• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.78-80
• /
• 2021

현재 자연어 처리(NLP)에 대한 연구는 급속히 발전하고 있다. 자연어 처리는 인간이 일상생활에서 사용하는 언어의 의미를 분석하여 컴퓨터가 처리할 수 있도록 하는 기술로 음성인식, 맞춤법 검사, 텍스트 분류 등 여러 분야에 사용하고 있다. 현재 가장 많이 사용되는 자연어처리 라이브러리는 영어를 기준으로 한 NLTK로 한글처리에 단점을 가지고 있다. 따라서 본 논문에서는 한글 토크나이징(Tokenizing) 라이브러리인 KonLPy와 Soynlp를 소개 후 형태소 분석 및 처리 기법을 분석하고, KonLPy의 단점을 보완한 Soynlp와의 모듈을 비교·분석하여 향후 의료분야에 적합한 자연어 처리 모델로 활용하고자 한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 추계학술발표대회
• /
• pp.655-658
• /
• 2021

The purpose of multimodal medical image fusion (MMIF) is to integrate images of different modes with different details into a result image with rich information, which is convenient for doctors to accurately diagnose and treat the diseased tissues of patients. Encouraged by this purpose, this paper proposes a novel method based on a two-scale decomposer and detail preservation model. The first step is to use the two-scale decomposer to decompose the source image into the energy layers and structure layers, which have the characteristic of detail preservation. And then, structure tensor operator and max-abs are combined to fuse the structure layers. The detail preservation model is proposed for the fusion of the energy layers, which greatly improves the image performance. The fused image is achieved by summing up the two fused sub-images obtained by the above fusion rules. Experiments demonstrate that the proposed method has superior performance compared with the state-of-the-art fusion methods.

• 무역학회지
• /
• 제45권1호
• /
• pp.279-300
• /
• 2020

The cosmetic medical information mobile platform is evolving into a new channel for searching and obtaining relevant information before using cosmetic medical service. In addition, the medical institutions can facilitate the medical contracts, and take advantage of systemic customer management through the cosmetic medical information mobile platform. Therefore, the paradigm of the cosmetic medical mobile service industry is facing a flow of change through the use diffusion of cosmetic medical information mobile platform. In this study, in order to explore the factors affecting the use diffusion of the cosmetic medical information mobile platform, this study used the research model of the influence of the characteristics of the cosmetic medical information mobile platform on perceived convenience and usefulness, and use diffusion by applying TAM(Technology Acceptance Model). As a result, immediateness, interactivity, and customization in the characteristics of cosmetic medical information mobile platform had positive effects on the perceived convenience. Also, interactivity, customization, and economics had positive impacts on perceived usefulness. In addition, perceived convenience and usefulness had positive effects on the use diffusion. Through this study, the factors influencing the use diffusion of cosmetic medical information mobile platform were actually explored, and the service value of the cosmetic medical information mobile platform were categorized. Future research is expected to contribute to the continuous improvement of quality and expansion of the cosmetic medical service market based on various research.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.641-643
• /
• 2023

Deep Learning(DL)을 사용한 호흡음의 자동 분석은 폐 질환의 조기 진단에 중추적인 역할을 한다. 그러나 현재의 DL 방법은 종종 호흡음의 공간적 및 시간적 특성을 분리하여 검사하기 때문에 한계가 있다. 본 연구는 컨볼루션 연산을 통해 공간적 특징을 캡처하고 시간 컨볼루션 네트워크를 사용하여 이러한 특징의 공간적-시간적 상관 관계를 활용하는 새로운 DL 프레임워크를 제한한다. 제안된 프레임워크는 앙상블 학습 접근법 내에 컨볼루션 네트워크를 통합하여 폐음 녹음에서 호흡 이상 및 질병을 검출하는 정확도를 크게 향상시킨다. 잘 알려진 ICBHI 2017 챌린지 데이터 세트에 대한 실험은 제안된 프레임워크가 호흡 이상 및 질병 검출을 위한 4-Class 작업에서 비교모델 성능보다 우수함을 보여준다. 특히 민감도와 특이도를 나타내는 점수 메트릭 측면에서 최대 45.91%와 14.1%의 개선이 이진 및 다중 클래스 호흡 이상 감지 작업에서 각각 보여준다. 이러한 결과는 기존 기술보다 우리 방법의 두드러진 이점을 강조하여 호흡기 의료 기술의 미래 혁신을 주도할 수 있는 잠재력을 보여준다.

• Journal of Korea Artificial Intelligence Association
• /
• 제1권1호
• /
• pp.11-16
• /
• 2023

Accurate hospital case modeling and prediction are crucial for efficient healthcare. In this study, we demonstrate the implementation of regression analysis methods in machine learning systems utilizing mathematical statics and machine learning techniques. The developed machine learning model includes Bayesian linear, artificial neural network, decision tree, decision forest, and linear regression analysis models. Through the application of these algorithms, corresponding regression models were constructed and analyzed. The results suggest the potential of leveraging machine learning systems for medical research. The experiment aimed to create an Azure Machine Learning Studio tool for the speedy evaluation of multiple regression models. The tool faciliates the comparision of 5 types of regression models in a unified experiment and presents assessment results with performance metrics. Evaluation of regression machine learning models highlighted the advantages of boosted decision tree regression, and decision forest regression in hospital case prediction. These findings could lay the groundwork for the deliberate development of new directions in medical data processing and decision making. Furthermore, potential avenues for future research may include exploring methods such as clustering, classification, and anomaly detection in healthcare systems.

• 한국방사선학회논문지
• /
• 제14권6호
• /
• pp.773-780
• /
• 2020

4차 산업의 발전으로 의학·보건·바이오 등 여러 과학기술 분야에서는 질병을 예방하고 질병에 대한 피해를 줄이기 위한 연구가 이루어지고 있으며, 최근에는 ICT 기술의 발전과 더불어 인공지능 기술이 급부상하고 그 효용성이 입증되면서 영상의학 검사의 영상 분석에 인공지능 기술이 도입되어 연구되고 있다. 본 논문에서는 흉부 X선 영상을 이용하여 폐렴의 분류와 검출에 대한 딥러닝 모델을 직접 적용해보고 실제로 Inception 계열의 딥러닝 모델이 폐렴 검출에 있어 유용한 모델인지 평가하고자 한다. 실험재료는 캐글(Kaggle)에서 무료로 제공 및 공유하는 흉부 X선 영상 데이터 세트를 사용하였으며 전체 3,470개의 흉부 X선 영상 데이터 중 학습 데이터 세트 1,870개, 검증 데이터 세트 1,100개, 테스트 데이터 세트 500개로 분류하였다. 실험결과 Inception V3 딥러닝 모델의 Metric 평가에 대한 결과값은 정확도는 94.80%, 정밀도는 97.24%, 재현율은 94.00%, F1 스코어는 95.59의 결과값을 나타내었다. 그리고 흉부 X선 영상의 페렴 검출 및 분류에 대하여 Inception V3 딥러닝 모델링에 대한 최종 에포크의 정확도는 학습 모델링의 경우 94.91%, 검증 모델링은 89.68%의 정확도를 나타내었다. 손실함수 값의 평가는 학습 모델링은 1.127%, 검증 모델링은 4.603%의 손실함수 값을 나타내었다. 이러한 결과로 Inception V3 딥러닝 모델은 흉부영상 데이터의 특징 추출 및 분류에 있어 매우 우수한 딥러닝 모델이며 학습상태 또한 매우 우수하다고 평가하였다. 테스트 모델링에 대한 매트릭스 정확도 평가 결과 정상 흉부 X선 영상 데이터의 경우 96%, 폐렴 흉부 X선 영상데이터의 경우 97%의 정확도가 입증되었다. Inception 계열의 딥러닝 모델의 경우 흉부 질환의 분류에 있어 유용한 딥러닝 모델이 될 것이라고 판단되며 인력의 보조적인 역할 또한 수행할 수 있을 것이라고 기대되어 부족한 의료인력 문제에도 해결점이 될 것이라고 사료된다. 향후 딥러닝을 이용한 폐렴의 진단에 대한 유사 연구 시 본 연구는 유사 연구의 기초자료로 제시될 것이라고 기대된다.

• 한국의학물리학회지:의학물리
• /
• 제21권3호
• /
• pp.261-273
• /
• 2010

간접변환방식 CMOS (complementary metal-oxide-semiconductor) 엑스레이 디텍터 시스템의 성능 분석 및 개선을 위하여 공간주파수에 따른 DQE (detective quantum efficiency)를 모델링 하였다. 모델의 검증을 위하여 마모그라피 W/Al 선질에 대한 modulation-transfer function (MTF), noise-power spectrum (NPS)를 측정하고 이로부터 DQE를 계산하였으며, 모델과 측정된 DQE는 전체 공간주파수 영역에서 서로 잘 일치함을 확인하였다. 검증된 모델을 이용하여 형광스크린 양자효율 및 MTF, Swank 잡음, 포토다이오드 양자효율 등 CMOS 디텍터 시스템의 DQE 성능에 영향을 미칠 수 있는 다양한 디자인 파라미터의 역할을 살펴보았다. 엑스레이 디텍터 시스템의 신호 및 잡음 분석에 대해 이와 같은 선형시스템 전달을 이용한 이론적인 접근법은 이미 개발된 의료영상시스템을 이해할 수 있는 유용한 도구일 뿐만 아니라 새로운 디텍터 개발 및 최적화를 위한 도구로 활용될 수 있을 것이다.

• 한국산학기술학회논문지
• /
• 제17권12호
• /
• pp.9-16
• /
• 2016

무선 센서 네트워크는 센서 노드와 기지국으로 구성되며, 사람이 직접적으로 접근하기 어려운 장소에 노드들이 광범위하게 배치되어 화재나 특정 상황의 정보를 수신하고, 수신된 정보를 기지국까지 전달하여 실시간 감시나 유통, 의료 등 다양한 분야에 활용되고 있다. 또한 최근에는 이러한 무선 센서 네트워크에 이동성을 추가하여 야생동물의 실태조사, 해양생태계 모니터링 등의 응용으로 확대한 모바일 무선 센서 네트워크의 유용성이 증가하는 추세이다. 모바일 무선 센서 네트워크에서 중요한 고려 사항은 이동성과 에너지 소모량이다. 각 센서 노드는 제한된 에너지를 보유하기 때문에 데이터 송신에 소모되는 에너지가 클 경우, 전체 네트워크 수명에 많은 영향을 준다. 따라서 센서 노드에서 센싱된 정보를 기지국으로 전송하는 효율적인 방법이 요구된다. 본 논문에서는 모바일 센서 네트워크에서 2계층 클러스터링을 이용한 에너지 소비 모델을 제안한다. 제안하는 방법은 클러스터를 2계층으로 구분하여 이동성을 고려하고 에너지 소모를 줄인다. 또한 에너지 소모량 모델을 제시하여 이제까지 제안된 여러 클러스터링 기법의 에너지 소모량을 비교 분석한다. 실험을 통해 이전의 모바일 센서 네트워크 클러스터링 기법보다 네트워크 에너지 효율성이 향상됨을 입증한다.

• 한국지리정보학회지
• /
• 제22권4호
• /
• pp.229-240
• /
• 2019

건설, 의료, 컴퓨터 그래픽스, 도시공간 관리 등 다양한 분야에서 3차원 공간모델이 이용되고 있다. 특히 측량 및 공간정보 분야에서는 최근 스마트시티, 정밀도로지도 구축 등과 같은 고품질의 3차원 공간정보에 대한 수요가 폭발적으로 증가하면서, 이를 보다 손쉽고, 간편하게 취득하기 위하여 MMS, UAV와 같은 관측기술이 활발히 활용되고 있다. 하지만 두 자료를 통합하여 3차원 모델링을 수행하기 위해서는, 두 관측기술 적용 시 발생하는 원시자료 취득센서, 점군 자료생성 방식 및 관측정확도 간의 차이를 효율적으로 보정할 수 있는 최적의 정합방법이 필요하다. 본 연구에서는 일반적인 3차원 모델의 자동정합에 사용되는 ICP(Iterative Closet Point) 기법을 통한 MMS와 UAV 점군 데이터 간 자동정합 성능을 판단하기 위하여, 여의도 지역을 연구대상지역으로 설정하고 UAV 영상을 취득 후 점군 자료로 변환하였다. 그 후 대상지역을 총 4개의 구역으로 구분하여 MMS 관측을 수행하였으며, UAV 점군 자료를 기반으로 각 구역에서 관측된 MMS 점군 자료와 수동정합하고 이를 ICP 기반으로 자동정합한 결과와 비교하였다. 보다 엄밀하게 ICP 기반의 자동정합 성능을 판단하기 위하여 각 구역별로 데이터 중첩률, 노이즈 레벨 등의 변수를 다르게 하여 비교를 수행하였다. 결론적으로 ICP 기반의 자동정합 시 데이터 중첩률이 높고, 노이즈 레벨이 낮을수록 더 높은 정확도로 정합될 수 있다는 것을 알 수 있었다.

• 한국멀티미디어학회논문지
• /
• 제15권9호
• /
• pp.1075-1085
• /
• 2012

영상분할은 의료 임상연구에서 가장 중요한 과정 중의 하나이다. 특히 뇌 MRI영상에서 해마의 위축은 알츠하이머병 진행과정의 초기 특정 표지자로서 해마의 볼륨은 초기 알츠하이머병의 임상적 진단에 도움이 된다. 정확한 볼륨 측정에 있어서 해마 영역의 분할은 중요한 역할을 한다. 하지만 MRI 영상에서 해마영역은 낮은 대조도, 낮은 신호 대 잡음 비율, 불연속성 경계의 특징을 보이며, 이러한 특징들은 MRI 영상에서 해마의 정확한 분할을 어렵게 만든다. 이 문제를 해결하기 위해 전처리 과정으로 실험영상에서 관심영역을 선택한 후 반전영상과 원본영상과의 차영상 대조도를 향상시킨 후 비등방성 확산(Anisotropic diffusion) 필터링, 가우시안(Gaussian) 필터링을 수행하였다. 마지막으로 두 개의 레벨 셋(Level Set)기반의 동적 윤곽선(Active Contour) 모델을 결합하여 해마를 분할하는 방법을 제안하였다. 제안된 해마분할방법의 유효성을 다양한 방법으로 평가한 결과 제안된 해마분할방법은 분할 속도와 정확도 면에서 뚜렷하게 개선이 되었음을 확인하였다. 결론적으로 제안된 방법이 해마와 같은 특징을 가진 영역을 분할하는데 적합하다고 할 수 있다. 향후 다른 연구 기법들과 결합할 경우 더욱 잠재성이 증대될 수 있을 것이다.