• 대한의용생체공학회:의공학회지
• /
• 제23권1호
• /
• pp.1-8
• /
• 2002

심방세동은 가장 많이 나타나는 부정맥으로. 뇌졸중 등 심각한 합병증을 초래하는 질환이다 심방세동이 발작성으로 발생하는 경우 단시간내 불규칙적으로 발생하기 때문에 그 진단이 어렵다 본 연구에서는 발작성 심방세동 환자의 조기진단을 위하여 심실세동 등의 진단에 이용되는 신호평균 심전도를 이용한 분석방법을 사용하였다 심방세동의 징후가 있는 환자는 초기에 심방에서 심근의 전기전도가 지연된다는 이론을 근거로 심전도 P파의 길이를 진단의 기준으로 하였다. p파 길이를 정확히 측정하기 위하여 다양한 종류의 필터와 차단주파수에 대하여 분석하였으며. p파의 시작과 끝점을 판단하는 여러 방법을 시도하였다. 분석 방법의 신뢰성을 높이기 위하여 자동으로 P파 길이를 측정하는 알고리즘을 구현하였다. 구현된 알고리즘의 검증을 위해서 발작성 심방세동 이외의 병력이 없는 환자 38명과 정상인 32명을 대상으로 임상 데이터를 수집하였다. 분석 결과 30 Hz 차주파수를 가지는 LMS 필터를 사용하고. 절대치 8.75 $\mu N$를 기준으로 P파의 시작과 끝점을 측정하여 P파 길이를 계산할 때가 가장 높은 발작성 심방세동의 예측도를 가졌다. 또한 발작성 심방세동의 진단을 위한 가장 적합한 판별 값을 구하기 위하여 수신 동작 특성 곡선을 이용한 결과. 의사결정의 판별 값을 112 ms로 하는 경우 진단의 민감도 88 %. 특이도 64.4 %의 결과를 얻을 수 있었다

• 한국자기학회지
• /
• 제25권3호
• /
• pp.83-86
• /
• 2015

무기체계가 첨단, 고도화되면서 탄약을 정밀 제어하여 목표를 타격하기 위하여 공중폭발탄(ABM)이 개발되어 전장에서 운용되고 있다. 이러한 공중폭발탄의 시한정밀도를 향상시키기 위하여 총구를 이탈하는 탄의 속도를 측정하여 표적까지의 정확한 비행시간을 계산한 후 탄에 입력하여야 한다. 본 연구에서는 K4 기관총의 소염기 부분에 탄을 감지할 수 있는 장치를 도입하였다. 탄약의 주요 금속 부품은 신관 부분의 알루미늄과 파편 효과를 발휘하는 탄체의 철 부분, 총열의 강선부를 통과할 때 직진운동을 회전운동으로 전환시키는 회전탄대의 구리로 구성되어 있는데 알루미늄 부분을 탐지하기 위하여 와전류 탐촉자의 원리를 도입하였다. 탄이 총구를 벗어나는 수십 us 동안 탄속을 측정하기 위하여 U 자형의 MnZn Ferrite 코어에 코일을 권선하여 200 kHz의 교류 전류를 인가하여 탄의 총구 이탈 속도를 측정하였으며, 도플러 레이더와 병행 계측한 결과 ${\pm}1%$ 이내에서 잘 일치하였다.

• Journal of International Society for Simulation Surgery
• /
• 제2권1호
• /
• pp.26-32
• /
• 2015

Purpose When a surgeon examines the morphology of skull of patient, locations of craniometric landmarks of 3D computed tomography(CT) volume are one of the most important information for surgical purpose. The locations of craniometric landmarks can be found manually by surgeon from the 3D rendered volume or 2D sagittal, axial, and coronal slices which are taken by CT. Since there are many landmarks on the skull, finding these manually is time-consuming, exhaustive, and occasionally inexact. These inefficiencies raise a demand for a automatic localization technique for craniometric landmark points. So in this paper, we propose a novel method through which we can automatically find these landmark points, which are useful for surgical purpose. Materials and Methods At first, we align the experimental data (CT volumes) using Frankfurt Horizontal Plane (FHP) and Mid Sagittal Plane(MSP) which are defined by 3 and 2 cranial landmark points each. The target landmark of our experiment is the anterior nasal spine. Prior to constructing a statistical cubic model which would be used for detecting the location of the landmark from a given CT volume, reference points for the anterior nasal spine were manually chosen by a surgeon from several CT volume sets. The statistical cubic model is constructed by calculating weighted intensity means of these CT sets around the reference points. By finding the location where similarity function (squared difference function) has the minimal value with this model, the location of the landmark can be found from any given CT volume. Results In this paper, we used 5 CT volumes to construct the statistical cubic model. The 20 CT volumes including the volumes, which were used to construct the model, were used for testing. The range of age of subjects is up to 2 years (24 months) old. The found points of each data are almost close to the reference point which were manually chosen by surgeon. Also it has been seen that the similarity function always has the global minimum at the detection point. Conclusion Through the experiment, we have seen the proposed method shows the outstanding performance in searching the landmark point. This algorithm would make surgeons efficiently work with morphological informations of skull. We also expect the potential of our algorithm for searching the anatomic landmarks not only cranial landmarks.

• 전자공학회논문지
• /
• 제51권7호
• /
• pp.157-168
• /
• 2014

본 논문에서는 자연영상에 대한 돌출영역을 자동으로 검출하고 이를 분할하기 위한 새로운 인공시각집중모델을 제안한다. 제안된 모델은 인간의 생물학적 시각인지 기반이며 주된 특징은 다음과 같다. 먼저 영상의 강도특징과 색상특징을 사용하는 대립과정이론 기반의 새로운 인공시각집중모델의 구조를 제안하고, 돌출영역을 인지하기 위해 영상의 강도 및 색상 특징채널의 정보량을 고려하는 엔트로피 필터를 설계하였다. 엔트로피 필터는 높은 정확도와 정밀도로 돌출영역에 대해 검출 및 분할이 가능하다. 마지막으로 최종 돌출지도를 효율적으로 구성하기 위한 적응 조합 방법 또한 제안되었다. 이 방법은 각 인지 모델로부터 검출된 강도 및 색상 가시성지도에 대하여 평가하며 평가된 점수로부터 얻어진 가중치를 이용해 가시성 지도들을 조합한다. 돌출지도에 대해 ROC분석을 이용한 AUC를 측정한 결과 기존 최신의 모델들은 평균 0.7824의 성능을 나타낸 반면 제안된 모델의 AUC는 0.9256으로서 약 15%의 성능 개선을 보였다. 또한 돌출영역 분할에 대해 F-beta를 측정한 결과 기존 최신의 모델은 0.5178이고 제안된 모델은 0.7325로서 분할 성능 또한 약 22%의 성능 개선을 보였다.

• 지능정보연구
• /
• 제18권1호
• /
• pp.91-107
• /
• 2012

인터넷의 성장과 개인의 참여는 사생활 정보 보호에 관련된 비효율적 관리 방안에 대한 문제의식을 불러일으키고 있으며 이를 해결하기 위한 여러 연구들이 이루어지고 있다. 본 연구에서는 기존에 존재하는 문서 분류 방법론을 이용하여 개인의 사적 공간을 나타내는 프라이버시의 항목 중 개인을 식별할 수 있거나 개인이 민감해 할 수 있는 사생활 정보를 담고 있는 문서를 탐지 혹은 분류하는 방법에 대해서 다룬다. 논문의 실험에서 기존의 학습데이터에 추가적으로 개인정보의 유형에 관련된 하위 학습 데이터를 추가함으로써 자동 문서 분류 알고리즘의 성능 측정치를 높이는 것을 시도하였다. 또한 개인정보의 유형에 따라 알고리즘에 효과적으로 적용하는 방향을 제시하기 위하여 기존 논문에서 나타난 개인정보의 유형들을 분석하였다. 개인정보 관련 문서로 분류된 학습 대상과 함께 개인정보에 영향력이 있는 개인정보 유형들을 추가 학습시켜 알고리즘이 학습하는 문서 자질(feature)의 질(quality)을 높였다. 높아진 학습 자질의 질로 인하여 기존의 Na$\ddot{i}$ve Bayes 방법론을 이용한 평가 측정치가 높아질 수 있었다.

• 한국정보통신학회논문지
• /
• 제11권7호
• /
• pp.1380-1386
• /
• 2007

본 논문에서는 퍼지 기반 잡음 제거 방법과 ART2 기반 자가 생성 지도 학습 알고리즘을 이용한 운송 컨테이너 식별자 인식 시스템을 제안한다. 일반적으로 운송 컨테이너의 식별자들은 글자색이 검정색 또는 흰색으로 이루어져 있는 특징이 있다. 이러한 특성을 고려하여 원 컨테이너 영상에 대해 검은색과 흰색을 제외한 모든 부분을 잡음으로 처리하기 위해 퍼지를 이용한 잡음 판단 방법을 적용하여 식별자 영역과 잡음을 구별한다. 그리고 Sobel 마스크를 이용하여 에지를 검출하고, 추출된 에지를 이용하여 수직 블록과 수평 블록을 검출하여 컨테이너의 식별자 영역을 추출하고 이진화한다. 이진화된 식별자 영역에 대해 8 방향 윤곽선 추적 알고리즘을 적용하여 개별 식별자를 추출한다. 개별 식별자 인식을 위해 ART2 기반 자가 생성 지도 학습 알고리즘을 제안하여 개별 식별자 인식에 적용한다. ART2 기반 자가 생성 지도 학습 알고리즘은 일반화된 델타 학습 방법과 Delta-bar-Delta 알고리즘을 적용하여 학습 성능을 개선한다. 실제 컨테이너 영상을 대상으로 실험한 결과, 기존의 식별자 추출 방법보다 제안된 식별자 추출 방법이 개선되었다. 그리고 기존의 식별자 인식 알고리즘보다 제안된 ART2 기반 자가 생성 지도 학습 알고리즘이 식별자의 학습 및 인식에 있어서 우수한 성능이 있음을 확인하였다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1257-1271
• /
• 2022

최근 많은 수의 지구관측용 광학위성이 개발되어 위성영상에 대한 수요가 증가하고 있다. 따라서, 위성영상의 활발한 활용을 위해서 신속한 전처리 과정이 요구된다. 위성영상 정합은 두 영상을 하나의 특정한 좌표계로 변환하여 등록하는 기술로서 원격탐사 분야에서 영상정합 기술은 서로 다른 대역의 영상을 정렬하거나, 두 위성영상 간의 상대적인 위치 오차를 수정하는데 사용된다. 본 논문에서는 서로 다른 Ground Sample Distance (GSD)를 가지는 위성영상 간의 자동 영상정합 방법을 제안하였다. 제안방법은 개선된 특징점 매칭방법과 강인한 변환모델 추정기법을 기반으로 하며, 다음과 같이 5가지 처리과정으로 구성된다: 중첩 영역 계산, 개선된 특징점 탐지, 특징점 매칭, 강인한 변환모델 추정, 영상 리샘플링. 특징점 탐지를 위해서 중첩영역을 추출하여 두 영상의 GSD가 유사하도록 영상 리샘플링을 수행하였다. 특징점 매칭 단계에서는, Oriented FAST and Rotated BRIEF (ORB) 알고리즘을 사용하여 영상정합 성능을 향상시켰다. 영상정합 실험은 KOMPSAT-3A와 RapidEye영상을 실험대상으로 수행되었으며 제안방법의 성능검증은 정성적, 정량적 두 가지 방법으로 수행되었다. 영상정합의 재투영오차는 RapidEye GSD를 기준으로 1.277 (8.3 m)에서 1.608 (10.452 m)의 픽셀 정확도를 보였다. 즉, 결론적으로, 제안방법을 통해 이종해상도 위성영상의 영상정합 가능성을 확인하였다.

• 지적과 국토정보
• /
• 제53권1호
• /
• pp.47-63
• /
• 2023

서울시는 도시에서 발생하는 다양한 문제를 해결하고 대시민 서비스 등을 위해 디지털트윈 기반의 도시 공간정보를 구축 및 운영하고 있다. 이러한 디지털트윈 도시 구현을 위한 공간정보의 안정적인 활용을 보장하기 위한 필수요소 2가지는 자료의 최신성과 품질이다. 그러나 높은 품질의 도시 공간정보에 대해 지속적인 최신성을 유지하는 것은 많은 시간과 비용이 필요하다. 이를 극복하기 위하여 효율적인 도시 공간정보 구축 기술과 구축 데이터의 운영, 관리 및 갱신 절차를 연구하였다. 우선, 최신 하이브리드센서를 활용한 포인트 클라우드 중심의 자동 3차원 건물 제작 기술을 실증하여 적용하였고, 고점밀도 항공라이다 성과를 이용하여 수준 높은 건물 모델을 자동제작이 가능함을 확인하였으며, 효율적인 데이터 관리 방안을 수립하였다. 지역별 차별화된 제작 방법의 적용, 공간 객체 고유 관리번호를 통한 도시 변화지역 탐지 지원하고, 수준별 국제표준자료 제작으로 도시 공간정보의 활용성을 강화하였다. 본 연구를 통해 디지털트윈 기반의 도시 공간정보 활성화를 고민하는 지방자치단체 및 관련 기관의 사업 추진에 좋은 선례가 될 수 있을 것으로 판단되며, 도시 단위 디지털트윈 구현의 인프라 정보로써 공간정보의 구축 및 관리에 대한 논의가 지속적으로 이루어 질 것을 기대한다.

• 대한원격탐사학회지
• /
• 제39권2호
• /
• pp.183-192
• /
• 2023

위성영상 및 항공사진과 같은 원격탐사 자료들은 영상판독과 영상처리 기법을 통하여 영상 내의 객체를 탐지하고 추출하는 데에 사용될 수 있다. 특히, 원격탐사 자료의 해상도가 향상되고, 딥러닝(deep learning) 모델 등과 같은 기술의 발전으로 인하여 관심객체를 자동으로 추출하여 지도갱신 및 지형 모니터링 등에 활용될 수 있는 가능성이 증대되고 있다. 이를 위해, 본 연구에서는 의미론적 분할에 사용되는 대표적인 딥러닝 모델인 fully convolutional densely connected convolutional network (FC-DenseNet)을 기반으로 하여 항공정사영상 내 존재하는 비닐하우스를 추출하고, 이에 대한 결과를 정량적으로 평가하였다. 농림축산식품부의 팜맵(farm map)을 이용하여 담양, 밀양지역의 비닐하우스에 대한 레이블링을 수행하여 훈련자료를 생성하고, 훈련자료를 이용하여 FC-DenseNet의 훈련을 수행하였다. 원격탐사자료에 딥러닝 모델을 효과적으로 이용하기 위하여, 각 밴드별 특성이 유지되도록 instance norm을 이용하여 정규화과정을 수행하였으며, attention module을 추가하여 각 밴드별 가중치를 효과적으로 산정하였다. 실험결과, 딥러닝 모델을 이용하여 영상 내 존재하는 비닐하우스 지역을 효과적으로 추출할 수 있음을 확인하였으며 팜맵, 토지피복지도 등의 갱신에 활용될 수 있을 것으로 판단하였다.

• 한국전자거래학회지
• /
• 제27권2호
• /
• pp.205-218
• /
• 2022

최근 제조업에서의 디지털 전환이 가속화되고 있다. 이에 따라 사물인터넷(internet of things: IoT) 기반으로 현장 데이터를 수집하는 기술의 중요성이 증대되고 있다. 이러한 접근법들은 주로 각종 센서와 통신 기술을 활용하여 특정 제조 데이터를 확보하는 것에 초점을 맞춘다. 현장 데이터 수집의 채널을 확장하기 위해 본 연구는 비전(vision) 인공지능 기반으로 제조 데이터를 자동 수집하는 방법을 제안한다. 이는 실시간 영상 정보를 객체 탐지 및 추적 기술로 분석하고, 필요한 제조 데이터를 확보하는 것이다. 연구진은 객체 탐지 및 추적 알고리즘으로 YOLO(You Only Look Once)와 딥소트(DeepSORT)를 적용하여 프레임별 객체의 움직임 정보를 수집한다. 이후, 움직임 정보는 후보정을 통해 두 가지 제조 데이터(생산 실적, 생산 시간)로 변환된다. 딥러닝을 위한 학습 데이터를 확보하기 위해 동적으로 움직이는 공장 모형이 제작되었다. 또한, 실시간 영상 정보가 제조 데이터로 자동 변환되어 데이터베이스에 저장되는 상황을 재현하기 위해 운영 시나리오를 수립하였다. 운영 시나리오는 6개의 설비로 구성된 흐름 생산 공정(flow-shop)을 가정한다. 운영 시나리오에 따른 제조 데이터를 수집한 결과 96.3%의 정확도를 보였다.