• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제2권3호
• /
• pp.161-172
• /
• 2013

메타데이터 레지스트리(Metadata Registry, MDR)는 데이터베이스 간 데이터 교환 및 공유를 위해 ISO/IEC에서 개발한 국제 표준이며, 의료 서비스, 서지, 환경 등 다양한 도메인에서 데이터 공유 및 통합을 위해 사용되고 있다. 그러나 MDR 표준은 메타데이터 등록 및 저장을 위한 메타모델만을 정의하고 있기 때문에 이 시스템들은 서로 다른 물리적 구조를 가지게 된다. 이로 인해 MDR 시스템 간 불일치가 발생하고 메타데이터의 상호운용을 위해 추가적인 비용이 발생한다. 이러한 문제를 해결하기 위해 ISO/IEC 13249-8 Metadata Registry Access (MRA)가 개발 중에 있으며, MRA는 상이한 MDR 시스템에 일관된 방법으로 접근할 수 있는 표준 인터페이스이다. 그러나 MRA는 MDR 표준에 정의되어 있는 개념 즉, 클래스 간 관계성을 고려하지 않는다. 이는 부정확한 결과를 생성할 수 있으며, 각 MDR 시스템의 물리적 구조를 고려하여 질의를 모델링하고 재작성하는 추가적인 비용이 발생한다. 이 논문에서는 클래스 간 관계성을 고려한 확장된 인터페이스 eMRA(Extened MRA)를 제안하며, 비교 평가를 통해 확장 인터페이스의 장점을 기술한다. eMRA는 MDR의 개념간 관계성을 정의하여 질의 모델링과 시스템의 참조무결성 측면에서 MRA보다 우수한 성능을 가진다.

• Korean Chemical Engineering Research
• /
• 제57권2호
• /
• pp.205-209
• /
• 2019

바이오미네랄의 독특한 구조 및 생물학적 물성은 다양한 의료 및 산업용 분야에서 활용할 수 있는 뛰어난 잠재력을 지니고 있어 최근 관심이 증대되고 있다. 껍질 메트릭스 단백질에 의해 조절되는 탄산칼슘 생광물화는 이러한 바이오 미네랄의 생성 메커니즘을 이해하기 위한 대표적인 모델로 활용되고 있다. 본 연구에서는 진주조개 프리즘층에 존재하는 껍질 메트릭스 단백질인 GRP_BA 재조합단백질과 껍질 메트릭스 단백질의 특성과 유사한 인공단백질 GG1234를 이용하여, 상온상압 조건에서 in vitro 탄산칼슘 결정화를 진행하였다. 대표적인 탄산칼슘 결정화 방법인 $CaCl_2$ 용액과 $(NH_4)_2CO_3$ 증기를 활용하였을 때, 두 단백질 모두 상온상압 조건에서 전형적인 능면체의 방해석 결정 성장을 저해하였고, 하위단위의 작은 방해석 결정이 뭉쳐진 장미모양리본 형태의 구형 방해석 성장을 유도하였다. 이러한 실험결과는 두 단백질에서 나타나는 블록으로 구성된 무정형 단백질의 특성에 의해 야기된 것으로 추정되며, 이러한 측면에서 본 연구는 껍질 메트릭스 단백질에 의해 조절되는 탄산칼슘 생광물화 현상의 이해를 높이는 데 기여할 것으로 판단된다.

• 디지털융복합연구
• /
• 제17권1호
• /
• pp.239-247
• /
• 2019

감정을 정확히 예측하는 것은 환자중심의 의료디바이스 개발 및 감성관련 산업에서 매우 중요한 이슈이다. 감정예측에 관한 많은 연구 중 감정 예측에 심박 변동성과 뉴로-퍼지 접근법을 적용한 연구는 없다. 본 연구는 HRV를 이용한 ANFEP(Adaptive Neuro Fuzzy system for Emotion Prediction)을 제안한다. ANFEP의 핵심 기능은 인공 신경망과 퍼지시스템을 통합해 예측 모델을 학습하는 ANFIS(Adaptive Neuro-Fuzzy Inference System)에 기반한다. 제안 모형의 검증을 위해 50명의 실험자를 대상으로 청각자극으로 감정을 유발하고, 심박변이도를 구하여 ANFEP 모형에 입력하였다. STDRR과 RMSSD를 입력으로 하고 입력변수 당 2개의 소속함수로 하는 ANFEP모형이 가장 좋은 결과를 나타났다. 제안한 감정예측 모형을 선형회귀 분석, 서포트 벡터 회귀, 인공신경망, 랜덤 포레스트와 비교한 결과 본 제안모형이 가장 우수한 성능을 보였다. 연구 결과는 보다 적은 입력으로 신뢰성 높은 감정인식이 가능함을 입증했고, 이를 활용해 보다 정확하고 신뢰성 높은 감정인식 시스템 개발에 대한 연구가 필요하다.

• 한국차세대컴퓨팅학회논문지
• /
• 제14권5호
• /
• pp.31-39
• /
• 2018

최근 딥러닝을 기반으로 사용자의 손 제스처를 인식하여 가상현실 환경에서 사용자 친화적 인터페이스를 제공하기 위한 연구가 활발히 진행되고 있다. 그러나 대부분 연구들은 손 정보를 얻기 위하여 별도 센서를 사용하거나 효율적인 학습을 위하여 전처리 과정을 거친다. 또한 조명의 변화나 손 일부가 가려지는 등과 같은 외부환경의 변화를 고려하지 못하고 있다. 본 논문은 일반 웹캠에서 얻어진 RGB 영상에서 별도의 전처리 과정없이 외부 환경에 강인한 딥러닝 기반 손 제스처 인식 방법을 제안한다. 딥러닝 모델로 VGGNet과 GoogLeNet 구조를 개선하고, 각 구조의 성능을 비교한다. 조명이 어둡거나 손 일부가 가려지거나 시야에서 일부 벗어난 손 영상들이 포함된 데이터로 실험한 결과 본 연구에서 제시한 VGGNet과 GoogLeNet 구조는 각각 93.88%와 93.75%의 인식률을 보였고 메모리와 속도 측면에서 GoogLeNet이 VGGNet 보다 메모리를 약 3배 적게 사용하면서 처리속도는 10배 이상 우수함을 알 수 있었다. 본 연구의 결과는 실시간 처리가 가능하여 가상현실 환경에서 게임, 교육, 의료 등 다양한 분야에서 손 제스처 인터페이스로 활용될 수 있다.

• 한국산학기술학회논문지
• /
• 제22권1호
• /
• pp.520-530
• /
• 2021

목표: 본 연구는 음악요법이 치매 노인의 인지기능, 초조행동, 불안, 우울에 미치는 영향을 규명하는 것을 목적으로 한다. 방법: 2010년부터 2019년까지 PubMed, EMBASE, Cochrane Library, CINAHL, Web of Science, Google scholar, PsycINFO에서 종합적인 문헌검색을 하였고 메타분석에서는 RevMan 5.4 프로그램을 사용하여 표준화된 평균 차이(Hedge's g)와 95% 신뢰 구간은 요약 측정으로 산출하고 랜덤 효과 모델과 역분산 방법을 적용하였다. 총 13개의 연구가 포함되었으며, 모두 오류 위험 평가를 위한 코크란 평가도구를 근거로 질 평가를 하였다. 결과: 효과 크기(Hedge's g)는 1차 결과 변수인 인지기능 0.31[95% CI:-0.02, 0.65], 초조행동 -0.03[95% CI: -0.17, 0.11], 2차 결과 변수인 불안 -0.61[95% CI: -1.17, -0.05], 우울 -0.44[95% CI: -0.88, 0.00]이었다. 음악중재 유형별 하위그룹 분석 결과 복합음악요법이 치매 환자의 인지기능(g=0.45[95% CI: 0.03, 0.87])에 유의한 증가 효과가 있는 것으로 나타났다. 결론: 음악요법은 불안과 우울을 감소시키는 데 유의한 효과를 보였으며, 복합음악치료는 치매 환자의 인지기능 개선 효과를 보였다.

• 융합정보논문지
• /
• 제11권3호
• /
• pp.20-33
• /
• 2021

본 연구는 인공지능서비스가 확대되면서 개인정보의 처리 및 보호에 관한 안전성이 요구되어짐에 따라, 우리나라가 추진해야 할 개인정보보호 개선사항을 도출하고자 하였다. 이를 위해서 문헌조사를 통해서 자료 수집 및 분석을 기반으로 하였으며, 자율주행자동차, 의료/헬스케어, 에너지, 금융, 유통/물류, 법률자문, 홈비서 등 주요 인공지능서비스를 중심으로 개인정보 이슈사항 및 각 서비스에 적합한 개인정보보호기준을 도출하였다. 또한, 인공지능서비스에서의 개인정보보호에 관한 법제적 기준과 처리과정의 기준을 중심으로 주요국가의 추진사례를 검토하였고, 이를 중심으로 국내에 적용하여 개선방안으로 제시하였다. 이와 관련하여, 법제적 기준에서는 인공지능서비스 확대에 따른 개인정보보호 법률의 재정비, 인공지능서비스의 개발 및 제공에서의 책임과 원칙 준수, 인공지능서비스로 인한 개인정보침해 및 보안위협 등으로부터의 위험관리체계 운영 등이 요구된다. 처리과정의 기준에서는 첫째, 전처리 및 정제에 관해서 데이터셋 참조모델 표준화, 데이터셋 품질관리, AI애플이케이션의 자발적 라벨링이 필요하며, 둘째, 알고리즘 개발 및 활용에서는 알고리즘의 명확한 범위규정과 그에 대한 규제를 마련하여 적용할 필요가 있다. 특히, 국내의 안전한 인공지능서비스를 제공하기 위해서는 비식별조치 외에 우리나라에 적합한 개인정보보호 개선과제로 적용해 나가야 할 것이다. 따라서, 본 연구를 바탕으로 향후 인공지능서비스에서의 개인정보보호를 위한 프레임워크를 도출하는 연구를 하고자 한다.

• 대한의용생체공학회:의공학회지
• /
• 제42권4호
• /
• pp.150-158
• /
• 2021

Intracranial hemorrhage (ICH) refers to acute bleeding inside the intracranial vault. Not only does this devastating disease record a very high mortality rate, but it can also cause serious chronic impairment of sensory, motor, and cognitive functions. Therefore, a prompt and professional diagnosis of the disease is highly critical. Noninvasive brain imaging data are essential for clinicians to efficiently diagnose the locus of brain lesion, volume of bleeding, and subsequent cortical damage, and to take clinical interventions. In particular, computed tomography (CT) images are used most often for the diagnosis of ICH. In order to diagnose ICH through CT images, not only medical specialists with a sufficient number of diagnosis experiences are required, but even when this condition is met, there are many cases where bleeding cannot be successfully detected due to factors such as low signal ratio and artifacts of the image itself. In addition, discrepancies between interpretations or even misinterpretations might exist causing critical clinical consequences. To resolve these clinical problems, we developed a diagnostic model predicting intracranial bleeding and its subtypes (intraparenchymal, intraventricular, subarachnoid, subdural, and epidural) by applying deep learning algorithms to CT images. We also constructed a visualization tool highlighting important regions in a CT image for predicting ICH. Specifically, 1) 27,758 CT brain images from RSNA were pre-processed to minimize the computational load. 2) Three different CNN-based models (ResNet, EfficientNet-B2, and EfficientNet-B7) were trained based on a training image data set. 3) Diagnosis performance of each of the three models was evaluated based on an independent test image data set: As a result of the model comparison, EfficientNet-B7's performance (classification accuracy = 91%) was a way greater than the other models. 4) Finally, based on the result of EfficientNet-B7, we visualized the lesions of internal bleeding using the Grad-CAM. Our research suggests that artificial intelligence-based diagnostic systems can help diagnose and treat brain diseases resolving various problems in clinical situations.

• 재활치료과학
• /
• 제10권3호
• /
• pp.7-22
• /
• 2021

목적 : 본 연구에서는 뇌졸중 환자의 손상된 인지기능 회복을 위한 가상현실 중재의 효과를 체계적인 문헌고찰과 메타분석을 통하여 검증하고자 하였다. 연구방법 : 체계적 문헌고찰을 위하여 최근 10년 동안의 국내·외 무작위 대조 임상시험 연구들을 대상으로 조사하였다. 검색을 위한 학술 데이터베이스로는, 영어로 작성된 연구의 검색을 위해 PubMed와 MEDLINE, CINAHL을 사용하였고, 국문으로 작성된 연구의 검색을 위해서는 DBpia와 한국학술정보, 스콜라 학지사·교보문고, 학술교육원을 사용하였다. 정보의 추출은 PICO 방식으로 시행하였다. 계량적 메타분석을 위하여, 결과변인의 하위그룹을 전반적인 인지기능, 집중력과 기억력, 실행기능으로 분류하여 결과변인을 합성하였다. 결과 : 최종 9편의 무작위 대조 임상시험이 선정되었고, 참여대상자의 총인원은 실험군이 140명, 대조군이 131명이었다. 효과크기는 랜덤효과모델로 산출하였다. 하위그룹들에 대한 가상현실 중재의 효과크기는 전반적인 인지기능이 0.422(95% CI: 0.101~0.742; p=0.010)로 중간효과크기에 가까웠고, 집중력과 기억력이 0.249(95% CI: -0.107~0.605; p=0.170)로 작은효과크기, 실행기능은 0.666(95% CI: 0.136~1.195; p=0.014)으로 중간효과크기를 나타내었다. 결론 : 가상현실 환경의 다양한 자극과 본 연구의 결과를 고려할 때, 가상현실 중재는 통합적인 인지기능에 대한 중재에 적용되어야 할 것이다. 또한 전통적인 뇌졸중 인지재활 중재와 더불어 추가적인 중재로 활용되는 것이 적절할 것이다.

• 한국융합학회논문지
• /
• 제12권11호
• /
• pp.45-51
• /
• 2021

딥러닝의 발전으로 인하여 의미론적 분할 방법은 다양한 분야에서 연구되고 있다. 의료 영상 분석과 같이 정확성을 요구하는 분야에서 분할 정확도가 떨어지는 문제가 있다. 본 논문은 의미론적 분할 시 특징 손실을 최소화하기 위해 딥러닝 기반 분할 방법인 PSPNet을 개선하였다. 기존 딥러닝 기반의 분할 방법은 특징 추출 및 압축 과정에서 해상도가 낮아져 객체에 대한 특징 손실이 발생한다. 이러한 손실로 윤곽선이나 객체 내부 정보에 손실이 발생하여 객체 분류 시 정확도가 낮아지는 문제가 있다. 이러한 문제를 해결하기 위해 의미론적 분할 모델인 PSPNet을 개선하였다. 기존 PSPNet에 제안하는 multi scale attention을 추가하여 객체의 특징 손실을 방지하였다. 기존 PPM 모듈에 attention 방법을 적용하여 특징 정제 과정을 수행하였다. 불필요한 특징 정보를 억제함으로써 윤곽선 및 질감 정보가 개선되었다. 제안하는 방법은 Cityscapes 데이터 셋으로 학습하였으며, 정량적 평가를 위해 분할 지표인 MIoU를 사용하였다. 실험을 통해 기존 PSPNet 대비 분할 정확도가 약 1.5% 향상되었다.

• 대한한의학방제학회지
• /
• 제30권2호
• /
• pp.85-93
• /
• 2022

Objectives : This study investigated anti-inflammatory effects of Nardotidis seu Sulculii Concha water extract (NSCE) against restraint-induced stress. Methods : In vivo, NSCE was orally administered to male white mice at concentrations of 250 mg/kg and 500 mg/kg for 3 days, and then restraint-induced stress was induced for 6 hours. The level of liver damage was measured by serum aspartate aminotransferase (AST), alanine aminotransferase (ALT) and lactate dehydrogenase (LDH). The stress-related hormones such as cortisol and corticosterone were measured by ELISA assay. Also, western blot analysis was performed to detect expression of mitogen-activated protein kinase (MAPK) and cyclooxygenase-2 (COX-2) proteins. Pathological changes were observed by hematoxylin and eosin (H&E) staining of the liver tissue, and Immunohistochemical (IHC) staining was performed to examine liver inflammation through macrophage infiltration. Results : The AST, ALT, LDH and the stress related hormones such as cortisol and corticosterone were significantly decreased in the NSCE treated group compared with stress group. In histological analysis, H&E staining of liver tissues did not detect the hepatic injury or damage in all groups. As a result of IHC staining, it was confirmed that infiltration of macrophages was increased in the stress-induced group, but decreased in the group treated with NSCE. The COX-2 and MAPK proteins expression was significantly increased by restraint-induced stress, but these proteins were decreased in the NSCE treated group. Conclusions : These results suggest that NSCE has the anti-inflammatory activity in restraint-induced stress model, and it is believed that NSCE can be used for the prevention of liver inflammation.