• 한국지리정보학회지
• /
• 제22권3호
• /
• pp.82-98
• /
• 2019

정보화 사회로 진입하면서 공간정보의 중요성은 급격하게 부각되고 있다. 특히 스마트시티, 디지털트윈과 같은 Real World Object의 3차원 공간정보 구축 및 모델링은 중요한 핵심기술로 자리매김하고 있다. 구축된 3차원 공간정보는 국토관리, 경관분석, 환경 및 복지 서비스 등 다양한 분야에서 활용된다. 영상기반의 3차원 모델링은 객체 벽면에 대한 텍스처링을 생성하여 객체의 가시성과 현실성을 높이고 있다. 하지만 이러한 텍스처링은 영상 취득 당시의 가로수, 인접 객체, 차량, 현수막 등의 물리적 적치물에 의해 필연적으로 폐색영역이 발생한다. 이러한 폐색영역은 구축된 3차원 모델링의 현실성과 정확성 저하의 주요원인이다. 폐색영역 해결을 위한 다양한 연구가 수행되고 있으며, 딥러닝을 이용한 폐색영역 검출 및 해결방안에 대한 연구가 수행되고 있다. 딥러닝 알고리즘 적용한 폐색영역 검출 및 해결을 위해서는 충분한 학습 데이터가 필요하며, 수집된 학습 데이터 품질은 딥러닝의 성능 및 결과에 직접적인 영향을 미친다. 따라서 본 연구에서는 이러한 학습 데이터의 품질에 따라 딥러닝의 성능 및 결과를 확인하기 위하여 다양한 영상품질을 이용하여 영상의 폐색영역 검출 능력을 분석하였다. 폐색을 유발하는 객체가 포함된 영상을 인위적이고 정량화된 영상품질별로 생성하여 구현된 딥러닝 알고리즘에 적용하였다. 연구결과, 밝기값 조절 영상품질은 밝은 영상일수록 0.56 검출비율로 낮게 나타났고 픽셀크기와 인위적 노이즈 조절 영상품질은 원본영상에서 중간단계의 비율로 조절된 영상부터 결과 검출비율이 급격히 낮아지는 것을 확인할 수 있었다. F-measure 성능평가 방법에서 노이즈 조절한 영상품질 변화가 0.53으로 가장 높게 나타났다. 연구결과로 획득된 영상품질별에 따른 폐색영역 검출 능력은 향후 딥러닝을 실제 적용을 위한 귀중한 기준으로 활용될 것이다. 영상 취득 단계에서 일정 수준의 영상 취득과 노이즈, 밝기값, 픽셀크기 등에 대한 기준을 마련함으로써 딥러닝을 실질적인 적용에 많은 기여가 예상된다.

• 핵의학기술
• /
• 제14권2호
• /
• pp.172-176
• /
• 2010

PET/CT 검사에서 발생하는 환자의 움직임은 감쇠보정의 불일치를 초래하여 정량평가에 영향을 주게 되어 결과의 정확도를 저하시키게 된다. 본 연구에서는 PET/CT 3D 영상촬영에서 투과촬영 후 방출촬영의 위치변화에 따른 감쇠보정 불일치 시 감쇠보정 위치 변화 방법을 이용한 영상재구성법의 유용성에 대하여 평가하였다. GE Discovery STE16 장비에 스티로폼($20{\times}20{\times}10$ cm)의 중심점을 기준으로 x, y축 방향으로 ${\pm}2$, 6, 10 cm까지 1 mL 주사기 삽입 공간을 제작하였다. $^{18}F$-FDG 5 kBq/mL의 주사기를 중심점에서 투과촬영한 후 위치를 변화하여 방출촬영하고 위치 변화에 따른 감쇠보정 방법을 사용하여 영상을 얻었다. 재구성 방법은 반복영상 재구성법으로 반복횟수 2회, 부분집합 수 20을 적용하였으며 모든 방출촬영 데이터는 시간경과에 따른 붕괴보정을 적용하였다. 또한 주사기 위치에 관심영역을 설정한 후 방사능 값(kBq/mL)과 중심점에 대한 각 위치에서의 백분율 오차를 비교하였다. 방출영상의 중심점의 방사능 값은 2.30 kBq/mL이며, +x축 1.95, 1.82, 1.75 kBq/mL, -x축 2.07, 1.75, 1.65 kBq/mL, +y축 2.07, 1.87, 1.90 kBq/mL, -y축 2.17, 1.85, 1.67 kBq/mL로 나타났고, 백분율 오차는 +x축 15, 20, 23%, -x축 9, 23, 28%, +y축 12, 21, 20%, -y축 8, 22, 29%로 산출 되었다. 그리고 방출 영상에서 감쇠보정 위치변화 방법을 사용 하였을 경우 +x축 2.00, 1.95, 1.80 kBq/mL, -x축 2.25, 2.15, 1.90 kBq/mL, +y축 2.07, 1.90, 1.90 kBq/mL, -y축 2.10, 2.02, 1.72 kBq/mL로 나타났으며, 백분율 오차는 +x축 13, 15, 21%, -x축 2, 6, 17%, +y축 9, 17, 17%, -y축 8, 12, 25%로 산출 되었다. 감쇠보정 불일치 시 감쇠보정 위치변화 방법을 사용한 경우의 방사능 농도 값은 x, y축에서 평균 0.14, 0.03 kBq/mL 증가 하였고, 백분율 오차는 6.1, 4.2% 향상되었다. 또한 중심으로부터 멀어질수록 공간분해능이 저하되는 특성상 중심에서 먼 위치일수록 방사능 값의 저하현상은 커짐을 알 수 있었다. 그러나 실제 임상에서는 감약 정도가 더 커지기 때문에 이러한 불일치 시 그 오차는 더 클 것으로 사료된다. 따라서 감쇠보정이 일치하지 않는 부분의 병변에서는 감쇠보정 위치변화 방법을 적용하여 방사능 값의 오차를 감소시킬수 있을 것이다.

• 한국의학물리학회지:의학물리
• /
• 제23권2호
• /
• pp.91-98
• /
• 2012

방사선치료 중 내부 장기의 움직임을 확인하고 이를 보정하는 것은 움직이는 종양에 정확히 방사선을 조사하는데 매우 중요한 역할을 한다. 실제 치료 중 획득한 연속촬영 전자조사 문(cine EPID) 영상을 이용해 치료 중 내부 장기 움직임을 추적하는 오프라인 기반 분석 시스템(IMVS, Internal-organ Motion Verification System using cine EPID)을 개발하였고 모형을 이용하여 개발된 시스템의 정확도와 유용성을 평가했다. IMVS는 cine EPID영상을 이용한 내부 장기 움직임 추적을 위해 내부 표지자를 이용한 유형 정합 알고리즘을 이용했다. 시스템의 성능평가를 위해 폐와 폐 종양을 묘사한 인체 모형과 이를 상하(SI, superior-inferior)방향으로 직선 운동시키는 구동 장치와 제어 프로그램을 고안했다. 모형을 4초 주기로 2 cm 직선 운동 시키면서 10 MV X선으로 3.3 fps, 6.6 fps속도로 cine EPID 영상($1,024{\times}768$ 해상도)를 획득했다. 획득된 cine EPID 영상은 IMVS를 이용하여 표적의 움직임을 추적하고 기존 외부 표지자를 이용한 비디오 영상 기반 추적시스템(RPM, Real-time Position Management, Varian, USA)으로부터 얻은 결과와 비교했다. 정량적 평가를 위해 두 시스템으로부터 움직임의 평균 주기(Peak-To-Peak), 진폭과 패턴(RMS, Root Mean Square)을 측정하여 비교했다. RPM과 IMVS로 측정한 폐 종양 모형의 움직임 주기는 각각 $3.95{\pm}0.02$ (RPM), $3.98{\pm}0.11$ (IMVS 3.3 fps), $4.005{\pm}0.001$ (IMVS 6.6 fps) 초로 실제움직임 주기인 4초와 잘 일치했다. IMVS로 획득한 모형 내부장기의 평균 움직임 진폭은 3.3 fps에서 $1.85{\pm}0.02$ cm, 6.6 fps에서 $1.94{\pm}0.02$ cm으로 실제 진폭 2 cm에 비해 각각 0.15 cm (오차 7.5%) 및 0.06 cm (오차 3%)의 차를 보였다. 움직임 신호의 일치성 평가를 위해 측정한 RMS는 0.1044 (IMVS 3.3 fps), 0.0480 (IMVS 6.6 fps)로 계획된 신호와 잘 일치 했다. cine EPID 영상을 이용하여 내부 표지자의 움직임을 추적하는 IMVS는 모형 실험에서 내부 장기의 움직임을 3% 오차 내에서 확인 가능했다. IMVS는 치료 중 내부장기 움직임을 측정하고 이를 사차원 방사선 치료계획과 비교하여 오차를 보정하는데 기여할 것으로 생각된다.

• 지능정보연구
• /
• 제26권2호
• /
• pp.131-145
• /
• 2020

산업혁신의 흐름에 발맞추어 다양한 분야에서 활용되고 있는 IoT 기술은 빅데이터의 접목을 통한 새로운 비즈니스 모델의 창출 및 사용자 친화적 서비스 제공의 핵심적인 요소로 부각되고 있다. 사물인터넷이 적용된 디바이스에서 누적된 데이터는 사용자 환경 및 패턴 분석을 통해 맞춤형 지능 시스템을 제공해줄 수 있어 편의 기반 스마트 시스템 구축에 다방면으로 활용되고 있다. 최근에는 이를 공공영역 혁신에 확대 적용하여 CCTV를 활용한 교통 범죄 문제 해결 등 스마트시티, 스마트 교통 등에 활용하고 있다. 그러나 이미지 데이터를 활용하는 기존 연구에서는 개인에 대한 사생활 침해 문제 및 비(非)일반적 상황에서 객체 감지 성능이 저하되는 한계가 있다. 본 연구에 활용된 IoT 디바이스 기반의 센서 데이터는 개인에 대한 식별이 불필요해 사생활 이슈로부터 자유로운 데이터로, 불특정 다수를 위한 지능형 공공서비스 구축에 효과적으로 활용될 수 있다. 대다수의 국민들이 일상적으로 활용하는 도시철도에서의 지능형 보행자 트래킹 시스템에 IoT 기반의 적외선 센서 디바이스를 활용하고자 하였으며 센서로부터 측정된 온도 데이터를 실시간 송출하고, CNN-LSTM(Convolutional Neural Network-Long Short Term Memory) 알고리즘을 활용하여 구간 내 보행 인원의 수를 예측하고자 하였다. 실험 결과 MLP(Multi-Layer Perceptron) 및 LSTM(Long Short-Term Memory), RNN-LSTM(Recurrent Neural Network-Long Short Term Memory)에 비해 제안한 CNN-LSTM 하이브리드 모형이 가장 우수한 예측성능을 보임을 확인하였다. 본 논문에서 제안한 디바이스 및 모델을 활용하여 그간 개인정보와 관련된 법적 문제로 인해 서비스 제공이 미흡했던 대중교통 내 실시간 모니터링 및 혼잡도 기반의 위기상황 대응 서비스 등 종합적 메트로 서비스를 제공할 수 있을 것으로 기대된다.