• 한국의학물리학회지:의학물리
• /
• 제19권4호
• /
• pp.269-275
• /
• 2008

슬관절 퇴행성 질환을 진단하기 위하여 자기공명영상(magnetic resonance imaging: MRI)이 많이 사용되지만 간혹 슬관절 병후 및 예후를 잘못 진단하는 경우가 종종 발생한다. 본 연구에서는 슬관절 질환의 진단에 도움을 주기 위하여 자화전이(magnetization transfer: MT) 영상법을 소개하고자 한다. 슬관절 환자 7명으로부터 스핀 에코(SE) T2 강조 영상(3,400-3,500/90-100 ms)과 슬관절 환자 7명으로부터 FSE T2 강조 영상(4,500-5,000/100-108 ms)과 또한 슬관절 환자 3명으로부터 gradient echo (GRE) T2 강조 영상들(9/4.56 ms, 50 flip angle, NEX 1)을 획득하였다. 6명의 슬관절 환자에서 지방 억제가능 T2 강조 STIR 펄스시퀀스(TR/TE=2894-3215 ms/70 ms, NEX 3, ETL 9)를 사용하였다. 지방 포화도에 있어서 위상감도 방법은 Larmor frequency 차이에 따른 위상 차이를 이용하므로, 각각의 픽셀에 대한 자화전이율(magnetization transfer ratio: MTR)의 측정은 포화된 영상과 포화되지 않은 영상의 비율에 따라 산출하였다. 따라서 각 입력된 영상들은 동차원성을 가지고, 시각적으로 신호강도 정도가 회색의 명암도만으로 평가될 수 있기 때문에 생리학적, 정량적 진단을 위하여 3차원 등방성 체적영상과 자기공명 삼원색을 매핑하였고 정량적 특정은 자화전이율 지도로서 표현하였다. 자화전이율 영상은 병변 부위에서 높은 대조도를 나타내어 환자의 병태를 추적하는데 도움을 주었고 정량화하였다. 자화전이율 영상들과 기존의 MRI 사이에 명암도 차이는 회색상으로 표현되며, 자화전이율 영상화의 효과에 대해 프로파일 그래프는 자화전이 펄스로 인하여 신호강도에 있어서 정량적 측정값이 상대적으로 감소하였다. 슬관절의 정확한 병리상태를 진단하기 위해 프로파일 그래프의 측정값을 영상과 함께 표현하였다. 본 연구에서 수행한 예비적 데이터들을 통하여 슬관절의 자화전이율 영상들이 매우 임상학적으로 유용함을 확인하였다. 자화전이율 영상에 대한 물리적 변화를 관찰함으로써 자화전이율 영상에 대한 물리적, 기술적 기반에 대한 더 많은 통찰력을 제공할 수 있다. 무릎 질환 환자의 자화전이율 영상들을 이용하여 매우 높은 대조도를 확보할 수 있으므로 슬관절 질환의 정밀 진단에 매우 도움을 줄 수 있다.

• 한국측량학회지
• /
• 제38권4호
• /
• pp.363-373
• /
• 2020

정사영상 생성을 위한 많은 연구들이 진행되어 왔다. 기존의 방법은 정사영상을 제작할 경우, 폐색지역을 탐지하고 복원하기 위해 항공영상의 외부표정요소와 정밀 3D 객체 모델링 데이터가 필요하며, 일련의 복잡한 과정을 자동화하는 것은 어렵다. 본 논문에서는 기존의 방법에서 탈피하여 딥러닝(DL)을 이용하여 엄밀정사영상을 제작하는 새로운 방법을 제안하였다. 딥러닝은 여러 분야에서 더욱 급속하게 활용되고 있으며, 최근 생성적 적대 신경망(GAN)은 영상처리 및 컴퓨터비전 분야에서 많은 관심의 대상이다. GAN을 구성하는 생성망은 실제 영상과 유사한 결과가 생성되도록 학습을 수행하고, 판별망은 생성망의 결과가 실제 영상으로 판단될 때까지 반복적으로 수행한다. 본 논문에서 독일 사진측량, 원격탐사 및 공간정보학회(DGPF)가 구축하고 국제 사진측량 및 원격탐사학회(ISPRS)가 제공하는 데이터 셋 중에서 라이다 반사강도 데이터와 적외선 정사영상을 GAN기반의 Pix2Pix 모델 학습에 사용하여 엄밀정사영상을 생성하는 두 가지 방법을 제안하였다. 첫 번째 방법은 라이다 반사강도영상을 입력하고 고해상도의 정사영상을 목적영상으로 사용하여 학습하는 방식이고, 두 번째 방법에서도 입력영상은 첫 번째 방법과 같이 라이다 반사강도영상이지만 목적영상은 라이다 점군집 데이터에 칼라를 지정한 저해상도의 영상을 이용하여 재귀적으로 학습하여 점진적으로 화질을 개선하는 방법이다. 두 가지 방법으로 생성된 정사영상을 FID(Fréchet Inception Distance)를 이용하여 정량적 수치로 비교하면 큰 차이는 없었지만, 입력영상과 목적영상의 품질이 유사할수록, 학습 수행 시 epoch를 증가시키면 우수한 결과를 얻을 수 있었다. 본 논문은 딥러닝으로 엄밀정사영상 생성 가능성을 확인하기 위한 초기단계의 실험적 연구로서 향후 보완 및 개선할 사항을 파악할 수 있었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권7호
• /
• pp.271-278
• /
• 2021

현재 사이버 공격이 더욱 지능화됨에 따라 기존의 침입 탐지 시스템(Intrusion Detection System)은 저장된 패턴에서 벗어난 지능형 공격을 탐지하기 어렵다. 이를 해결하려는 방법으로, 데이터 학습을 통해 지능형 공격의 패턴을 분석하는 딥러닝(Deep Learning) 기반의 침입 탐지 시스템 모델이 등장했다. 침입 탐지 시스템은 설치 위치에 따라 호스트 기반과 네트워크 기반으로 구분된다. 호스트 기반 침입 탐지 시스템은 네트워크 기반 침입 탐지 시스템과 달리 시스템 내부와 외부를 전체적으로 관찰해야 하는 단점이 있다. 하지만 네트워크 기반 침입 탐지 시스템에서 탐지할 수 없는 침입을 탐지할 수 있는 장점이 있다. 따라서, 본 연구에서는 호스트 기반의 침입 탐지 시스템에 관한 연구를 수행했다. 호스트 기반의 침입 탐지 시스템 모델의 성능을 평가하고 개선하기 위해서 2018년에 공개된 호스트 기반 LID-DS(Leipzig Intrusion Detection-Data Set)를 사용했다. 해당 데이터 세트를 통한 모델의 성능 평가에 있어서 각 데이터에 대한 유사성을 확인하여 정상 데이터인지 비정상 데이터인지 식별하기 위해 1차원 벡터 데이터를 3차원 이미지 데이터로 변환하여 재구성했다. 또한, 딥러닝 모델은 새로운 사이버 공격 방법이 발견될 때마다 학습을 다시 해야 한다는 단점이 있다. 즉, 데이터의 양이 많을수록 학습하는 시간이 오래 걸리기 때문에 효율적이지 못하다. 이를 해결하기 위해 본 논문에서는 적은 양의 데이터를 학습하여 우수한 성능을 보이는 Few-Shot Learning 기법을 사용하기 위해 Siamese-CNN(Siamese Convolutional Neural Network)을 제안한다. Siamese-CNN은 이미지로 변환한 각 사이버 공격의 샘플에 대한 유사성 점수에 의해 같은 유형의 공격인지 아닌지 판단한다. 정확성은 Few-Shot Learning 기법을 사용하여 정확성을 계산했으며, Siamese-CNN의 성능을 확인하기 위해 Vanilla-CNN(Vanilla Convolutional Neural Network)과 Siamese-CNN의 성능을 비교했다. Accuracy, Precision, Recall 및 F1-Score 지표를 측정한 결과, Vanilla-CNN 모델보다 본 연구에서 제안한 Siamese-CNN 모델의 Recall이 약 6% 증가한 것을 확인했다.

• Journal of the Korean Wood Science and Technology
• /
• 제36권6호
• /
• pp.77-87
• /
• 2008

국내산 주요 침엽수 소경목의 활용 방안으로 리기다소나무를 이용한 목재 모형 사방댐을 제작하여 강도 성능을 평가하였다. 목재 모형 사방댐은 직경 90 mm의 CUAZ-2 (Copper Azole) 처리한 리기다소나무 방부 원주목을 사용하여 3 Type으로 접합부를 달리하여 제작하였다. 각 Type별 사방댐은 횡목 5층 종목 4층 총 9층의 높이 790 mm로 제작 하였으며 수평 재하 시험과 충격 시험을 통한 강도 성능 평가와 화상처리를 통한 구조물의 변형을 검토 하였다. 직경 90 mm의 원주목을 사용한 목재 모형 사방댐의 수평 재하 시험 결과 직결나사를 사용한 경우 쇄석의 유무는 강도에 큰 영향을 미치지 않았지만 변형은 23% 감소하였다. 전선볼트를 사용한 일체형 사방댐의 경우 쇄석을 채운 경우 1.5배 강도가 증가하고 변형은 감소하였다. 직결나사에 고리가 달린 전선볼트로 보강한 경우 4.8배 강도가 증가하였다. 직경 90 mm 목재 모형 사방댐의 충격 시험 결과 쇄석을 채우지 않은 직결나사 사방댐은 1회 충격에 구조물 전체가 파괴되었으며 전선볼트를 사용한 사방댐은 1회 충격시 779 kgf의 충격이 직접적으로 가해지는 횡목에서 파괴되었다. 2회 충격시 기초부가 파괴되며 545 kgf로 반력이 감소하였고 3회 충격시 기초부 전체가 파괴되며 263 kgf로 반력이 감소하였다.