• 제목/요약/키워드: 입력 특징

검색결과 2,143건 처리시간 0.025초

3D 프린터를 이용한 Customized Bolus 제작에 관한 연구 (A Study on Developing Customized Bolus using 3D Printers)

  • 정상민;양진호;이승현;김진욱;염두석
    • 대한방사선치료학회지
    • /
    • 제27권1호
    • /
    • pp.61-71
    • /
    • 2015
  • 목 적 : 3D 프린터는 입력한 도면을 바탕으로 3차원의 입체 모델을 만들어 낼 수 있는 장비이다. 이러한 특징을 이용하여 방사선치료시 bolus 사용으로 인한 피부와 bolus 사이의 air gap을 최소화 할 수 있는 bolus 제작이 가능하다. 이에 본 연구에서는 3D 프린터를 이용하여 customized bolus를 제작하여 air gap과 target 선량을 상품화된 1 cm bolus와 비교하고자 한다. 대상 및 방법 : 왼쪽 chest wall에 돌출된 종양이 있는 RANDO phantom을 CT 모의치료기를 이용하여 영상 획득 후, CT DICOM 파일을 3D 프린터에 필요한 STL 파일로 변환시켰다. 이것을 이용하여 치료부위의 체표윤곽과 일치하면서 1 cm 두께를 유지하는 customized bolus 주형틀을 3D 프린터로 제작한 후 paraffin wax를 녹여 customized bolus를 만들었다. 이렇게 만들어진 customized bolus와 상품화된 1 cm bolus의 air gap을 확인하였고, air gap으로 인한 차이를 Eclipse를 이용하여 치료계획상 $D_{max}$, $D_{min}$, $D_{mean}$, $D_{95%}$$V_{95%}$를 비교하였다. 결 과 : customized bolus 제작 기간은 약 3일이 소요되었다. air gap 총 용적은 customized bolus는 평균 $3.9cm^3$, 상품화된 1 cm bolus는 평균 $29.6cm^3$이었다. 상품화된 1 cm bolus를 사용할 때보다 3D 프린터를 이용하여 제작한 customized bolus를 사용하는 것이 air gap을 최소화시켰다. 6 MV photon에서 customized bolus의 $D_{max}$, $D_{min}$, $D_{mean}$, $D_{95%}$, $V_{95%}$는 각각 102.8%, 88.1%, 99.1%, 95.0%, 94.4%이었고, 상품화된 1 cm bolus의 $D_{max}$, $D_{min}$, $D_{mean}$, $D_{95%}$, $V_{95%}$는 101.4%, 92.0%, 98.2%, 95.2%, 95.7%이었다. proton의 경우 customized bolus의 $D_{max}$, $D_{min}$, $D_{mean}$, $D_{95%}$, $V_{95%}$는 각각 104.1%, 84.0%, 101.2%, 95.1%, 99.8%이었고, 상품화된 1 cm bolus의 $D_{max}$, $D_{min}$, $D_{mean}$, $D_{95%}$, $V_{95%}$는 104.8%, 87.9%, 101.5%, 94.9%, 99.9%이었다. 이처럼 치료계획에서 customized bolus와 1 cm bolus 모두 GTV의 선량은 큰 차이를 보이지 않았다. 그러나 GTV에 인접한 정상조직은 customized bolus의 선량이 더 적게 나타났다. 결 론 : 3D 프린터를 이용한 customized bolus가 표면이 일정하지 않은 치료부위에 사용 할 때 air gap을 줄이는 효과를 나타냈다. 그렇지만 상품화된 bolus와 피부 사이에 생기는 air gap은 target에서의 선량의 변화를 일으킬 만큼 많은 양이 아님을 알 수 있었다. 반면 chest wall에서는 air gap이 적을수록 선량이 감소함을 확인 할 수 있었다. customized bolus 제작 기간은 3일이 걸렸고, 고가의 제작비용이 든다는 문제점이 발생하였다. 따라서 3D 프린터 customized bolus의 상용화를 위해서는 저비용이고, bolus 사용으로 적합한 3D 프린터 재료 모색의 필요성이 있다고 사료된다.

  • PDF

국방 온톨로지를 통한 지능형 의사결정지원시스템 구축 및 활용 - 공군 군수상황관리체계 적용 사례 (Construction and Application of Intelligent Decision Support System through Defense Ontology - Application example of Air Force Logistics Situation Management System)

  • 조원기;김학진
    • 지능정보연구
    • /
    • 제25권2호
    • /
    • pp.77-97
    • /
    • 2019
  • 제 4차 산업혁명의 초연결 환경에서 발생하는 많은 양의 데이터는 제 4차 산업혁명을 기존의 생산 환경과 구분지어 주는 주요한 요소이다. 이러한 환경은 데이터를 필요로 하는 동시에 데이터를 생산하는 양면적인 특징을 가진다. 때문에 앞으로의 정보 시스템은 기존의 정보시스템보다 양적인 측면에서 더 많은 데이터를 처리해야 하며, 질적인 측면에서는 많은 데이터 중 사용자의 목적에 부합하는 목표 데이터만을 추출하는 능력이 요구된다. 작은 규모의 정보 시스템에서는 사람이 그 시스템을 정확히 이해하고 필요한 정보를 획득하는 것이 가능하지만, 시스템에 대해 정확한 이해가 어려워진 다양하고 복잡한 시스템에서는 원하는 정보를 획득하는 것이 점점 더 어려워진다. 이러한 문제는 데이터를 사람뿐 아니라 컴퓨터가 이해할 수 있는 온톨로지로 표현하여 다양한 정보처리가 가능하도록 하는 시맨틱 웹(Semantic Web) 구축이 해결책이 될 수 있다. 군에서도 현재 대부분의 업무가 정보 시스템을 통해 이루어지고 있는데, 정보의 입력이나 가공 등 단순처리 중심으로 구축된 기존 시스템이 점점 더 많은 양의 데이터를 포함하게 되면서 시스템을 쉽게 활용하기 위한 노력이 필요한 상황이다. 본 연구에서는 온톨로지를 통한 지능형 의사결정지원시스템의 예로 온톨로지 기반 군수상황관리체계를 제안하고자 한다. 온톨로지 기반 군수상황관리체계는 기존의 군수정보체계의 복잡한 정보를 직관적으로 보여주기 위해 구축된 군수상황관리체계를 온톨로지를 통해 구축하였으며, 성과기반군수지원 계약관리, 부품사전 등의 유용한 기능을 추가 식별하여 온톨로지에 포함하였다. 또한 구축된 온톨로지가 의사결정지원에 활용할 수 있는지를 확인하기 위해 시맨틱 웹 기술을 통해 기본적인 질의응답은 물론 추론 및 함수를 통한 분석기능을 구현하였다.

Bi-LSTM 기반의 한국어 감성사전 구축 방안 (KNU Korean Sentiment Lexicon: Bi-LSTM-based Method for Building a Korean Sentiment Lexicon)

  • 박상민;나철원;최민성;이다희;온병원
    • 지능정보연구
    • /
    • 제24권4호
    • /
    • pp.219-240
    • /
    • 2018
  • 감성사전은 감성 어휘에 대한 사전으로 감성 분석(Sentiment Analysis)을 위한 기초 자료로 활용된다. 이와 같은 감성사전을 구성하는 감성 어휘는 특정 도메인에 따라 감성의 종류나 정도가 달라질 수 있다. 예를 들면, '슬프다'라는 감성 어휘는 일반적으로 부정의 의미를 나타내지만 영화 도메인에 적용되었을 경우 부정의 의미를 나타내지 않는다. 그렇기 때문에 정확한 감성 분석을 수행하기 위해서는 특정 도메인에 알맞은 감성사전을 구축하는 것이 중요하다. 최근 특정 도메인에 알맞은 감성사전을 구축하기 위해 범용 감성 사전인 오픈한글, SentiWordNet 등을 활용한 연구가 진행되어 왔으나 오픈한글은 현재 서비스가 종료되어 활용이 불가능하며, SentiWordNet은 번역 간에 한국 감성 어휘들의 특징이 잘 반영되지 않는다는 문제점으로 인해 특정 도메인의 감성사전 구축을 위한 기초 자료로써 제약이 존재한다. 이 논문에서는 기존의 범용 감성사전의 문제점을 해결하기 위해 한국어 기반의 새로운 범용 감성사전을 구축하고 이를 KNU 한국어 감성사전이라 명명한다. KNU 한국어 감성사전은 표준국어대사전의 뜻풀이의 감성을 Bi-LSTM을 활용하여 89.45%의 정확도로 분류하였으며 긍정으로 분류된 뜻풀이에서는 긍정에 대한 감성 어휘를, 부정으로 분류된 뜻풀이에서는 부정에 대한 감성 어휘를 1-gram, 2-gram, 어구 그리고 문형 등 다양한 형태로 추출한다. 또한 다양한 외부 소스(SentiWordNet, SenticNet, 감정동사, 감성사전0603)를 활용하여 감성 어휘를 확장하였으며 온라인 텍스트 데이터에서 사용되는 신조어, 이모티콘에 대한 감성 어휘도 포함하고 있다. 이 논문에서 구축한 KNU 한국어 감성사전은 특정 도메인에 영향을 받지 않는 14,843개의 감성 어휘로 구성되어 있으며 특정 도메인에 대한 감성사전을 효율적이고 빠르게 구축하기 위한 기초 자료로 활용될 수 있다. 또한 딥러닝의 성능을 높이기 위한 입력 자질로써 활용될 수 있으며, 기본적인 감성 분석의 수행이나 기계 학습을 위한 대량의 학습 데이터 세트를 빠르게 구축에 활용될 수 있다.