• 전자공학회논문지
• /
• 제53권7호
• /
• pp.49-55
• /
• 2016

디지털 포렌식 영상은 여러 가지 영상타입으로 위 변조되어 유통되는 심각한 문제가 대두되어 있다. 이러한 문제를 해결하기 위하여, 본 논문에서는 포렌식 영상의 분류 알고리즘을 제안한다. 제안된 알고리즘은 여러 가지 영상타입의 그레이 레벨 co-occurrence 행렬의 특성 중에서 콘트라스트와 에너지 그리고 영상의 엔트로피로 21-dim.의 특징벡터를 추출하고, 결정나무 플랜에서 분류학습을 위하여 PPCA를 이용하여 2-dim.으로 차원을 축소한다. 포렌식 영상의 분류 테스트는 영상 타입들의 전수조합에서 수행되었다. 실험을 통하여, TP (True Positive)와 FN (False Negative)을 검출하고, 제안된 알고리즘의 성능평가에서 민감도 (Sensitivity)와 1-특이도 (1-Specificity)의 AUROC (Area Under Receiver Operating Characteristic) 커브 면적은 0.9980으로 'Excellent(A)' 등급임을 확인하였다. 산출된 최소평균 판정에러 0.0179에서 분류할 포렌식 영상타입이 모두 포함되어 분류 효율성이 높다.

• 전자공학회논문지
• /
• 제50권8호
• /
• pp.232-237
• /
• 2013

동영상에서 추출한 변수값을 은닉 마르코프 모델(Hidden Markov Model; HMM)에 적용한 새로운 낙상 인식 알고리듬을 제안한다. 개인간 낙상 양식의 차이나 유사 낙상을 실제 낙상과 구분하기 위한 기계 학습 방법으로 HMM알고리듬을 사용하였다. 비디오의 낙상 특징 변수를 얻기 위해 동영상의 광류를 구한 후 이를 주성분 분석 방식에 적용하여 움직임을 정량화하였다. 주성분 분석으로 얻어진 전체 움직임 벡터의 각도, 장단축의 비, 속도등의 조합으로 새로운 여러 종류의 낙상 특징 변수를 정의한 후 이를 HMM에 적용하여 결과를 비교, 분석하였다. 이들 변수들 중에 각도에 의해 얻어진 변수가 가장 좋은 결과를 보여 본 실험에서 91.5%의 민감도(성공 감지율)와 88.01% 의 특이도(실패 감지율)를 나타내었다.

• 한국산학기술학회논문지
• /
• 제18권10호
• /
• pp.551-558
• /
• 2017

조직특이적 프로모터 및 벡터를 연구하고 검증하기 위해서는 조직 및 종의 특이성을 유지하는 세포 시스템을 개발하는 것이 바람직하다. 이러한 시스템은 형질전환동물 모델에 대한 효과적인 대안이다. 우리는 베타 카제인 (CSN2)의 세포 형태와 mRNA 수준에 기초하여 일차 배양으로부터 돼지 유선 상피 세포 주 (PMECs)를 확립하였다. 선택된 PMECs는 cytokeratin 항체에 의해 염색되었으며, 유선 상피 세포에 존재한다고 생각되어지는 유즙 단백질 유전자 (CSN2, 락토페린 및 유청 단백질)를 발현하는 것으로 나타났다. 또한, 3D 배양에서 PMECs932-7의 acini 구조를 확인하기 위해 살아있는 세포를 핵산에 결합하는 SYTO-13으로 염색하였다. 우리는 마트리겔 (matrigel)에 있는 PMECs의 acini가 말초 세포의 응집에 의해 형성되고 공간의 lumen을 특징으로 한다는 것이 관찰하였다. 우리는 PMECs의 matrigel 사용법과 세포 밀도를 포함한 세포 배양 조건의 영향을 시험함으로서 시스템을 시연했다. 이러한 결과는 PMCEs의 유선 상피 세포는 유전적 또는 구조적 특징을 갖고 있음을 시사하고 있다.

• 전자공학회논문지SC
• /
• 제44권5호
• /
• pp.45-54
• /
• 2007

시/주파수 분석은 생체 신호 처리에서 널리 사용되어왔다. 전기 생리학적 신호로부터 중요한 특징들을 추출함으로써 이 방법들은 특정 질병의 임상 병리학적 기전 해석이 가능하다. 하지만 이 방법은 신호가 안정하다는 가정 아래 적용되었으며 불안정한 시스템에서의 적용은 제한이 되어 있다. 본 연구에서는 비선형적이고 비정상적인 심실세동 심전도 파형의 분석을 위해 Hilbert-Huang 변환을 사용한 새로운 신호처리 방법을 제안하였다. Hilbert-Huang 변환은 경험모드분리법(EMD)과 힐버트 변환으로 크게 두 가지로 구성된다. Hilbert-Huang 변환은 EMD를 사용하여 각각의 특성을 지니고 있는 독립적인 내부모드함수들로 나누어지며, 힐버트 변환에 의해 순간 주파수와 크기를 구할 수 있게 된다. 이런 특성으로 신호의 국부적인 작용에 대하여 정확하게 설명할 수 있게 된다. 본 연구에서는 Hilbert-Huang 변환을 기반으로 심실세동 심전도 파형으로부터 두 종류의 파라미터(EMD-IF, EMD-FFT)를 추출하고 서포트 벡터 머신(Support Vector Machine)을 이용하여 소생성공 및 실패 여부 예측에 관하여 연구하였다. 평균적으로 민감도와 특이도는 각각 87.57%와 76.92%로 나타났다. Hilbert-Huang 변환은 더욱 정확하게 심실세동에서의 소생성공 예측을 가능하게 하였다.