collaboration), Measurement of $e^+e^- \to D^{(*)+}_s D^{(*)-}_s$ cross section near thresholding using initial state radiation, Phys. Rev. D 83 011101 (2011)
  12. W. Dungel et al. (Belle Collaboration), Measurement of the form factors of the decay $B^0 \to D^{*-} \ell^+ \nu_\ell$ and determination of the CKM matrix element $|V_{cb}|$, Phys. Rev. D 82 112007 (2010)
  13. S. Uehara et al. (Belle Collaboration), Measurement of $\eta\eta$ production in two-photon collisions, Phys. Rev. D 82 114031 (2010)
  14. K. Sakai et al. (Belle Collaboration), Search for $CP$-violating charge asymmetry in $B^{\pm}\to J/\psi K^\pm$ decays, Phys. Rev. D 82 091104 (2010)
  15. S. Esen et al. (Belle Collaboration), Observation of $B^0_s \to D^{(*)+}_S D^{(*)-}_S$ Using $e^+e^-$ Collisions and a Determination of the $B_s-\bar{B}_s$ Width Difference $\Delta\Gamma_S$, Phys. Rev. Lett. 105 201802 (2010)
  16. K. Nishimura et al. (Belle Collaboration), First Measurement of Inclusive $B\to X_s \eta$ Decays, Phys. Rev. Lett. 105 191803 (2010)
  17. Y. Nakahama et al. (Belle Collaboration), Measurement of $CP$ violating asymmetries in $B^0 \to K^+ K^- K^0_S$ decays with a time-dependent Dalitz approach, Phys. Rev. D 82 073011 (2010)
  18. C.-C. Peng et al. (Belle Collaboration), Search for $B^0_S \to h h$ decays at the $\Upsilon(5S)$ resonance, Phys. Rev. D 82 072007 (2010)
  19. K. Hara et al. (Belle Collaboration), Evidence for $B^- \to \tau^- \bar{nu}_\tau$ with a semileptonic tagging method, Phys. Rev. D 82 071101 (2010)
  20. Bozek et al. (Belle Collaboration), Observation of $B^+\to \bar{D}^{*0}\tau^+\nu_\tau$ and evidence for $B^+\to \bar{D}^0 \tau^+\nu_tau$ at Belle, Phys. Rev. D 82 072005 (2010)

'Publications' 카테고리의 다른 글

Publications  (0) 2015.11.15

토폴로지 데이터 분석은 다양한 분야에서 거대하고 복잡한 데이터로부터 의미있는 정보를 추출하는데 활용된 사례가 많이 있다. 많은 연구자들이 토폴로지 데이터 분석이 어떻게 작동하는지 원리를 알지 못한체 사용하는 사례가 많이 있기 때문에, 이번 포스팅에서는 토폴로지 분석이 왜 데이터 분석에서 효과적인 방법론인지에 대해 설명하고자 한다.

토폴로지 데이터 분석을 둘러싼 한가지 중요한 메세지는 데이터는 모양Shape을 갖고 있고, 그 모양이 우리에게 새로운 통찰을 줄 수 있다는 것이다. 분석을 통해서 완전히 새로운 메세지가 나타났다고 해도, 사실은 우리가 잘 알고 있는 것을 설명하는 것인 경우가 종종 있다.

토폴로지 데이터 분석에 대한 방법을 이야기 하기 전에 몇가지 서로 다른 형태의 데이터 분포에 대해서 이야기 하고자 한다. 위에 제시된 그림 중 제일 왼쪽에 보여지는 데이터는 직선 모양으로 대표될 수 있다. 이러한 데이터는 보통 선형회귀 분석을 통해서 데이터의 기울기를 찾을 수 있다. Fitting을 통해서 1차방정식의 계수를 구한다면, 데이터에 대해서 충분히 이해했다고 할 수 있을것이다. 두번째로 보여지는 데이터는 세개의 덩어리로 나뉘어진 데이터이다. 이러한 데이터는 1차 선형 방적식으로 설명할수는 없고, 최소 3개의 선형 방정식이 있어야 세개의 덩어리를 구분할 수 있을것이다. 두번째 예제에서는 데이터가 세군데의 서로 다른 곳을 중심으로 클러스터를 이루고 있기 때문에 평면에서 세개의 point cloud가 하나의 직선으로 대표될 수 없음을 쉽게 알 수 있다. 이러한 데이터를 보는 순간 사람들을 모양이 없는 데이터로군! 이라고 생각할 수도 있겠지만, 곧이어 '아! 이 데이터는 세개의 클러스터로 나눌 수 있겠군.' 이라고 생각할 것이다.  

세번째로 원형 모양의 데이터 분포를 생각해 보자. 이 데이터는 가운데 구멍이 뚤려 있는 원형 방정식으로 표현하면 가장 적절할 것이다. 직선 방정식으로 원형 모양의 데이터를 설명하고 싶은 사람은 없을 테니까. 마지막으로 데이터가 Y-모양 처럼 생겼다고 가정하면, 어떻게 할것인가? 이러한 데이터는 직선 방정식으로 표현할 수도 없고, 여러개의 덩어리 형태로 표현하기도 어려울 것이다. 그럼 어떻게 Y-모양 데이터를 설명할 수 있을까? 또는 하나의 방법으로 다양한 형태의 모양을 가진 데이터를 표현할 수 있는 방법은 없을까? 토폴로지 데이터 분석 기법에서 그 해답을 찾을 수 있을 것이다.

토폴로지 데이터 분석은 2007년에 스탠포트 대학교의 계산공학을 전공하는 Gurgeet Singh 박사과정 학생과 위상수학을 전공하는 Gunnar Carlsson 교수에 의해서 방법론이 세상에 처음 소개 되었다 (논문: Topological Methods for the Analysis of High Dimensional Data Sets and 3D Object Recognition). 이후 2011년도에는 스탠포드대학의 Monica Nicolau와 Gunnar Carlsson 교수는 토폴로지 데이터 분석 기법을 이용하여 유방암 환자의 Microarray 데이터를 분석했고, 유방암의 subgroups을 찾아내는데 성공했다 (논문: Topology based data analysis identifies a subgroup of breast cancers with a unique mutational profile and excellent survival).

논문이 소개된 년도를 보면 알겠지만, 수학의 토폴로지가 데이터 분석에 활용되기 시작한것이 2010년 쯔음이고, 데이터로부터 가치를 창출하는 것은 학계와 기업에 많은 관심과 수요가 예상되는 부분이다. 토폴로지 데이터 분석은 기계학습 방법론 측면에서 보면 비지도 기계학습 (unsupervised machine learning)에 해당되고, 보다 구체적으로는 "Partial Clustering"이라고 하는게 더욱 정확할 것이다.

토폴로지 데이터 분석은 크게 네 단계로 나눌 수 있다. 첫번째는 필터 함수를 구성하는 것이다. 필터 함수의 역할은 고차원의 데이터의 모양을 가장 잘 표현할 수 있도록 데이터를 Projection하기 위함이라고 할 수 있다. 위의 예제 그림에서는 Y축의 좌표값을 return하도록 필터 함수를 구성하면, Y-모양의 데이터 분포의 토폴로지를 가장 잘 추출할 수 있을 것이다. 두번째는 거리 함수를 정의하는 것이다. 고차원의 데이터가 필터함수를 통해서 하나의 값으로 요약되고 나면, 필터 값을 기준으로 데이터를 구획화 하게 되고, 구획화된 데이터 값들 간의 거리를 계산하게 된다. 거리 함수를 정의하는 방법도 여러가지가 있겠지만, 가장 많이 사용되는 거리함수는 유클리디언 거리 함수 있다. 세번째로 클러스터링 방법이다. 필터값에 따라서 데이터를 구획화 하고, 구획화된 데이터 값들 간에 거리를 구하고 나면, 이후에는 데이터 값들간의 거리를 기준으로 클러스터링을 지행하게 된다. 해당 필터 구간내에 몇개의 데이터들이 서로서로 모여 있는지, 아니면 2~3개의 덩어리로 서로 뭉쳐 있는지 등이 클러스터링을 통해서 계산되게 된다. 마지막으로 데이터를 시각화가 필요하다. 데이터 포인트로부터 결과로 생성된 simplicial complex를 그래프의 형태로 표현하고 나면 위의 그림에서 (C)의 형태가 되는데, 그래프에서 각 노드Node는 Cluster이고, 선Edge는 클러스터간의 교집합이 존재함을 표현한다. 마지막으로 노드의 색은 관심있는 값을 표현하게 되는데, 위의 예제에서는 각 노드 내의 데이터 값이 같는 필터 값의 평균을 표현했다. 

토폴로지 데이터 분석은 다양한 분야의 데이터 분석에서 많이 활용되고 있고, 토폴로지 데이터 분석이 각광받고 있는 이유는 기존의 클러스터링 방법으로는 찾지 못하는 "데이터 내의 특이한 subgroups"을 잘 추출하는데 있다. P.Y. Lum은 미국 NBA 농구선수들의 분당 리바운드, 슈팅, 피스, 파울 등의 수치 값들을 이용해서 토폴로지 데이터 분석을 시행했더니, 기존에 잘 알려진 공격형, 수비형 선수를 구분해 냈을 뿐만이 아니라 All star players들도 하나의 subgroup으로 검출해 냈다. 이는 기존의 고전적 비지도학습 방법으로는 확인할 수 없덨던 결과이다 (논문: Extracting insights from the shape of complex data using topology).

마지막으로 토폴로지 데이터 분석이 뇌영상 데이터 분석에도 적용한 연구도 있다. S. Kyeong은 토폴로지 데이터 분석을 뇌영상 데이터 분석에 적용하여 정상군과 환자군을 구분해 내는데 성공했다. 연구 초기의 목표는 토폴로지 데이터 분석으로 주의력결핍/과잉행동 장애 환자의 아형을 구분해 내는 것 이었는데, 실제 데이터 분석에서는 아형을 구분해 내지는 못했다. 연구 결과는 PLoS One에 게제되었다 (논문: A New Approach to Investigate the Association between Brain Functional Connectivity and Disease Characteristics of Attention-Deficit/Hyperactivity Disorder: Topological Neuroimaging Data Analysis). 본 연구는 뇌영상 데이터를 분석하는데 토폴로지 데이터 분석 기법을 처음으로 제기 했다는데 큰 의미가 있다.