• Journal of Korea Water Resources Association
• /
• v.54 no.spc1
• /
• pp.1053-1060
• /
• 2021

Current water quality monitoring systems in Korea carried based on in-situ grab sample analysis. It is difficult to improve the current water quality monitoring system, i.e. shorter sampling period or increasing sampling points, because the current systems are both cost- and labor-intensive. One possible way to improve the current water quality monitoring system is to adopt a modeling approach. In this study, a modeling technique was introduced to support the current water quality monitoring system, and an artificial neural network model, the computational tool which mimics the biological processes of human brain, was applied to predict water quality of the river. The approach tried to predict concentrations of Total coliform at the outlet of the river and this showed, somewhat, poor estimations since concentrations of Total coliform were rapidly fluctuated. The approach, however, could forecast whether concentrations of Total coliform would exceed the water quality standard or not. As results, modeling approaches is expected to assist the current water quality monitoring system if the approach is applied to judge whether water quality factors could exceed the water quality standards or not and this would help proper water resource managements.

• Journal of Biomedical Engineering Research
• /
• v.19 no.5
• /
• pp.455-468
• /
• 1998

For the objective interpretation of cerebral metabolic patterns in epilepsy patients, we developed computer-aided classifier using artificial neural network. We studied interictal brain FDG PET scans of 257 epilepsy patients who were diagnosed as normal(n=64), L TLE (n=112), or R TLE (n=81) by visual interpretation. Automatically segmented volume of interest (VOI) was used to reliably extract the features representing patterns of cerebral metabolism. All images were spatially normalized to MNI standard PET template and smoothed with 16mm FWHM Gaussian kernel using SPM96. Mean count in cerebral region was normalized. The VOls for 34 cerebral regions were previously defined on the standard template and 17 different counts of mirrored regions to hemispheric midline were extracted from spatially normalized images. A three-layer feed-forward error back-propagation neural network classifier with 7 input nodes and 3 output nodes was used. The network was trained to interpret metabolic patterns and produce identical diagnoses with those of expert viewers. The performance of the neural network was optimized by testing with 5~40 nodes in hidden layer. Randomly selected 40 images from each group were used to train the network and the remainders were used to test the learned network. The optimized neural network gave a maximum agreement rate of 80.3% with expert viewers. It used 20 hidden nodes and was trained for 1508 epochs. Also, neural network gave agreement rates of 75~80% with 10 or 30 nodes in hidden layer. We conclude that artificial neural network performed as well as human experts and could be potentially useful as clinical decision support tool for the localization of epileptogenic zones.

• Proceedings of the Korean Society for Emotion and Sensibility Conference
• /
• 2002.05a
• /
• pp.90-94
• /
• 2002

이전연구에서 가상현실에 몰입하는 동안 넓은 시야 (Field of view: 150$^{\circ}$)와 빠른 운행속도 (70 km/sec)가 사이버멀미를 심화시킨다는 결과를 얻었다: 피험자의 90%가 좁은 시야 (50$^{\circ}$)와 느린 운행속도 (30 km/sec)에서 사이버멀미 증상이 적었다. 본 실험에서는 피험자가 생리적인 동요를 경험할 때마다 바이오피드백 방법을 사용해서 사이버멀미 감소 가상환경 (cybersickness alleviating virtual environment, CAVE)을 제시한 후, 그 효과를 관찰하였다. 피부전도도, 말초체온, 말초혈류량, 심박률, 눈 깜박임, 뇌전위의 변수들을 입력으로 하는 인공신경망으로 구성된 실시간 멀미 탐지 시스템과 CAVE-제시 피드백 시스템을 구축하였다. 이 시스템은 생리적 측정치들이 사이버멀미의 출현을 신호할 때마다 피드백 출력으로 좁은 화면과 감소된 운행속도를 일시적으로 제공했다. 36명의 피험자를 대상으로 SSQ (simulator sickness questionnaires)와 자기보고를 이용하여 사이버멀미의 빈도와 심각도를 조사하였다. 모든 피험자는 한달 간격으로 CAVE 조건과 non-CAVE 조건에서 두 번 가상현실을 경험하였다. 사이버멀미의 빈도와 심각도는 non-CAVE 조건보다 CAVE 조건에서 유의미하게 감소하였다. 즉, 전기생리학적 특징들에 기반한 인공신경망에 의해 제공된 좁은 시야와 느린 운행의 가상환경은 사이버멀미 증상들을 의미있게 감소시켰다. 이러한 결과들은 생체신호 피드백 시스템을 이용하여 인간 친화적 가상환경을 구축할 수 있는 가능성을 보인 것이다.

• Journal of Broadcast Engineering
• /
• v.22 no.6
• /
• pp.693-701
• /
• 2017

In this paper, we propose a new method for music genre classification using spikegram and deep neural network. The human auditory system encodes the input sound in the time and frequency domain in order to maximize the amount of sound information delivered to the brain using minimum energy and resource. Spikegram is a method of analyzing waveform based on the encoding function of auditory system. In the proposed method, we analyze the signal using spikegram and extract a feature vector composed of key information for the genre classification, which is to be used as the input to the neural network. We measure the performance of music genre classification using the GTZAN dataset consisting of 10 music genres, and confirm that the proposed method provides good performance using a low-dimensional feature vector, compared to the current state-of-the-art methods.

• Korean Journal of Biological Psychiatry
• /
• v.6 no.1
• /
• pp.12-20
• /
• 1999

In order to understand the pathogenesis and progression of some synaptic loss related neuropsychiatric diseases, We attempted to develop a computer model in this study. We made a simple autoassociative memory network remembering numbers, transformed it into a disease model by pruning synapses, and measured its memory performance as a function of synaptic deletion. Decline in performance was measured as amount of synaptic loss increases and its mode of decline is sudden or gradual according to the mode of synaptic pruning. The developed computer model demonstrated how synaptic loss could cause memory impairment through a series of computer simulations, and suggested a new way of research in neuropsychiatry.

• Journal of the Korea Computer Graphics Society
• /
• v.10 no.4
• /
• pp.27-36
• /
• 2004

본 논문에서는 뇌의 하부구조인 해마를 정확하게 분석하기 위한 형상 정규화 방법과 정상인과 간질 환자의 해마를 분류하기 위한 방법을 제시한다. 해마에 대한 형상 분석 과정은 크게 형상 표현을 구축하는 과정, 형상의 유사도를 측정하는 과정, 정상인 집단과 환자 집단을 분류하는 과정으로 이루어진다. 본 연구에서는 해마의 형상 표현으로 메쉬, 골격, 복셀로 이루어진 하이브리드 옥트리 자료구조를 구축하였다. 또한 Iterative Closest Point (ICP) 알고리즘을 사용하여 해마 골격을 기반으로 한 정규화를 수행하였다. 그리고 정규화된 해마 형상을 전역적, 국부적으로 분석하여 최종적으로 입력된 해마가 정상인 또는 간질 환자에 속하는지를 학습된 데이터를 이용하여 분류하였다. 본 논문에서 제시한 ICP 기반의 정규화 방법은 3차원 해마 형상을 정확하게 분석하게 해주고, 골격의 정점 수를 조절함으로써 정규화 시간을 감소시킬 수 있다. 뿐만 아니라 3차원 해마 모델의 형상을 신경망을 통하여 학습시킴으로써 해마의 형상이 변형된 환자 집단과 정상인 집단을 분류하는데 이용할 수 있다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.07a
• /
• pp.61-62
• /
• 2022

알츠하이머성 치매는 현존하는 치료법이 없어 경도인지장애 단계에서의 예방이 중요하다. 지금까지의 알츠하이머 연구는 대부분이 뇌영상 마커와 뇌척수액 마커에 집중되어 있었으며, 경도 인지 장애 단계에서의 탐색은 더욱 적었다. 이러한 점에서 혈액 유전자 발현을 이용한 경도 인지장애 단계 예측은 인지 능력에 따른 관련 유전자 식별과 접근 가능한 진단 및 치료 바이오 마커 탐색에 기여할 수 있다. 그러나 유전자 발현 데이터의 경우 환자 수에 비해 높은 차원을 가지기 때문에 과적합을 막고 질병 관련 유전자를 식별하기 위해서는 데이터에서의 의미 있는 차원만을 뽑아내는 차원 축소가 선행되야 한다. 본 연구는 유전자 발현데이터에서의 인지장애 분류를 위해 차원 축소기법과 신경망을 적용하여 인지 장애 정도를 예측하였다. 그 결과, Lasso 이용 차원축소와 신경망을 이용하여 97%의 정확도로 정상과 조기 경도 인지장애, 후기 경도 인지장애 환자를 분류 할 수 있었으며, 더 적은 차원에서도 분류가 가능했다. 이는 혈액 유전자 발현을 이용해 경도 인지장애 단계를 예측한 첫 번째 연구이며, 인지능력 저하에 따른 혈액 유전자 발현의 연관성을 확인하고 향후 조기 진단, 치료 표적 탐색에 기여한다.

• The Korean Journal of Nuclear Medicine
• /
• v.22 no.2
• /
• pp.157-161
• /
• 1988

Cerebral rete mirabile는 잘 알려진 뇌혈관 질환으로 뇌혈관촬영상 내경동맥이 심한 협착 혹은 폐색, 뇌저부의 이상혈관망 형성 및 다수의 연수막동맥간문합과 경경수막 외내경동맥간문합의 특징적 소견을 나타낸다. 최근 방사성의약품의 발전과 함께, Tc-99m-HMPAO를 이용한 뇌SPECT는 뇌혈류역학의 평가, 병소의 조기발견 및 병소의 정확한 위치를 알기위한 상용진단 방법이 되었다. 저자들은 뇌 혈관촬영으로 확진된 10명 의 Cerebral rete mirabile 환자에서 뇌 전산화단층촬영과 Tc-99m-HMPAO를 이용한 국소뇌혈류 SPECT를 검토하였다. 대상환자중 남자는 3명, 여자는 7명이었으며, 연령분포는 6세에서 38세이었다. 1) Tc-99m-HMPAO를 이응한 국소 뇌혈류 SPECT는 뇌의 경색부위 뿐만 아니라 허혈부위까지 나타냈으며, cerebral rete mirabile에서의 뇌의 침습된 부위를 나타내는데 있어서 뇌전산화단층촬영보다 우월하였다. 또한 모든 예에서 뇌전산화반층촬영보다 더 넓은 허혈부위를 보여주었다. 2) 다른 허혈성 뇌혈관질환과 비교하여 cerebral rete mirabile는 비균질성 방사능을 나타냈고, 이는 측부순환로에 의한 것으로 추측된다. 3) Tc-99m-HMPAO를 이용한 국소뇌혈류 SPECT는 뇌의 허혈부위의 범위를 평가, 문합수술의 계획 및 cerebral rete mirabile의 경과를 추적하는데 유용한 검사이다.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.21 no.5
• /
• pp.71-77
• /
• 2021

Recently, there is a demand for efficient program development of an IoT application support frameworks considering heterogeneous hardware characteristics. In addition, the scope of hardware support is expanding with the development of neuromorphic architecture that mimics the human brain to learn on their own and enables autonomous computing. However, most existing IoT IDE(Integrated Development Environment), it is difficult to support AI(Artificial Intelligence) or to support services combined with various hardware such as neuromorphic architectures. In this paper, we design an AI component abstract model that supports the second-generation ANN(Artificial Neural Network) and the third-generation SNN(Spiking Neural Network), and implemented an autonomous IoT IDE based on the proposed model. IoT developers can automatically create AI components through the proposed technique without knowledge of AI and SNN. The proposed technique is flexible in code conversion according to runtime, so development productivity is high. Through experimentation of the proposed method, it was confirmed that the conversion delay time due to the VCL(Virtual Component Layer) may occur, but the difference is not significant.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2021.05a
• /
• pp.474-476
• /
• 2021

Glioblastoma is the most common brain malignancies arising from glial cells. Early diagnosis and treatment plan establishment are important, and cancer is diagnosed mainly through T1CE imaging through injection of a contrast agent. However, the risk of injection of gadolinium-based contrast agents is increasing recently. Region segmentation that marks cancer regions in medical images plays a key role in CAD systems, and deep neural network models for synthesizing new images are also being studied. In this study, we propose a model that simultaneously learns the generation of T1CE images and segmentation of cancer regions. The performance of the proposed model is evaluated using similarity measurements including mean square error and peak signal-to-noise ratio, and shows average result values of 21 and 39 dB.