• Physical Therapy Rehabilitation Science
• /
• 제10권1호
• /
• pp.22-31
• /
• 2021

Objective: This review aims to analyze the effects of electromechanically assisted walking in patients with cerebral palsy(CP). Design: A systematic review and meta-analysis. Methods: We reviewed systematically using the PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) checklist guidelines. The inclusion criteria for this study were all CP patients. The intervention was electromechanically assisted walking. The outcome measures included gait parameters, function, spasticity. Studies excluded from this review were excluded from the review if they were non-English languages and if the study was not published as a full report, and if they were not randomized controlled trials (RCTs) designs. The RevMan 5.4 program was used to evaluate and explain the results. The risk of bias was evaluated independently by two reviewers. The quantitative meta-analysis, including mean differences (MD) and associated standard deviations (SD) from baseline and follow-up assessments, were recorded. Results: A total of 634 articles were searched. Two hundred eighty-nine duplicate articles were excluded, and 345 of 634 originals were left for selection. Of these 74 papers, 44 were out of topic, and 19 reported no mean or standard deviation values. And one was a non-experimental study. Finally, ten studies were included. All 10 RCTs of electromechanically assisted walking were analyzed. The meta-analysis showed a significant improvement in gait cycle (95% CI (confidence intervals), 0.09 to 0.19, I2=0%), Gross Motor Function Measure (GMFM) D (95% CI, 3.27 to 13.17, I2=0%) and GMFM E (95% CI, 0.22 to 6.41, I2=0%). Conclusions: Electromechanically assisted training helps in walking in patients with CP.

• 융합신호처리학회논문지
• /
• 제22권3호
• /
• pp.128-133
• /
• 2021

최근 학생 및 사무직 종사자의 자세 불량으로 인한 척추계 질환의 발병율이 증가하고 있으며, 바른 자세 유지를 돕기 위한 다양한 연구가 수행되었다. 기존 연구에서는 의자 방석부분에 멤브레인 센서 또는 압력센서를 배치하여 무게의 편중을 보거나, 사용자를 구속하는 센서를 부착하여 체위변환을 측정하였다. 본 연구자는 선행연구에서 점착성 겔시트로 간편히 몸에 부착할 수 있으며, 사용자의 자세 및 체위 변화를 실시간으로 측정하여 출력하는 센서 디바이스를 개발하였으나 센서값의 정확성에서 한계점을 보였다. 본 연구에서는 체위변환 센서 디바이스의 성능을 개선하고, 각도변환 측정값의 정확도를 정량적으로 평가하는 연구를 수행하였으며, 오차율 2.53%의 높은 정확도를 확인하였다. 향후 연구에서는 멀티미디어 요소가 추가된 자세교정 훈련 컨텐츠를 보다 다양화하여 실제 사용자를 대상으로 하는 추가 연구가 필요한 것으로 사료된다.

• Structural Engineering and Mechanics
• /
• 제81권5호
• /
• pp.565-574
• /
• 2022

The infrastructures such as offshore, bridges, power plant, oil and gas piping and aircraft operate in a harsh environment during their service life. Structural integrity of engineering components used in these industries is paramount for the reliability and economics of operation. Two regression models based on the concept of Gaussian process regression (GPR) and Minimax probability machine regression (MPMR) were developed to predict stress intensity factor range (𝚫K). Both GPR and MPMR are in the frame work of probability distribution. Models were developed by using the fatigue crack growth data in MATLAB by appropriately modifying the tools. Fatigue crack growth experiments were carried out on Eccentrically-loaded Single Edge notch Tension (ESE(T)) specimens made of API 5L X65 Grade steel in inert and corrosive environments (2.0% and 3.5% NaCl). The experiments were carried out under constant amplitude cyclic loading with a stress ratio of 0.1 and 5.0 Hz frequency (inert environment), 0.5 Hz frequency (corrosive environment). Crack growth rate (da/dN) and stress intensity factor range (𝚫K) values were evaluated at incremental values of loading cycle and crack length. About 70 to 75% of the data has been used for training and the remaining for validation of the models. It is observed that the predicted SIF range is in good agreement with the corresponding experimental observations. Further, the performance of the models was assessed with several statistical parameters, namely, Root Mean Square Error (RMSE), Mean Absolute Error (MAE), Coefficient of Efficiency (E), Root Mean Square Error to Observation's Standard Deviation Ratio (RSR), Normalized Mean Bias Error (NMBE), Performance Index (ρ) and Variance Account Factor (VAF).

• Imaging Science in Dentistry
• /
• 제52권3호
• /
• pp.239-244
• /
• 2022

Purpose: Despite the proliferation of numerous morphometric and anthropometric methods for sex identification based on linear, angular, and regional measurements of various parts of the body, these methods are subject to error due to the observer's knowledge and expertise. This study aimed to explore the possibility of automated sex determination using convolutional neural networks(CNNs) based on lateral cephalometric radiographs. Materials and Methods: Lateral cephalometric radiographs of 1,476 Iranian subjects (794 women and 682 men) from 18 to 49 years of age were included. Lateral cephalometric radiographs were considered as a network input and output layer including 2 classes(male and female). Eighty percent of the data was used as a training set and the rest as a test set. Hyperparameter tuning of each network was done after preprocessing and data augmentation steps. The predictive performance of different architectures (DenseNet, ResNet, and VGG) was evaluated based on their accuracy in test sets. Results: The CNN based on the DenseNet121 architecture, with an overall accuracy of 90%, had the best predictive power in sex determination. The prediction accuracy of this model was almost equal for men and women. Furthermore, with all architectures, the use of transfer learning improved predictive performance. Conclusion: The results confirmed that a CNN could predict a person's sex with high accuracy. This prediction was independent of human bias because feature extraction was done automatically. However, for more accurate sex determination on a wider scale, further studies with larger sample sizes are desirable.

• 한국분무공학회지
• /
• 제28권1호
• /
• pp.1-9
• /
• 2023

In the cylinder of gasoline direct injection engines, the spray targeting from injectors is of great significance for fuel consumption and pollutant emissions. The automotive industry is putting a lot of effort into improving injector targeting accuracy. To improve the targeting accuracy of injectors, it is necessary to develop models that can predict the spray targeting positions. When developing spray targeting models, the most used technique is computational fluid dynamics (CFD). Recently, due to the superiority of machine learning in prediction accuracy, the application of machine learning in this field is also receiving constant attention. The purpose of this study is to build a machine learning model that can accurately predict spray targeting based on the design parameters of injectors. To achieve this goal, this study firstly used laser sheet beam visualization equipment to obtain many spray cross-sectional images of injectors with different parameters at different injection pressures and measurement planes. The spray images were processed by MATLAB code to get the targeting coordinates of sprays. A total of four models were used for the prediction of spray targeting coordinates, namely ANN, LSTM, Conv1D and Conv1D & LSTM. Features fed into the machine learning model include injector design parameters, injection conditions, and measurement planes. Labels to be output from the model are spray targeting coordinates. In addition, the spray data of 7 injectors were used for model training, and the spray data of the remaining one injector were used for model performance verification. Finally, the prediction performance of the model was evaluated by R² and RMSE. It is found that the Conv1D&LSTM model has the highest accuracy in predicting the spray targeting coordinates, which can reach 98%. In addition, the prediction bias of the model becomes larger as the distance from the injector tip increases.

• 한국인터넷방송통신학회논문지
• /
• 제24권1호
• /
• pp.31-36
• /
• 2024

최근 AI 기술을 활용하는 모바일 앱이 늘고 있다. 개인용 모바일 환경에서는 메모리 용량의 제약으로 인해 대용량 데이터로 구성된 워크로드의 학습 시 극심한 성능 저하가 발생할 수 있다. 본 논문에서는 이러한 현상을 규명하기 위해 AI 워크로드의 메모리 참조 트레이스를 추출하고 그 특성을 분석하였다. 그 결과 AI 워크로드는 메모리 쓰기 연산시 약한 시간지역성과 불규칙한 인기편향성 등으로 인해 잦은 스토리지 접근을 발생시켜 모바일 기기의 성능을 저하시킬 수 있음을 확인하였다. 이러한 분석을 토대로 본 논문에서는 AI 워크로드의 메모리 쓰기 연산을 영속 메모리 기반의 스왑 장치를 이용해서 효율적으로 관리할 수 있는 방안에 대해 논의하였다. 시뮬레이션을 통해 본 연구에서 제안한 구조가 기존의 모바일 시스템 대비 80% 이상 입출력 시간을 개선할 수 있음을 보였다.

• Archives of Plastic Surgery
• /
• 제51권1호
• /
• pp.30-35
• /
• 2024

Background Breast aesthetics evaluation often relies on subjective assessments, leading to the need for objective, automated tools. We developed the Seoul Breast Esthetic Scoring Tool (S-BEST), a photometric analysis software that utilizes a DenseNet-264 deep learning model to automatically evaluate breast landmarks and asymmetry indices. Methods S-BEST was trained on a dataset of frontal breast photographs annotated with 30 specific landmarks, divided into an 80-20 training-validation split. The software requires the distances of sternal notch to nipple or nipple-to-nipple as input and performs image preprocessing steps, including ratio correction and 8-bit normalization. Breast asymmetry indices and centimeter-based measurements are provided as the output. The accuracy of S-BEST was validated using a paired t-test and Bland-Altman plots, comparing its measurements to those obtained from physical examinations of 100 females diagnosed with breast cancer. Results S-BEST demonstrated high accuracy in automatic landmark localization, with most distances showing no statistically significant difference compared with physical measurements. However, the nipple to inframammary fold distance showed a significant bias, with a coefficient of determination ranging from 0.3787 to 0.4234 for the left and right sides, respectively. Conclusion S-BEST provides a fast, reliable, and automated approach for breast aesthetic evaluation based on 2D frontal photographs. While limited by its inability to capture volumetric attributes or multiple viewpoints, it serves as an accessible tool for both clinical and research applications.

• 지능정보연구
• /
• 제22권2호
• /
• pp.127-142
• /
• 2016

딥러닝은 인공신경망(neural network)이라는 인공지능분야의 모형이 발전된 형태로서, 계층구조로 이루어진 인공신경망의 내부계층(hidden layer)이 여러 단계로 이루어진 구조이다. 딥러닝에서의 주요 모형은 합성곱신경망(convolutional neural network), 순환신경망(recurrent neural network), 그리고 심층신뢰신경망(deep belief network)의 세가지라고 할 수 있다. 그 중에서 현재 흥미로운 연구가 많이 발표되어서 관심이 집중되고 있는 모형은 지도학습(supervised learning)모형인 처음 두 개의 모형이다. 따라서 본 논문에서는 지도학습모형의 가중치를 최적화하는 기본적인 방법인 오류역전파 알고리즘을 살펴본 뒤에 합성곱신경망과 순환신경망의 구조와 응용사례 등을 살펴보고자 한다. 본문에서 다루지 않은 모형인 심층신뢰신경망은 아직까지는 합성곱신경망 이나 순환신경망보다는 상대적으로 주목을 덜 받고 있다. 그러나 심층신뢰신경망은 CNN이나 RNN과는 달리 비지도학습(unsupervised learning)모형이며, 사람이나 동물은 관찰을 통해서 스스로 학습한다는 점에서 궁극적으로는 비지도학습모형이 더 많이 연구되어야 할 주제가 될 것이다.

• 지능정보연구
• /
• 제26권2호
• /
• pp.105-129
• /
• 2020

본 연구는 부도위험 예측을 위해 K-IFRS가 본격적으로 적용된 2012년부터 2018년까지의 기업데이터를 이용한다. 부도위험의 학습을 위해, 기존의 대부분 선행연구들이 부도발생 여부를 기준으로 사용했던 것과 다르게, 본 연구에서는 머튼 모형을 토대로 각 기업의 시가총액과 주가 변동성을 이용하여 부도위험을 산정했으며, 이를 통해 기존 방법론의 한계로 지적되어오던 부도사건 희소성에 따른 데이터 불균형 문제와 정상기업 내에서 존재하는 부도위험 차이 반영 문제를 해소할 수 있도록 하였다. 또한, 시장의 평가가 반영된 시가총액 및 주가 변동성을 기반으로 부도위험을 도출하되, 부도위험과 매칭될 입력데이터로는 비상장 기업에서 활용될 수 있는 기업 정보만을 활용하여 학습을 수행함으로써, 포스트 팬데믹 시대에서 주가 정보가 존재하지 않는 비상장 기업에게도 시장의 판단을 모사하여 부도위험을 적절하게 도출할 수 있도록 하였다. 기업의 부도위험 정보가 시장에서 매우 광범위하게 활용되고 있고, 부도위험 차이에 대한 민감도가 높다는 점에서 부도위험 산출 시 안정적이고 신뢰성 높은 평가방법론이 요구된다. 최근 머신러닝을 활용하여 기업의 부도위험을 예측하는 연구가 활발하게 이루어지고 있으나, 대부분 단일 모델을 기반으로 예측을 수행한다는 점에서 필연적인 모델 편향 문제가 존재하고, 이는 실무에서 활용하기 어려운 요인으로 작용하고 있다. 이에, 본 연구에서는 다양한 머신러닝 모델을 서브모델로 하는 스태킹 앙상블 기법을 활용하여 개별 모델이 갖는 편향을 경감시킬 수 있도록 하였다. 이를 통해 부도위험과 다양한 기업정보들 간의 복잡한 비선형적 관계들을 포착할 수 있으며, 산출에 소요되는 시간이 적다는 머신러닝 기반 부도위험 예측모델의 장점을 극대화할 수 있다. 본 연구가 기존 머신러닝 기반 모델의 한계를 극복 및 개선함으로써 실무에서의 활용도를 높일 수 있는 자료로 활용되기를 바라며, 머신러닝 기반 부도위험 예측 모형의 도입 기준 정립 및 정책적 활용에도 기여할 수 있기를 희망한다.

• 대한원격탐사학회지
• /
• 제33권2호
• /
• pp.135-147
• /
• 2017

본 연구에서는 처음으로 한반도 서울지역에서 OMI (Ozone Monitoring Instrument) 센서로 관측된 대류권 이산화질소 칼럼농도를 이용하여 OMI 센서의 관측시간인 13:45에서의 월 평균 및 일별 위성 지표 이산화질소 혼합비를 추정하였다. 본 연구에서는 세 가지 회귀모델들이 이용되었다. 첫 번째 회귀모델(M1)은 OMI 대류권 이산화질소 칼럼농도와 지점 측정값과의 선형회귀를 통한 회귀계수로 구성되어있다. 두번째 회귀모델(M2)은 OMI 대류권 이산화질소 칼럼농도와 AIRS (Atmospheric Infrared Sounder) 센서로 관측한 행성경계층 높이, 온도, 압력 자료 모두가 반영된 회귀모델이다. 세 번째 회귀모델(M3M, M3D)은 다중회귀모델로서 앞서 고려된 이산화질소 칼럼농도와 행성경계층 높이와 다양한 기상변수를 추가적으로 반영하는 회귀모델이다. 본 연구에서는 2009년에서 2011년까지를 회귀모델의 훈련기간으로 하여서 각 회귀식의 회귀계수를 도출하였으며 2012년도는 검증기간으로서 훈련기간에 도출된 회귀모델들의 성능을 평가하였다. 회귀모델들로 추정된 월 평균 지표 이산화질소 혼합비와 지점 관측소에서 지점 측정장비로 측정된 월평균 지표 이산화질소 혼합비와 가장 높은 상관성(avg. R = 0.77)을 보이는 회귀분석방법은 다중회귀분석방법(M3M)이다. 또한, 회귀모델들로 추정된 13:45에서의 일 지표 이산화질소 혼합비와 지점 관측소에서 지점장비로 측정된 지표 이산화질소 혼합비와 가장 좋은 상관성(avg. R = 0.55)을 보인 것도 다중회귀분석방법(M3D)이다. 회귀모델들로 추정된 지표 이산화질소 혼합비는 지점 측정값에 비해 과소추정 되는 경향이 나타났다. 회귀모델들로 추정된 지표 이산화질소 혼합비를 평가하기 위해 지점 측정값과의 RMSE (Root Mean Square Error), mean bias, MAE (Mean Absolute Error), percent difference와 같은 통계분석을 실시하였다. 본 연구는 위성을 통한 지표 이산화질소 혼합비 산출 가능성을 보여준다.