• Journal of the Korea Convergence Society
• /
• v.2 no.4
• /
• pp.15-19
• /
• 2011

The transportation and logistics industries, the constructions of a green transport methods for logistics systems are presented. They aims the greenhouse gas emissions 37% savings compared to BAU(Business As Usual) for a green growth of national strategy by 2020. An eco-driving training for truck drivers is a typical way. However there are few studies such as the integrated data collection automatically and the diagnostic Assessments and monitoring methods of logistics network status to show the effects of the eco-driving. To solve this problem, this paper provides previous research on logistics network diagnostics assessments and monitoring service and eco-driving. Then this paper shows developments of the logistics network diagnostic assessments and monitoring service business flow to promote eco-driving behaviors for truck drivers based on a smart phone application. Also, it shows an efficiency through an application results in field test.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.06a
• /
• pp.220-222
• /
• 2006

분산 어플리케이션은 동시에 여러 사용자가 각기 다른 환경에서 동기화된 프로세서를 사용하기 때문에 일정 한 성능을 유지하는 것이 무엇보다 중요하다. 진단엔진은 시스템을 진단하여 시스템 결함의 원인을 발견하여 시스템이 자가치료가 가능하게 한다. 적응형 미들웨어는 진단엔진을 사용해서 분산 어플리케이션이 로컬환경에 맞는 고른 서비스를 유지 할 수 있도록 한다. 본 논문은 베이지안 네트워크를 사용한 적응형 미들웨어의 진단엔진을 제안한다. 베이지안 네트워크는 상황인지분야에서 널리 사용되는 추론기법으로서, 수집 된 데이터를 통해서 그 구조를 학습하고 데이터를 증거 값으로 시스템 진단을 한다. 본 논문은 실험 대상자로부터 윈도우시스템에서 두 시간 동안 데이터를 수집하여 한 시간은 베이지안 네트워크 학습에 사용하고, 나머지는 베이지안 네트워크 성능평가에 사용하였다. 실험 결과 학습된 두 개의 베이지안 네트워크 모델은 각각 95.41%, 99.77%의 정확성을 보였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• pp.589-591
• /
• 2022

흉부 X-ray 영상은 폐 질환을 진단하는 기본적인 도구로써 널리 사용되고 있다. 정확한 진단을 위해 흉부 X-ray 영상의 품질을 평가하는 과정을 거쳐야 하는데, 이 과정은 주관적인 기준에 따라 수 작업으로 이루어지기 때문에 많은 시간과 비용이 소요된다. 따라서 본 논문에서는 임상 현장에서 사용되는 흉부 X-ray 영상 화질 평가 가이드라인을 기반으로 인공음영, 포함범위, 환자자세, 흡기정도, 그리고 투과 상태의 5가지 품질 평가를 자동화하는 도구를 제안한다. 제안하는 도구는 품질 판단에 소요되는 시간과 비용을 줄여주고, 더 나아가 흉부 병변 진단을 위한 학습 모델 개발의 양질의 학습 데이터를 선별하는 전처리 과정에 활용될 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2002.11b
• /
• pp.1305-1308
• /
• 2002

본 논문에서는 이더넷(Ehternet)의 네트워크 진단과 분석을 위해 필수적인 트래픽 발생기(traffic generator)를 설계하고 구현한다. 이더넷 트래픽은 패킷의 양과 프로토콜의 종류 그리고 패킷의 길이 등에 영향을 받는다. 본 연구에서 구현하고자 하는 트래픽 발생기는 이 세가지 항목을 편리한 사용자 인터페이스를 통해 선택하여 다양한 네트워크 트래픽을 발생하는 것을 목표로 한다. 구현된 트래픽 발생기 VTG 는 허브, 라우터 등 네트워크 장비의 성능 평가와 패킷을 모니터링하는 소프트웨어들인 네트워크 진단 시스템과 침입탐지 시스템 등의 성능 평가 및 검증을 위해 사용될 수 있다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2019.01a
• /
• pp.465-467
• /
• 2019

본 논문에서는 영상생성이 가능한 딥러닝 네트워크를 이용하여 조영증강 CT 영상을 획득하는 연구를 수행하였다. CT는 고해상도 영상을 바탕으로 환자의 질병 및 암 세포 진단에 사용되는 의료영상 기법 중 하나이다. 특히, 조영제를 투여한 다음 CT 영상을 획득되는 영상을 조영증강 CT 영상이라 한다. 조영증강된 CT 영상은 물질의 구성 성분의 영상대비를 강조하여 임상의로 하여금 진단 및 치료반응 평가의 정확성을 향상시켜준다. 하지많은 수의 환자들이 조영제 부작용을 갖기 때문에 이에 해당되는 환자의 경우 조영증강 CT 영상 획득이 불가능해진다. 따라서 본 연구에서는 조영증강 영상을 얻지 못하는 환자 및 일반 환자의 불필요한 방사선의 노출을 최소화 하기 위하여 영상생성 딥러닝 기법을 이용하여 CT 영상에서 조영증강 CT 영상을 생성하는 연구를 진행하였다. 영상생성 딥러닝 네트워크는 generative adversarial network (GAN) 모델을 사용하였다. 연구결과 아무런 전처리도 거치지 않은 CT 영상을 이용하여 영상을 생성하는 것 보다 히스토그램 균일화 과정을 거친 영상이 더 좋은 결과를 나타냈으며 생성영상이 기존의 실제 영상과 영상의 구조적 유사도가 높음을 확인할 수 있다. 본 연구결과 딥러닝 영상생성 모델을 이용하여 조영증강 CT 영상을 생성할 수 있었으며, 이를 통하여 환자의 불필요한 방사선 피폭을 최소하며, 생성된 조영증강 CT 영상을 바탕으로 정확한 진단 및 치료반응 평가에 기여할 수 있을거라 기대된다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10c
• /
• pp.349-351
• /
• 2004

본 논문에서는 이더넷의 네트워크 진단과 분석을 위해 필수적인 트래픽 발생기를 IPv6주소체계를 지원하는 네트워크 환경을 고려하여 설계하고 구현한다. 인터넷주소의 고갈과 IPv4프로토콜의 비효율성을 개선하기 위해 IPv6프로토콜에 대한 연구가 활발하게 진행되고 있다. 또, 이더넷 트래픽은 패킷의 양과 프로토콜의 종류 그리고 패킷의 길이에 영향을 받는다. 본 연구에서 설계하고자 하는 트래픽 발생기는 이 세가지 항목을 조정하여 다양한 네트워크 트래픽을 발생하는 것을 목표로 한다. 설계된 트래픽 발생기는 허브, 라우터등의 네트워크 장비의 성능 명가와 패킷을 모니터링하는 소프트웨어들인 네트워크 진단 시스템과 침입탐지 시스템 등의 성능 평가 및 검증을 위해 사용될 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.597-598
• /
• 2023

X-ray는 촬영 방식의 한계로 진단하기 어려운, 품질 낮은 영상을 다수 발생시킨다. 이러한 저품질 영상은 임상 현장에서의 진단이 어려울 뿐만 아니라, 진단 보조 도구를 개발함에 모델의 성능과 신뢰도를 떨어뜨리는 주요 요소가 된다. 특히 투과도가 낮은 영상은 학습 성능에 악영향을 미친다는 것이 입증된 바 있다. 따라서 본 연구는 투과도가 낮은 영상을 진단에 부적합한 영상으로 정의하여, 이를 분류하는 기법을 제안한다. 제안하는 기법은 민감도 94.9%. 특이도 96.0%의 높은 성능을 보였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.903-906
• /
• 2021

인공지능 기술 발전으로, 의료영상 분야에서도 딥러닝 기반 질병 진단 연구가 활발히 진행되고 있다. 딥러닝 모델 개발 시, 학습 데이터 품질은 모델의 성능과 신뢰성에 매우 큰 영향을 미친다. 그러나 의료 분야의 경우 도메인 지식에 대한 진입 장벽이 높아 개발자가 학습에 사용되는 의료영상 데이터의 품질을 평가하기 어렵다. 이로 인해, 많은 의료영상 분야에서는 각 분야의 특성(질병의 종류, 관찰 아나토미 등)에 따른 영상 품질 평가 방법을 제시해왔다. 그러나 기존의 방법은 특정 질병에 초점이 맞춰져, 일반화된 품질 평가 기준을 제시하고 있지 않다. 따라서 본 논문에서는 대부분의 흉부 질환을 진단하기 위한 흉부 X선 영상의 품질을 평가할 수 있는 기준을 제안한다. 우선, 흉부 X선 영상을 대상으로 관찰된 영역인 심장, 횡격막, 견갑골, 폐 등을 분할하여, 3D 히스토그램을 기반으로 각 영역별 통계적인 정밀 품질 평가 기준을 제안한다. 본 연구에서는 JSRT, Chest 14의 오픈 데이터셋을 활용하여 적용 실험을 수행하였으며, 민감도는 97.6%, 특이도는 92.8%의 우수한 성능을 확인하였다.

• KIPS Transactions on Software and Data Engineering
• /
• v.12 no.6
• /
• pp.243-250
• /
• 2023

Chest X-ray is radiological examination for xeamining the lungs and haert, and is particularly widely used for diagnosing lung disease. Since the quality of these chest X-rays can affect the doctor's diagnosis, the process of evaluating the quality must necessarily go through. This process can involve the subjectivity of radiologists and is manual, so it takes a lot of time and csot. Therefore, in this paper, based on the chest X-ray quality assessment guidelines used in clinical settings, we propose a tool that automates the five quality assessments of artificial shadow, coverage, patient posture, inspiratory level, and permeability. The proposed tool reduces the time and cost required for quality judgment, and can be further utilized in the pre-processing process of selecting high-quality learning data for the development of a learning model for diagnosing chest lesions.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.16 no.6
• /
• pp.311-318
• /
• 2016

Recent vehicles are using car internal network for various purposes such as vehicle control, diagnostic functions, and ECU program upgrade. Currently CAN and FlexRay are the most representative networks. In the next-generation network, the use of CAN FD and car ethernet is actively studied. In this paper, we aimed to compare and evaluate the diagnostic function and the program of the ECU from the upgrade view on characteristics related to download time for each network when CAN, CAN FD, and FlexRay network are applied. As a result of the simulation, it was possible to determine that the CAN FD network is currently the most suitable for the next-generation network by suppressing other networks in terms of cost performance even under conditions of 500 Kbps and 2 Mbps which are practically usable speeds.