• 한국지능시스템학회논문지
• /
• 제22권4호
• /
• pp.405-413
• /
• 2012

심전도 신호의 신뢰성 있는 진단을 위해서는 높은 분류 정확도와 함께 낮은 오분류 성능이 중요하며, 특히 비정상을 정상으로 진단하는 것은 심검자에게 치명적인 문제로 귀결될 수 있다. 본 논문에서는 임상 진단 기준을 반영하는 규칙기반 분류 알고리즘을 이용하여 비정상 리듬을 검출 및 분류하는 방법을 제안한다. 규칙기반 분류는 리듬 구간의 특징에 대한 규칙 베이스를 이용하여 리듬 유형을 분류하도록 하며, 이 때 규칙 베이스는 임상 및 내과 분야의 심전도 전문 임상 자료에 기반한 본 논문의 기준표에 따라 구성된다. MIT-BIH 부정맥 데이터베이스를 이용한 제안 방법의 실험을 통하여 정상동조율, 박동조율, 및 다양한 비정상 리듬에 대한 리듬 유형의 분류가 가능함을 확인하였으며, 특히 비정상 리듬 검출 측면에서는 오분류가 전혀 발생되지 않는 결과를 보였다.

• 응용통계연구
• /
• 제34권1호
• /
• pp.99-114
• /
• 2021

반도체 제조 산업에서는 Big Data에 기초한 Smart Factory 도입과 적용이 가시화되면서 생산 공정의 각 단계에서 수집 가능한 다양한 센서(sensor) 데이터를 활용하여 공정 이상 탐지 및 최종 수율 예측 등에 다양한 분석 방법을 시도하고 있다. 현재 반도체 공정은 원료인 잉곳(ingot)에서 패키징(packaging) 작업 이전의 웨이퍼(wafer) 생산까지 500 600개 이상의 세부 공정과 이와 연계된 수천 개의 계측 공정으로 구성된다. 개별 계측 공정 내의 실제 계측 비율은 대상 제품 대비 0.1%에서 최대 5%를 넘지 못하고 계측 시점별로 일정하게 유지할 수 없다. 이러한 이유로 공정 각 단계의 정상 상태를 간접적으로 판단할 수 있는 장비 센서(sensor) 데이터를 활용하여 관리 여부를 판단하고자 하는 노력이 계속되고 있다. 본 연구에서는 장비 센서 데이터 기반의 공정 이상 탐지 프로세스를 정의하고 현재 적용 되고 있는 기술 통계량 기반 진단 방법의 단점을 보완하기 위해 FDA(Functional Data Analysis)방법을 활용하였다. 실제 현장 사례 데이터에 머신러닝을 이용하여 이상 탐지 정확도 비교를 통해 효과성을 검증하였다.

• Journal of Preventive Medicine and Public Health
• /
• 제20권2호
• /
• pp.312-321
• /
• 1987

뇌성마비아의 조기 발견에 관련된 모자인자를 조사하기 위하여 1987년 2월부터 1987년 4월까지 대구 장애자 복지관, 대구대학교 부설재활원, 성바오로 어린이집, 그리고 부산 뇌성마비아복지회에 통원 또는 입원치료를 받고 있는 어린이 110명중 1980년 1월 1일 이후 출생자 74명 전원의 어머니를 대상으로 면담조사 하였다. 아버지의 학력과 이상 발견시기와는 아무런 상관관계가 없었으나 어머니의 학력이 대학졸업이상 일때가 고졸이하에 비해 어린이의 이상을 일찍 발견했고, 또 아버지의 직업이 전문직 또는 관리직일 때가 그 이외의 직업에 비해, 그리고 아버지의 월수입이 610,000원이상 일때가 600,000원 이하보다 더 일찍 발견하는 경향이었다. 첫째아이가 둘째아이 보다 그리고 부모의 나이가 34세 이하인 경우가 35세 이상인 경우에 비해 좀더 일찍 이상을 발견하는 경향을 보였다. 남아에서 여아에 비해 더 일찍 이상이 발견되었고 육아상담을 정기적으로 받은 어린이에서 정기적으로 받지 않은 어린이보다 더 일찍 이상이 발견되었는데 5% 유의수준에는 약간 못미쳤다. 연구대상아를 임신했을 때 산전관리를 7회이상 받았던 경우가 6회이하 받았던 경우에 비해 통계적으로 유의하게 일찍 어린이의 이상이 발견되었다. 처음으로 이상을 발견한 사람은 부모가 85.1%, 육아 상담을 정기적으로 받은 여부와는 관계없이 의사가 발견한 것은 2.7%였고 부모가 어린이의 이상을 발견하고 의사의 진단을 받았을때 36.5%에서 뇌성마비 진단을 받았고 나머지는관찰, 정상등으로 진단이 확실하지 않았다. 부모가 어린이의 이상을 발견하고 $2{\sim}3$개월 뒤에 의사의 진단을 받았고 진단후 전문적 치료를 시작할 때까지 방치했거나 물리치료, 한약, 침술 등을 받았다. 뇌성마비아의 조기 발견을 위해 의학교육과 임상수련과정에서 어린이의 발달을 평가하는 방법의 교육과 수련이 강화되어야 할 것이며 진단을 위한 전문인력의 양성이 필요한 것으로 생각된다. 또 부모들의 뇌성마비를 비롯한 각종 장애의 진단과 치료에 대한 인식을 높이기 위한 계몽교육이 필요하다.

• 한국컴퓨터정보학회논문지
• /
• 제27권9호
• /
• pp.33-40
• /
• 2022

본 연구는 판넬형 공장 지붕의 드론 촬영 이미지를 분석해 볼트의 이상 탐지를 수행하는 시스템을 제안한다. 지붕의 점검은 현재 점검자가 직접 지붕 위로 올라가 점검을 진행한다. 하지만 고소 작업 환경으로 인한 안전사고가 지속해서 발생하고 있어 새로운 대안이 필요하다. 이에, 최근 위험 환경의 점검 방안의 대안으로 대두되는 드론 촬영의 결과물을 딥러닝을 이용해 이상 볼트의 위치를 찾아내는 방안을 통해 손쉽게 점검할 수 있도록 한다. 본 연구에서 제안하고 있는 시스템은 촬영된 드론 이미지를 볼트캡이 풀려있는 상황에 대한 샘플 이미지를 사용해 스캐닝을 진행한다. 더 나아가 스캔 된 위치에 대해 AI를 사용해 판별해 정확하게 볼트 이상 여부를 판별한다. 본 연구에서 사용한 AI는 VGGNet 기반으로 정확도 99%의 테스트 결과를 보였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제18권6호
• /
• pp.1478-1499
• /
• 2024

Coronavirus disease (COVID-19) is an infectious disease caused by the severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) virus. COVID-19 become an active epidemic disease due to its spread around the globe. The main causes of the spread are through interaction and transmission of the droplets through coughing and sneezing. The spread can be minimized by isolating the susceptible patients. However, it necessitates remote monitoring to check the breathing issues of the patient remotely to minimize the interactions for spread minimization. Thus, in this article, we offer a wearable-IoTs-centered framework for remote monitoring and recognition of the breathing pattern and abnormal breath detection for timely providing the proper oxygen level required. We propose wearable sensors accelerometer and gyroscope-based breathing time-series data acquisition, temporal features extraction, and machine learning algorithms for pattern detection and abnormality identification. The sensors provide the data through Bluetooth and receive it at the server for further processing and recognition. We collect the six breathing patterns from the twenty subjects and each pattern is recorded for about five minutes. We match prediction accuracies of all machine learning models under study (i.e. Random forest, Gradient boosting tree, Decision tree, and K-nearest neighbor. Our results show that normal breathing and Bradypnea are the most correctly recognized breathing patterns. However, in some cases, algorithm recognizes kussmaul well also. Collectively, the classification outcomes of Random Forest and Gradient Boost Trees are better than the other two algorithms.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2001년도 추계학술대회 논문집 전력기술부문
• /
• pp.403-405
• /
• 2001

This paper presents the detection method of partial discharge in metal clad switchgear(MCS) using electromagnetic technique. Two antennas are located in the inside and outside of the MCS, and electromagnetic waves detected by these antennas are analyzed and compared by FFT method in order to identify an insulation abnormality. As a result of the experiment by the proposed method, we show the detection possibility for partial discharge in the MCS. The proposed method is expected to apply to insulation condition observation and an accident prevention in the MCS effectively.

• 한국인터넷방송통신학회논문지
• /
• 제16권6호
• /
• pp.287-294
• /
• 2016

APT(Advanced Persistent Threat)공격은 기관, 기업의 정보통신 설비에 대한 중단 또는 핵심정보의 획득을 목적으로 장기간 IT인프라, 업무환경, 임직원 정보 등의 다양한 정보를 수집하고, 이를 바탕으로 제로데이 공격, 사회공학적기법 등을 이용하여 공격을 실행한다. 악성 시그니처 탐지 등의 단편적인 사이버 위협대응 방법으로는 APT 공격과 같이 고도화된 사이버 공격에 대응하기 어렵다. 본 논문에서는 APT 공격 대응 방안 중 하나로 이종 시스템 로그(Heterogeneous System Log)를 빅데이터로 활용하고, 패턴기반 탐지 방법과 이상 징후 탐지 방법을 병합하여 사이버 침해시도를 탐지하는 모델을 제시하고자 한다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2009년도 정보 및 제어 심포지움 논문집
• /
• pp.320-322
• /
• 2009

Support vector learning attracts great interests in the areas of pattern classification, function approximation, and abnormality detection. In this pater, we design the controller using support vector regression which has good properties in comparison with multi-layer perceptron or radial basis function. The applicability of the presented method is illustrated via an example simulation.

• 한국인터넷방송통신학회논문지
• /
• 제16권6호
• /
• pp.1-7
• /
• 2016

새로운 정보통신 기술의 발전과 더불어 보안 위협도 나날이 지능화 고도화되고 있다. 본 논문은 네트워크 장치나 사물인터넷 경량 장치에서 일련의 주기를 통해 연속적으로 입력되는 시계열 데이터를 통계적 기법을 활용하여 분석하고, 분석 정보를 기반으로 장치의 이상 유무나 비정상 징후를 탐지할 수 있는 시스템을 제안한다. 제안 시스템은 과거에 입력된 데이터를 기반으로 1차 비정상 탐지를 수행하고, 시간 속성이나 그룹의 속성을 기반으로 저장되어있는 시계열 데이터를 기반으로 신뢰구간을 설정하여 2차 비정상 탐지를 수행한다. 다단계 분석은 판정 데이터의 다양성을 통해 신뢰성을 향상시키고 오탐율을 줄일 수 있다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제18권8호
• /
• pp.2298-2315
• /
• 2024

This paper introduces a method aimed at diagnosing the presence or absence of lesions by detecting anomalies in Chest X-ray images. The proposed approach is based on the PatchCore anomaly detection method, which extracts a feature vector containing location information of an image patch from normal image data and calculates the anomaly distance from the normal vector. However, applying PatchCore directly to medical image processing presents challenges due to the possibility of diseases occurring only in specific organs and the presence of image noise unrelated to lesions. In this study, we present an image alignment method that utilizes affine transformation parameter prediction to standardize already captured X-ray images into a specific composition. Additionally, we introduce a region-specific abnormality detection method that requires affine-transformed chest X-ray images. Furthermore, we propose a method to enhance application efficiency and performance through feature map hard masking. The experimental results demonstrate that our proposed approach achieved a maximum AUROC (Area Under the Receiver Operating Characteristic) of 0.774. Compared to a previous study conducted on the same dataset, our method shows a 6.9% higher performance and improved accuracy.