• 한국주조공학회지
• /
• 제42권1호
• /
• pp.3-11
• /
• 2022

본 연구에서는 전산모사를 활용하여 오스테나이트계 내열강인 HR3C 합금의 수축 결함 파라미터를 확보하고, 건전부 85% 이상의 잉곳 몰드 설계 및 제작을 진행하였다. 잉곳 몰드 설계 단계에서 전산모사를 활용하여 최적의 잉곳 몰드를 설계 및 제작하였으며, 제작한 잉곳 몰드를 통해 시험조업을 수행하였다. 시험조업 후, 절단 및 비파괴 검사를 통해 결함 양상을 분석하여 수축 결함 파라미터와 잉곳 몰드 설계를 검증하였다. 검증 결과를 기반으로 HR3C 합금의 수축 결함 파라미터 (Niyama 인자, 급탕효율인자, 열간 균열 인자 등)를 확보하였으며, 확보한 파라미터를 통해 건전부 85% 이상의 잉곳 몰드 설계 방안을 확보하였다.

• 한국정보통신학회논문지
• /
• 제23권12호
• /
• pp.1542-1550
• /
• 2019

부정맥 분류를 위한 기존 연구들은 분류의 정확성을 높이기 위해 신경회로망(Artificial Neural Network), 퍼지(Fuzzy), 기계학습(Machine Learning) 등을 이용한 방법이 연구되어 왔다. 특히 딥러닝은 신경회로망의 문제인 은닉층 개수의 한계를 해결함으로 인해 오류 역전파 알고리즘을 이용한 부정맥 분류에 가장 많이 사용되고 있다. 딥러닝 모델을 심전도 신호에 적용하기 위해서는 적절한 모델선택과 파라미터를 최적에 가깝게 선택할 필요가 있다. 본 연구에서는 심실 조기 수축 비트 검출을 위한 딥러닝 기반의 최적 파라미터 검출 방법을 제안한다. 이를 위해 먼저 잡음을 제거한 ECG신호에서 R파를 검출하고 QRS와 RR간격 세그먼트를 추출하였다. 이후 딥러닝을 통한 지도학습 방법으로 가중치를 학습시키고 검증데이터로 모델을 평가하였다. 제안된 방법의 타당성 평가를 위해 MIT-BIH 부정맥 데이터베이스를 통해 각 파라미터에 따른 딥러닝 모델로 훈련 및 검증 정확도를 확인하였다. 성능 평가 결과 R파의 평균 검출 성능은 99.77%, PVC는 97.84의 평균 분류율을 나타내었다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 1999년도 제11회 한글 및 한국어 정보처리 학술대회
• /
• pp.184-190
• /
• 1999

본 논문에서는 Text-to-Speech 시스템에서 사용할 억양 모델을 위해 음성 DB에서 모델 파라미터와 피치 검색테이블(lookup-table)을 추출하여 미리 구성하고, 합성시에는 이를 추정하여 최종 F0 값을 생성하는 자료기반 접근방식(data-driven approach)을 사용한다. 어절 경계강도(break-index)는 경계강도의 특성에 따라 고정적 경계강도와 가변적 경계강도로 세분화하여 사용하였고, 예측된 경계강도를 기준으로 억양구(Intonation Phrase)와 액센트구(Accentual Phrase)를 설정하였다. 특히, 액센트구 모델은 인지적, 음향적으로 중요한 정점(peak)을 정확하게 모델링하는 것에 주안점을 두어 정점(peak)의 시간축, 주파수축 값과 이를 기준으로 한 앞뒤 기울기를 추정하여 4개의 파라미터로 설정하였고, 이 파라미터들은 CART(Classification and Regression Tree)를 이용하여 예측규칙을 만들었다. 경계음조가 나타나는 조사, 어미는 정규화된(normalized) 피치값과 key-index로 구성되는 검색테이블을 만들어 보다 정교하게 피치값을 예측하였다. 본 논문에서 제안한 억양 모델을 본 연구실에서 제작한 음성합성기를 통해 합성하여 청취실험을 거친 결과, 기존의 상용 Text-to-Speech 시스템에 비해 자연스러운 합성음을 얻을 수 있었다.

• 전자공학회논문지SC
• /
• 제42권3호
• /
• pp.41-46
• /
• 2005

본 논문에서 맥파전달시간과 신체 특징 파라미터들을 이용하여 비침습적이고 연속적으로 혈압을 측정할 수 있는 방법을 제시하고 임상실험을 통하여 검증하였다. 맥파전달시간은 심전도와 광전용적맥파로부터 구한다. 맥파전달시간만 이용하여 개개인의 혈압을 측정하는 방법이 연구되었지만 이 방법은 모든 사람에게 적용 가능한 범용 회귀식을 도출하기 부족한 면이 있다. 이 연구에서 혈압과 관련되는 신체 특징 파라미터들과 맥파전달시간을 이용하여 모든 사람에게 적용 가능한 범용 회귀식을 도출하여 여러 사람들의 혈압을 측정하였다. 맥파전달시간만 이용하여 만든 회귀방법과 맥파전달시간과 신체 특징 파라미터들을 같이 이용하여 만든 회귀방법을 서로 비교 하였다. 실험 결과, 맥파전달시간과 신체 특징 파라미터를 이용하는 회귀방법이 여러 사람들의 혈압을 더 정확히 측정할 수 있다는 것을 알 수 있었고, American National Standards Institute of the Association of the Advancement of Medical Instrument(ANSI/AAMI)에 더 근접함을 알 수 있었다.

• 한국방사선학회논문지
• /
• 제12권2호
• /
• pp.277-287
• /
• 2018

골반저근은 골반기관을 지지하는 기능을 가지고 있으며 요자제를 유지하는 여성의 주요 하부조직이다. 골반저근의 약화는 복압성 요실금의 원인이 되는데, 이러한 골반저근의 기능 정도는 복압성 요실금의 병증정도를 평가하는 지표로 사용될 수 있다. 이에 본 연구에서는 골반저근의 수축 압력을 측정하여 복압성 요실금의 병적 진행정도를 정량적으로 진단할 수 있는 요실금 진단 알고리즘을 제안하였다. 이를 위하여 골반저근의 수축압력 정보를 측정할 수 있는 시스템을 제작하였으며, 측정된 데이터의 특징 분석을 위한 측정 프로토콜을 제안하였다. 복압성 요실금 환자로부터 획득한 데이터를 이용하여 5개의 진단 파라미터를 추출하였으며, 이를 이용한 진단 알고리즘을 구현하였다. 임상시험을 통하여 진단 알고리즘의 정확성을 평가한 결과 80%의 정확성을 보였으며, 20%의 위양성 진단 결과를 보였다. 반면에 위음성 진단 결과는 확인되지 않았다. 본 연구에서 제안한 요실금 진단 알고리즘은 복압성 요실금의 병적 진행 정도를 정량적으로 진단할 수 있으며, 요실금 진단 시스템 개발에 활용될 수 있을 것으로 판단된다.

• Investigative Magnetic Resonance Imaging
• /
• 제17권3호
• /
• pp.200-206
• /
• 2013

목적: 자기공명 심장영상을 이용한 좌심실 파라미터 측정에 있어, 자동화 방식을 적용하였을 경우에 나타나는 효과를 분석하고 이를 수동 및 반자동 방식을 적용했을 경우 나타나는 결과와 비교하였다. 대상과 방법: 1.5T 자기공명 심장영상 촬영을 시행한 62명의 환자를 대상으로, 심장 주기당 20상의 단축 항정상태 자유세차 동영상과 심첨2방 및 심첨4방 영상을 얻었다. 심내막 경계와 심외막 경계를 수동, 자동, 반자동 방식으로 각각 구하여 이를 바탕으로 이완말기와 수축말기 용적, 박출 계수, 일회 박출량, 좌심실 질량을 계산하고 각 방식간 평균값 차이를 일원분산분석법을 이용 통계적 분석하였다. 결과: 이완말기와 수축말기 용적의 경우에는 세 방식으로 측정한 결과는 통계적으로 유의하게 다르지 않았다. (P = .399 and .145). 그러나, 박출 계수, 일회 박출량, 좌심실 질량의 경우에는 통계적으로 유의하게 다르게 나타났으며 (P=.001, < 001, < 001) 자동화 방식으로 측정한 측정치가 다른 두 방식에 비해 일관되게 큰 결과치를 보였다. 결론: 자동화 방식을 적용하여 측정한 좌심실의 박출 계수, 일회 박출량, 좌심실 질량의 측정치는 수동, 반자동 방식에 비해 과장된 값을 나타낸다. 자동화 방식으로 많은 노력을 절감할 수 있으나, 임상적으로 민감한 케이스에 대해서는 이에 더하여 수동적 교정을 고려해야 할 것이다.

• 한국정보통신학회논문지
• /
• 제14권1호
• /
• pp.16-22
• /
• 2010

심전도 신호 분석 및 부정맥 분류는 환자를 진단하고 치료하는데 중요한 역할을 한다. 부정맥은 맥박이 불규칙한 상태로 심실빈맥(VT)이나 심실세동(VF) 환자에게 심각한 위협이 될 수 있다. 심방조기수축(APC)과 상심실성빈맥(SVT), 심실조기수축(PVC)은 심실빈맥(VT)만큼 치명적이지는 않지만 심장질환을 진단하는데 중요한 부정맥이다. 본 논문은 2~3개의 부정맥 분류만을 고려한 기존의 방법을 극복하고 다양한 부정맥을 분류하기 위한 새로운 방법을 제시한다. 심전도 신호의 특징 추출을 위해서 EMD 방법으로 신호를 분해하여 IMFs를 얻는다. 입력 데이터의 양은 분류기 성능에 영향을 미치므로 신호 데이터의 차원을 감소시키기 위해 Burg 알고리즘을 IMFs에 적용하여 AR 계수를 구하고 여러 개의 이진 분류기를 결합한 다중 클래스 SVM의 입력으로 사용한다. 최적의 SVM 성능 파라미터를 선택하고 부정맥 분류에 적용한 결과 검출의 정확성은 96.8%~99.5%였다. 실험 결과는 제안한 EMD 방법에 의한 전처리 및 특징 추출과 다중 클래스 SVM에 의한 부정맥 분류의 유용성을 보여준다.

• 한국임상약학회지
• /
• 제15권2호
• /
• pp.160-164
• /
• 2005

수마트립탄은 뇌혈관에 분포되어 있는 5-HT1B/1D수용체에 특이적이고 선택적으로 작용하여 뇌혈관 수축 작용을 나타내어 편두통의 치료에 널리 쓰이는 약물이다. 본 연구는 수마트립탄 제제인 이미그란(50 mg tablet, GSK사)을 대조약으로 하여 시험약인 명인 제약의 수마트란 50mg정의 생물학적 동등성 평가를 하기 위해 22명의 건강한 지원자를 모집하였다. 지원자를 두 군으로 나누어 1정씩 투여하였고 $2{\times}2$ 교차시험을 실시하였다. 수마트립탄의 혈장 중의 농도를 정량하기 위하여 발리데이션된 HPLC/FD를 사용하였다. 채혈 시간은 투약 전 및 투약 후 0.5, 1, 1.5, 2, 2.5, 3,4, 5, 7, 9, 12시간에 걸쳐 총 12시점에 걸쳐 시행하였다. 생물학적 동등성을 판정하기 위한 파라미터로 12시간까지의 혈장 중 농도 곡선 하 면적$(AUC_{12hr})$ 최고 혈중 농도$(C_{max})$를 사용하였다. $AUC_{12hr}$의 평균은 $137.87ng{\cdot}ml/hr$(시험약)과 $130.12ng{\cdot}ml/hr$(대조약)으로 나타났다. $C_{max}$의 경우 각 각 29.30 ng/ml(시험약)과 29.25ng/m1(대조약)으로 관찰되었다. $AUC_{12hr}$의 경우 로그변환 한 평균치 차의 90% 신뢰구간이 log0.95-log1.24이었고, $C_{max}$의 경우 log0.90-log1.149로 계산되 어 두 항목 모두 log0.8-log1.25이어야 한다는 식품의 약품 안전청 과 FDA의 기준을 모두 만족시켰다. 이상의 결과를 종합하면 시험약 수마트란 정 50 mg은 대조약 이미그란 정 50 mg에 대하여 생물학적으로 동등한 것으로 판정되었다.

• 한국정보통신학회논문지
• /
• 제24권10호
• /
• pp.1341-1347
• /
• 2020

부정맥 분류를 위한 기존 연구들은 분류의 정확성을 높이기 위해 신경회로망(Artificial Neural Network), 기계학습(Machine Learning) 등을 이용한 방법이 연구되어 왔다. 특히 딥러닝은 신경회로망의 문제인 은닉층 개수의 한계를 해결함으로 인해 인공 지능 기반의 부정맥 분류에 많이 사용되고 있다. 본 연구에서는 AR 기반의 특징점 추출과 딥러닝을 통한 부정맥 분류 방법을 제안한다. 이를 위해 먼저 잡음을 제거한 ECG 신호에서 R파를 검출하고 자기 회귀 모델을 통하여 최적의 QRS와 RR간격을 추출하였다. 이후 딥러닝을 통한 지도학습 방법으로 가중치를 학습시키고 부정맥을 분류하였다. 제안된 방법의 타당성 평가를 위해 MIT-BIH 부정맥 데이터베이스를 통해 각 파라미터에 따른 훈련 및 분류 정확도를 확인하였다. 성능 평가 결과 PVC는 약 97% 이상의 평균 분류율을 나타내었다.

• 전자공학회논문지SC
• /
• 제42권5호
• /
• pp.27-34
• /
• 2005

심실세동은 심장의 무질서한 전기적 활동으로 인해 심근 수축이 동시에 이뤄지지 않게 되어 급성심장사에 이르게 하는 부정맥이다. 본 연구에서는 이러한 심실세동 검출을 위해 적은 양의 학습 데이터만으로 좋은 분류 성능을 보이는 SVM(Support Vector Machine) 분류기 기반의 심실세동 검출 알고리즘을 제안하였다. 심전도 신호로부터 SVM 분류기에 입력할 입력 특징을 추출하기 위하여 웨이브렛 변환기반의 대역통과 필터링, R점 검출, 입력 특징 추출구간 설정의 전처리 과정을 수행하였으며 입력 특징으로는 리듬 기반의 정보 및 웨이브렛 변환 계수를 선택하였다. SVM 다원분류기는 정상리듬(NSR) 분류기, 심실 세동과 유사한 심실빈맥(VT) 분류기, 심실세동(VF) 분류기 그리고 그 외 부정맥 분류기로 구성하였다. SVM 분류기의 파라미터 C값과 ${\alpha}$값은 실험을 통하여 최고 성능을 나타내는 C=10, ${\alpha}=1$을 선택하였다. SVM 다원 분류기를 통한 정상리듬, 심실빈맥 심실세동의 검출 평균값은 98.39%, 96.92%, 99.88%의 우수한 검출 성능을 나타냈다. 본 연구에서 제안된 동일 입력특징을 사용하여 SVM 분류기의 심실세동 검출 결과와 다층퍼셉트론 신경망 및 퍼지추론 방법에 의한 결과를 비교하였으며 SVM 분류기가 비슷하거나 우수한 결과를 보였다. 또한 기존 다른 알고리즘에 비하여도 우수한 결과를 보임으로써 제안된 입력 특징을 통한 SVM 분류기 기반의 심실세동 검출이 유용함을 확인할 수 있었다.