• 대한방사선치료학회지
• /
• 제18권1호
• /
• pp.7-12
• /
• 2006

목 적: 방사선사로서 근무부서에 따라 보건복지부령 제349호에 따른 '방사선관계종사자'와 원자력법 제2조 21항의 '방사선 작업종사자'로 분류되고 있다. 따라서 방사선관계종사자와 방사선작업종사자에 따른 법률, 시행령, 시행규칙을 분석하여 방사선관계 법 개정 시 체계적으로 구축하는데 도움을 주고자 한다. 2차, 3차 의료기관에서는 보건복지부와 과학기술부에서 이중규제를 받으므로 의료기관에서의 방사선관계법 적용에 관하여 보건복지부로 이관하여 법적용이 이루어지도록 하고자 한다. 대상 및 방법: 방사선사에 관하여 의료기사 등에 관한 법률 시행령 시행규칙과 방사선관계 종사자에 관하여는 진단용방사선발생장치의 안전관리에 관한 규칙 그리고 방사선작업종사자에 관하여 원자력법 시행령 시행규칙을 수집하여 근무부서에 따른 명칭, 유효선량한도, 보수교육 및 교육 훈련, 방사선사의 건강진단 시기, 방사선구역, 방사선안전관리책임자 자격기준, 방사선 기기의 검사 시기 등을 비교 분석하였다. 결 과: 방사선사 중에서도 진단방사선과에 근무하는 경우에는 의료법에 의해 '방사선관계종사자'라는 명칭을 사용하고 있으며, 방사선종양학과나 핵의학과에 근무하는 방사선사는 원자력법에 의해 '방사선작업종사자'라는 명칭을 사용하고 있다. 유효선량한도는 연간 20 mSv로 동일하지만 방사선관계종사자의 경우는 피폭선량관리센터를 구축 중에 있는 반면, 방사선작업종사자의 피폭선량은 2002년 국가방사선작업종사자 안전관리센터를 발족하여 현재 시행 중에 있다. 방사선사 보수교육은 연간 8시간 이상 받게 되어 있으며, 방사선관계종사자는 진단용 방사선 안전관리책임자의 자체교육훈련으로 실시하는 반면에 방사선작업종사자는 작업종사전 교육 훈련을 20시간, 정기적 교육 훈련을 매년 6시간 이상이며, 건강진단 시기는 진단용 방사선발생장치의 안전관리에 관한 규칙에서 방사선관계종사자는 2년마다 실시하고 있으며, 원자력법 시행규칙에 의한 방사선작업종사자는 매년 실시하고 있다. 진단용방사선발생장치를 설치한 장소 중 외부방사선량이 1주당 $300{\mu}Sv$ 이상인 곳을 '방사선구역'으로 설정하고 있는 반면에 외부 방사선량률이 $400{\mu}Sv$을 초과하는 구역을 '방사선관리구역'으로 설정하고 있다. 임신이 확인된 여성의 방사선작업종사자는 임신이 확인된 시점부터 출산 시까지 하복부 표면에서의 등가선량한도를 2 mSv로 명시되어 있는데, 임신이 확인된 여성의 방사선관계종사자의 선량한도는 누락되어 있다. 결 론: 방사선사로서 근무 환경에 따라 방사선관계종사자나 방사선작업종사자의 명칭과 방사선구역이나 방사선관리구역의 용어, 그리고 건강진단 시기의 통일과 외부방사선량률에 대한 수치도 통일되어야 할 것이다. 방사선사 보수교육과 방사선작업종사자의 정기적 교육 훈련이 따로 관리되고 있지만 방사선작업종사자의 정기적 교육 훈련이 더 엄격하게 진행되므로, 부서 관의 협력으로 방사선사 보수교육에 합산하는 방안이 필요할 것이다. 임신이 확인된 방사선관계종사자의 피폭관리도 새로이 반영되어야 할 것이다. 따라서 업무의 특성상 사용되는 특별한 용어 외에 공통적으로 사용되는 용어의 통일은 반드시 필요하며, 방사선분야의 법, 시행령, 시행규칙, 고시 등의 개정 시 반드시 방사선 관련 부서의 해당기관과 합의하여 개정되어야 할 것이고, 대한방사선사협회에서는 방사선사에 대한 법률을 구체적이고 체계적으로 명시할 필요성이 있다고 생각된다.

• 지능정보연구
• /
• 제26권2호
• /
• pp.1-25
• /
• 2020

본 연구에서는 모바일 기기를 이용하여 획득한 가스계량기 사진을 서버로 전송하고, 이를 분석하여 가스 사용량 및 계량기 기물 번호를 인식함으로써 가스 사용량에 대한 과금을 자동으로 처리할 수 있는 응용 시스템 구조를 제안하고자 한다. 모바일 기기는 일반인들이 사용하는 스마트 폰에 준하는 기기를 사용하였으며, 획득한 이미지는 가스 공급사의 사설 LTE 망을 통해 서버로 전송된다. 서버에서는 전송받은 이미지를 분석하여 가스계량기 기물 번호 및 가스 사용량 정보를 추출하고, 사설 LTE 망을 통해 분석 결과를 모바일 기기로 회신한다. 일반적으로 이미지 내에는 많은 종류의 문자 정보가 포함되어 있으나, 본 연구의 응용분야인 가스계량기 자동 검침과 같이 많은 종류의 문자 정보 중 특정 형태의 문자 정보만이 유용한 분야가 존재한다. 본 연구의 응용분야 적용을 위해서는 가스계량기 사진 내의 많은 문자 정보 중에서 관심 대상인 기물 번호 및 가스 사용량 정보만을 선별적으로 검출하고 인식하는 관심 문자열 인식 기술이 필요하다. 관심 문자열 인식을 위해 CNN (Convolutional Neural Network) 심층 신경망 기반의 객체 검출 기술을 적용하여 이미지 내에서 가스 사용량 및 계량기 기물번호의 영역 정보를 추출하고, 추출된 문자열 영역 각각에 CRNN (Convolutional Recurrent Neural Network) 심층 신경망 기술을 적용하여 문자열 전체를 한 번에 인식하였다. 본 연구에서 제안하는 관심문자열 기술 구조는 총 3개의 심층 신경망으로 구성되어 있다. 첫 번째는 관심 문자열 영역을 검출하는 합성곱신경망이고, 두 번째는 관심 문자열 영역 내의 문자열 인식을 위해 영역 내의 이미지를 세로 열 별로 특징 추출하는 합성곱 신경망이며, 마지막 세 번째는 세로 열 별로 추출된 특징 벡터 나열을 문자열로 변환하는 시계열 분석 신경망이다. 관심 문자열은 12자리 기물번호 및 4 ~ 5 자리 사용량이며, 인식 정확도는 각각 0.960, 0.864 이다. 전체 시스템은 Amazon Web Service 에서 제공하는 클라우드 환경에서 구현하였으며 인텔 제온 E5-2686 v4 CPU 및 Nvidia TESLA V100 GPU를 사용하였다. 1일 70만 건의 검침 요청을 고속 병렬 처리하기 위해 마스터-슬레이브 처리 구조를 채용하였다. 마스터 프로세스는 CPU 에서 구동되며, 모바일 기기로 부터의 검침 요청을 입력 큐에 저장한다. 슬레이브 프로세스는 문자열 인식을 수행하는 심층 신경망으로써, GPU에서 구동된다. 슬레이브 프로세스는 입력 큐에 저장된 이미지를 기물번호 문자열, 기물번호 위치, 사용량 문자열, 사용량 위치 등으로 변환하여 출력 큐에 저장한다. 마스터 프로세스는 출력 큐에 저장된 검침 정보를 모바일 기기로 전달한다.