• 방송공학회논문지
• /
• 제28권3호
• /
• pp.293-301
• /
• 2023

표준화되지 않은 의료 데이터 수집 및 관리는 여전히 수동으로 진행되고 있어, 이 문제를 해결하기 위해 딥 러닝을 사용해 CT 데이터를 분류하는 연구들이 진행되고 있다. 하지만 대부분 연구에서는 기본적인 CT slice인 axial 평면만을 기반으로 모델을 개발하고 있다. CT 영상은 일반 이미지와 다르게 인체 구조만 묘사하기 때문에 CT scan을 재구성하는 것만으로도 더 풍부한 신체적 특징을 나타낼 수 있다. 이 연구는 axial 평면뿐만 아니라 CT 데이터를 2D로 변환하는 여러가지 방법들을 통해 보다 높은 성능을 달성할 수 있는 방법을 찾고자 한다. 훈련은 5가지 부위의 CT 스캔 1042개를 사용했고, 모델 평가를 위해 테스트셋 179개, 외부 데이터셋으로 448개를 수집했다. 딥러닝 모델 개발을 위해 ImageNet으로 사전 학습된 InceptionResNetV2를 백본으로 사용하였으며, 모델의 전체 레이어를 재 학습했다. 실험결과 신체 부위 분류에서는 재구성 데이터 모델이 99.33%를 달성하며 axial 모델보다 1.12% 더 높았고, 조영제 분류에서는 brain과 neck에서만 axial모델이 높았다. 결론적으로 axial slice로만 훈련했을 때 보다 해부학적 특징이 잘 나타나는 데이터로 학습했을 때 더 정확한 성능 달성이 가능했다.

• International Journal of Computer Science & Network Security
• /
• 제23권1호
• /
• pp.112-119
• /
• 2023

Traditionally used for networking computers and communications, the Internet has been evolving from the beginning. Internet is the backbone for many things on the web including social media. The concept of social networking which started in the early 1990s has also been growing with the internet. Social Networking Sites (SNSs) sprung and stayed back to an important element of internet usage mainly due to the services or provisions they allow on the web. Twitter and Facebook have become the primary means by which most individuals keep in touch with others and carry on substantive conversations. These sites allow the posting of photos, videos and support audio and video storage on the sites which can be shared amongst users. Although an attractive option, these provisions have also culminated in issues for these sites like posting offensive material. Though not always, users of SNSs have their share in promoting hate by their words or speeches which is difficult to be curtailed after being uploaded in the media. Hence, this article outlines a process for extracting user reviews from the Twitter corpus in order to identify instances of hate speech. Through the use of MPCA (Modified Principal Component Analysis) and ECNN, we are able to identify instances of hate speech in the text (Enhanced Convolutional Neural Network). With the use of NLP, a fully autonomous system for assessing syntax and meaning can be established (NLP). There is a strong emphasis on pre-processing, feature extraction, and classification. Cleansing the text by removing extra spaces, punctuation, and stop words is what normalization is all about. In the process of extracting features, these features that have already been processed are used. During the feature extraction process, the MPCA algorithm is used. It takes a set of related features and pulls out the ones that tell us the most about the dataset we give itThe proposed categorization method is then put forth as a means of detecting instances of hate speech or abusive language. It is argued that ECNN is superior to other methods for identifying hateful content online. It can take in massive amounts of data and quickly return accurate results, especially for larger datasets. As a result, the proposed MPCA+ECNN algorithm improves not only the F-measure values, but also the accuracy, precision, and recall.

• 한국지반공학회논문집
• /
• 제26권1호
• /
• pp.45-54
• /
• 2010

말뚝 구조물의 동적 거동을 분석하고 지진파에 대한 공진 안정성을 확보하기 위해서는 고유 진동수를 합리적으로 산정하는 것이 중요하다. 본 연구에서는 간단한 질량 - 스프링 모델을 이용하여 지진 하중을 받는 말뚝 구조물의 고유 진동수를 간편하면서도 효율적으로 예측할 수 있는 방법을 모색하였다. 고유진동수 산정 결과에 큰 영향을 미치는 지반-말뚝 간 스프링 강성을 지반반력상수와 p-y 곡선 그리고 지반 탄성계수 등을 이용하여 결정하고, 이들을 이용하여 계산한 고유진동수를 1g 진동대 실험에서 계측한 고유진동수와 비교한 결과, 지반반력상수를 이용한 Reese(1974) 방법과 동적 p-y 중추 곡선을 이용한 Yang(2009)의 방법을 이용하여 스프링 강성을 산정하는 것이 가장 우수한 결과를 나타내었는데, 건조토에 위치한 말뚝구조물에서는 5% 이내의 오차를 보였으며, 포화토에 위치한 말뚝 구조물의 경우에는 진동 중에 과잉간극수압의 발생여부에 따라 5%에서 40% 사이의 오차를 나타내었다.

• 한국항해항만학회지
• /
• 제47권3호
• /
• pp.167-173
• /
• 2023

한국 경제에 근간이 되는 산업은 제조업이고, 그중 석유화학산업은 전량 원유를 수입하여 우리나라의 기술력으로 가공하여 재수출하는 전략적 성장 산업이다. 수많은 제조업의 원료가 되는 원유를 전량 해상운송을 통해 수입하는 우리나라는 변동성이 심한 유조선 운임 시장에 대해 기민하게 대응해야 한다. 유조선 운임 시장의 위기는 관련 해운회사의 위기에서 끝나지 않고 원유를 사용하는 산업에서부터 국민의 생활까지 영향을 미칠 수 있으므로, 본 연구에서 신호접근법을 활용한 조기경보모형을 제시했다. BDTI 운임지수를 활용하여 유조선 해운시장 위기를 정의하고, 38개의 거시경제, 금융, 원자재 지표 그리고 해운시장 데이터를 활용해 시차상관관계를 분석하여 유조선 해운시장 위기에 선행적으로 반응하는 종합선행지수를 도출했다. 연구 결과, 종합선행지수는 두 달 전 가장 높은 0.499의 시차상관계수 값을 가졌으며, 5개월 전부터 유의미한 상관계수 값을 나타냈다. QPS 값은 0.13으로 위기 예측에 대해 높은 정확성을 지니는 것으로 검증됐다. 더불어 기존의 다른 시계열 예측모형 연구들과 달리 본 연구는 경제 위기와 유조선 해운시장의 위기 간의 시차를 계량적으로 접근하여, 관련 해운산업 종사자들과 정책 입안자들에게 위기에 효과적으로 대처할 수 있는 전략의 기틀을 제공함에 의의가 있다.

• 인터넷정보학회논문지
• /
• 제24권6호
• /
• pp.91-98
• /
• 2023

오늘날 인공지능 산업이 발전함에 따라 여러 분야에 걸쳐 인공지능을 통한 자동화 및 최적화가 이루어지고 있다. 국내의 철도 분야 또한 지도 학습을 이용한 레일의 결함을 검출하는 연구들을 확인할 수 있다. 그러나 철도에는 레일만이 아닌 다른 구조물들이 존재하며 그중 선로 체결 장치는 레일을 다른 구조물에 결합시켜주는 역할을 하는 장치로 안전사고의 예방을 위해서 주기적인 점검이 필요하다. 본 논문에는 선로 체결 장치의 데이터를 이용하여 준지도 학습(semi-supervised learning)과 전이 학습(transfer learning)을 이용한 분류기를 학습시켜 선로 안전 점검에 사용되는 비용을 줄이는 방안을 제안한다. 사용된 네트워크는 Resnet50이며 imagenet으로 선행 학습된 모델이다. 레이블이 없는 데이터에서 무작위로 데이터를 선정 후 레이블을 부여한 뒤 이를 통해 모델을 학습한다. 학습된 모델의 이용하여 남은 데이터를 예측 후 예측한 데이터 중 클래스 별 확률이 가장 높은 데이터를 정해진 크기만큼 훈련용 데이터에 추가하는 방식을 채택하였다. 추가적으로 초기의 레이블된 데이터의 크기가 끼치는 영향력을 확인해보기 위한 실험을 진행하였다. 실험 결과 최대 92%의 정확도를 얻을 수 있었으며 이는 지도 학습 대비 5% 내외의 성능 차이를 가진다. 이는 제안한 방안을 통해 추가적인 레이블링 과정 없이 비교적 적은 레이블을 이용하여 분류기의 성능을 기존보다 향상시킬 수 있을 것으로 예상된다.

• 공업화학
• /
• 제35권4호
• /
• pp.296-302
• /
• 2024

염화 철(III)을 이용한 2-에티닐피리딘의 in-situ 4차염화 중합을 통하여 이온성 폴리아세틸렌-염화 철(III) 복합체를 용이하게 합성하였다. 합성한 폴리아세틸렌-염화 철(III) 복합체의 구조를 여러 가지 분석장비를 통해 확인한 결과 설계한 염화 철(III)-피리디늄 치환기를 갖는 공액구조 고분자가 생성되었음을 확인할 수 있었다. 본 중합의 메커니즘은 첫 번째 단계에서 형성된 에티닐피리디늄 염의 중합반응이 개시되고 전파되는 것으로 분석되었다. P2EP-FeCl₃ 복합체의 전기 광학 및 전기화학적 특성을 연구하였다. P2EP-FeCl₃ 복합체의 UV-visible 스펙트럼에서 흡수 최대값은 480 nm 및 533 nm이었고 PL 최대값은 598 nm로 나타났다. P2EP-FeCl₃ 복합체의 순환 전압전류 특성 측정결과 산화 피크와 환원 피크가 비가역적인 전기화학적 거동을 보였으며, 복합체의 산화 환원 과정의 동역학은 스캔 속도 대비 산화 전류 값의 도표부터 확산 제어 프로세스에 가까운 것으로 확인되었다.

• 한국방사선학회논문지
• /
• 제18권5호
• /
• pp.541-549
• /
• 2024

Convolutional neural network(CNN), recurrent neural network(RNN)와 같은 다양한 인공 신경망이 연구되고 있으며, 타 인공지능 기반 모델의 기초 구조로 활용되고 있다. 그 중, 트랜스포머를 기반으로 하는 인공 신경망은 자연어 처리 분야에서 그 성능이 입증되었고, 활발하게 연구되고 있는 구조이다. 최근 트랜스포머 기반 인공 신경망의 내부구조 변경을 통해 영상처리가 가능한 Vision transformer(ViT) 모델이 개발되었다. 비젼 영상처리에 있어 ViT 모델의 정확도와 성능은 다양한 연구를 통해 입증되었다. 본 연구에서는 흉부 X-선 영상을 이용하여 폐렴을 진단할 수 있는 ViT 기반 모델을 개발하고, 개발 모델의 학습효율 및 성능을 정량적으로 평가하였다. ViT 기반 모델의 구조는 encoder block의 개수를 다르게 하여 설계하였고, 신경망 학습 시 패치의 크기를 다르게 설정하였다. 또한 개발한 ViT 기반 모델을 검증하기 위하여 기존 CNN 기반 모델인 VGGNet, GoogLeNet 및 ResNet 모델과 성능 비교를 수행하였다. 연구결과 ViT 기반 모델의 학습효율 및 성능은 encoder block의 개수 및 학습 패치 크기에 따라 변화함을 확인하였고 F1 score가 최소 0.875, 최대 0.919로 측정되었다. 32 × 32 크기의 패치를 이용하여 학습한 ViT 기반 모델의 학습효율은 기존 CNN 기반 모델에 비해 우수한 것으로 확인되었으며, 본 연구에서 설계한 모든 ViT 기반 모델이 VGGNet 보다 폐렴 진단의 정확도가 높은 결과를 확인하였다. 결론적으로 본 연구에서 개발한 ViT 기반 모델은 흉부 X-선 영상을 이용한 폐렴 진단에 잠재적으로 사용될 수 있으며, 본 연구를 통해 ViT 기반 모델의 임상적 활용가능성을 향상시킬 수 있을 것이다.

• 한국컴퓨터정보학회논문지
• /
• 제29권10호
• /
• pp.35-45
• /
• 2024

본 연구에서는 모델의 경량화를 위해 교사 모델의 출력 특징맵에서 3D 객체의 정보를 추출해 학생 모델의 다중 스케일 특징맵(Multi-scale feature map)에 맞게 증류하는 3D 객체 검출용 다중스케일 특징 지식 증류 기법인 M3KD (Multi-Scale Feature Knowledge Distillation for 3D Object Detection)를 제안한다. M3KD는 지식 증류 수행 시 학생 모델과 교사 모델의 다중 스케일 특징맵들 간 L2 손실(loss)을 사용해 특징맵 값의 차이를 줄이게 함으로써 학생 모델이 교사 모델의 백본을 모방하게 하여 학생 모델의 전체적인 정확도를 향상시키고, 기존의 이미지 분류 태스크(Task)에서 사용하는 클래스 로짓(Logits) 지식 증류를 적용해 교사 모델의 클래스 분류 로짓을 모방함으로써 학생 모델의 검출 정확도를 향상시킨다. 본 연구가 제안한 M3KD의 효과를 증명하기 위해 KITTI (Karlsruhe Institute of Technology and Toyota Technological Institute) 데이터 셋에서 실험을 진행하였으며, 이때 학습한 학생 모델이 교사 모델 대비 30%의 추론 속도 향상을 달성하였다. 또한, 정확도에서 기존의 학생 모델과 비교시 모든 클래스 및 모든 난이도에서 평균적으로 1.08%의 3D mAP (Mean Average Precision) 향상이 있음을 확인하였다. 또한 최신 지식 증류 기법인 PKD, SemCKD에 제안하는 기법을 추가로 적용하였을 시 기존 대비 0.42%, 0.52% 높은 정확도 (3D mAP)를 나타내 성능 향상을 달성하였다.

• 폴리머
• /
• 제24권4호
• /
• pp.505-512
• /
• 2000

본 연구는 초임계 용매인 $CO_2$, CHF$_3$ 및 CHClF$_2$내에서 poly(lactide-co-glycolide) [PLGAI 용액과의 흔합물 밀도를 측정하였다. 초임계 용매와 Poly(lactic acid) [PLA] 및 PLGA간의 흔합물 밀도는 온도 27-10$0^{\circ}C$와 압력 3000 bar까지 실험하여 나타내었다 [PLGA$_{x}$의 X는 0~50 mo1% 범위에 대한 glycolide의 몰농도이다]. PLA-$CO_2$ 흔합물은 약 1430 bar 이내에서, PLA-CHF$_3$계는 700 bar 이하에서, PLA-CHClF$_2$계는 100bar 이하에서 각각 용해되었다. 이때 온도범위는 27~93$^{\circ}C$이며, 흔합물 밀도는 1.084~l.334g/$cm^3$ 범위에서 나타났다. PLGA$_{15}$ 공중합체-$CO_2$ 흔합물은 약 1900 bar 이하에서 용해되었으며, 이때 혼합물 밀도는 37~92$^{\circ}C$에서 1.158~l.247g/$cm^3$으로 나타났다. PLGA$_{25}$공중합체-$CO_2$계는 약 2390 bar이하에서, PLGA$_{25}$-CHF$_3$계에 대해서는 1470 bar이하에서, PLGA$_{25}$-CHClF$_2$계에 대해서는 118 bar 이하에서 각각 용해되었으며, 흔합물 밀도는 29~81$^{\circ}C$사이에서 1.154~1.535g/$cm^3$로 나타났다. PLGA$_{50}$-$CO_2$계는 24$0^{\circ}C$, 3000 bar내fl서는 용해되지 않았으며, 반면 PLGA$_{50}$과 CHClF$_2$의 흔합물은 오히려 5$0^{\circ}C$와 100 bar내에서 쉽게 용해되었다. 또한 PLGA와 CHClF$_2$계는 glycolide 농도가 증가함에 따라 흔합물 밀도가 증가하였다.다..다..다..

• Journal of Ginseng Research
• /
• 제24권1호
• /
• pp.8-17
• /
• 2000

스테로이드 호르몬의 일종인 에스트로젠은 생식기능에 영향을 미치는 것 외에 학습 및 기억과 관련된 기능에도 영향을 미치는 것으로 알려져 있다. 최근, 에스트로젠은 기억과 관련된 뇌세포 신 경망의 발달과 뇌 기능 장애를 방지할 수 있다는 부분에서 상당한 관심의 대상이되고 있다. 그러나 에스트로젠 대체 치료가 폐경기의 많은 여성들에게 도움을 주기도 하지만 여러 부작용을 유발하는 것으로도 알려져 있다 인삼 역시도 스테로이드 특성을 보이며 에스트로젠과 유사한 화학구조를 가지는 여러 성분을 가지고 있다. 본 실험의 목적은 첫째로 공간 기억력을 측정하기에 여러 장점을 가지고 있으면서 다른 어떠한 행동학적 실험보다 학습과 기억의 동물 모텔로 잘 알려진 방법인 Morris water maze를 이용하여 에스트로젠의 효과를 확인하고, 두 번째는 인삼이 학습과 기억에서 에스트로젠과 같은 효과를 나타낼 수 있는지를 확인하는 것이다. 본 실험은 인위적으로 난소를 제거한 쥐에 17$\beta$-estradiol(100~250 $\mu\textrm{g}$/ml), panaxadiol(PD), panaxatriol(PT) sapo-nins(15~100 $\mu\textrm{g}$/ml)을 sesame oil에 녹인 capsule을 implant했다. 첫 번째 실험에서 난소를 제거한 쥐에 에스트로젠을 투입했을때 학습과 기억의 효과를 확인했다. 두 번째 실험에서는 난소를 제거한 쥐에 3가지 다른 농도에서의 PD, PT를 투입했을 때 학습과 기억에 대한 에스트로젠의 효과와 비교해 보았다. 2주 동안의implant 후 water maze 실험결과 세 그룹 모두 난소를 제거한 그룹보다 기억력이 향상되었다 이러한 결과를 토대로 에스트로젠이 학습과 기억에 영향을 준다는 것을 확인할 수 있었고 PD, PT 또한 학습과 기억에 관련된 행동에서 에스트로젠과 같은 효과를 나타낼 수 있다는 것을 확인할 수 있었다. 이러한 동물모델에서의 연구를 통하여 인삼이 에스트로젠 장기결핍치료에서 나타나는 여러 호르몬 부작용을 극복할 수 있는 에스트로젠 대체물질로 개발되어 기억력 저하를 수반하는 Alzheimer's disease 및 여러 퇴행성 중추신경 질환의 치료제로 대체의학의 natural compound이용에 그 기초 기전을 제공할 수 있으리라 여긴다.