• 대한전자공학회논문지SP
• /
• 제43권1호
• /
• pp.101-108
• /
• 2006

이 논문에서는 64-Point FFT Radix-4 알고리즘을 DA(Distributed Arithmetic)연산을 이용하여 효율적으로 나비연산 구조를 설계할 수 있음을 보였다. 기존의 convolution 연산에 사용되어 왔던 DA연산이 FFT 나비연산의 트위들 계산에도 효과적으로 사용될 수 있음을 보였다. 제안된 DA 나비연산 구조를 Verilog HDL 코딩으로 구현한 결과, 기존의 승산기를 사용한 나비연산 구조와 비교하여 $61.02\%$의 cell area 감소 효과를 보였다. 또한 제안된 나비연산 구조를 파이프라인 구조에 적용하여 지연변환기와 함께 사용한 전체 64-point Radix-4 FFT 구조의 Verilog-HDL 코딩을 기존의 승산기를 사용한 구조의 코딩과 비교한 결과, $46.1\%$의 cell area 감소효과를 볼 수 있었다. 따라서 제안된 FFT 구조는 DMB용 OFDM 모뎀과 같은 큰 크기의 FFT에 효율적으로 사용될 수 있는 구조가 될 것이다.

• 한국의학물리학회지:의학물리
• /
• 제23권1호
• /
• pp.48-53
• /
• 2012

방사선치료계획장치에서 선량계산을 위해 PBC 알고리즘(pencil beam convolution)은 가장 널리 사용되고 있다. Varian (Varian Medical System, Palo Alto, CA)사는 광자의 선량 계산을 위해서 AAA 알고리즘을 새롭게 선량계산모델로 탑재하였다. 본 연구는 폐와 같은 저밀도 영역에 종양부위가 있는 환자를 대상으로 세기조절방사선치료를 시행할 경우에 PBC 알고리즘과 AAA 알고리즘으로 계산했을 때 차이를 정량적으로 알고자 하는데 목적이 있다. 두 알고리즘의 정량적 분석을 위해서 Eclipse planning system과 I'mRT matrixx (IBA, Schwarzenbruck, Germany)를 사용하였다. 또한 두 알고리즘으로 계산된 선량과 실제 측정된 선량의 차이를 확인하기 위해서 인체모형펜텀(Alderson Rando phantom)속에 TLD-100 (LiF)을 위치 시켰다. 종양부위 주위의 중요장기인 trachea, esophagus, lung, PRV spinal cord의최대선량, 평균선량, 최소선량은 알고리즘의 변화에 따라서 거의 변화가 없었으나, PTV의 V95는 PBC와 비교하여 AAA가 약 6% 감소하는 결과를 얻었다. 이러한 결과는 I'mRT matrixx를 이용하여 저밀도를 가지는 폐의 위치에서 확연하게 나타남을 확인할 수 있었다. 또한 인체모형펜텀(Alderson Rando phantom)과 TLD-100 (LiF)을 이용한 계산선량과 실제 측정치의 결과는 PBC 알고리즘은 평균 4.6%의 차이를 보였으며, AAA 알고리즘은 평균 2.7%의 차이를 보였다. 이 결과로 저밀도를 가지는 폐암에서의 세기조절방사선치료를 시행할 경우에 PBC 알고리즘보다 AAA 알고리즘이 더 유효함을 알 수 있다.

• 대한원격탐사학회지
• /
• 제35권6_1호
• /
• pp.959-971
• /
• 2019

대표적인 딥러닝(deep learning) 기법 중 하나인 Convolutional Neural Network(CNN)은 고수준의 공간-분광 특징을 추출할 수 있어 초분광 영상 분류(Hyperspectral Image Classification)에 적용하는 연구가 활발히 진행되고 있다. 그러나 초분광 영상은 높은 분광 차원이 학습 과정의 시간과 복잡도를 증가시킨다는 문제가 있어 이를 해결하기 위해 기존 딥러닝 기반 초분광 영상 분류 연구들에서는 차원축소의 목적으로 Principal Component Analysis (PCA)를 적용한 바 있다. PCA는 데이터를 독립적인 주성분의 축으로 변환시킬 수 있어 분광 차원을 효율적으로 압축할 수 있으나, 분광 정보의 손실을 초래할 수 있다. PCA의 사용 유무가 CNN 학습의 정확도와 시간에 영향을 미치는 것은 분명하지만 이를 분석한 연구가 부족하다. 본 연구의 목적은 PCA를 통한 분광 차원축소가 CNN에 미치는 영향을 정량적으로 분석하여 효율적인 초분광 영상 분류를 위한 적절한 PCA의 적용 방법을 제안하는 데에 있다. 이를 위해 PCA를 적용하여 초분광 영상을 축소시켰으며, 축소된 차원의 크기를 바꿔가며 CNN 모델에 적용하였다. 또한, 모델 내의 컨볼루션(convolution) 연산 방식에 따른 PCA의 민감도를 분석하기 위해 2D-CNN과 3D-CNN을 적용하여 비교 분석하였다. 실험결과는 분류정확도, 학습시간, 분산 비율, 학습 과정을 통해 분석되었다. 축소된 차원의 크기가 분산 비율이 99.7~8%인 주성분 개수일 때 가장 효율적이었으며, 3차원 커널 경우 2D-CNN과는 다르게 원 영상의 분류정확도가 PCA-CNN보다 더 높았으며, 이를 통해 PCA의 차원축소 효과가 3차원 커널에서 상대적으로 적은 것을 알 수 있었다.

• 한국의학물리학회지:의학물리
• /
• 제30권1호
• /
• pp.1-6
• /
• 2019

Purpose: This study conducts a comparative evaluation of the skin dose in CyberKnife (CK) and Helical Tomotherapy (HT) to predict the accurate dose of radiation and minimize skin burns in head-and-neck stereotactic body radiotherapy. Materials and Methods: Arbitrarily-defined planning target volume (PTV) close to the skin was drawn on the planning computed tomography acquired from a head-and-neck phantom with 19 optically stimulated luminescent dosimeters (OSLDs) attached to the surface (3 OSLDs were positioned at the skin close to PTV and 16 OSLDs were near sideburns and forehead, away from PTV). The calculation doses were obtained from the MultiPlan 5.1.2 treatment planning system using raytracing (RT), finite size pencil beam (FSPB), and Monte Carlo (MC) algorithms for CK. For HT, the skin dose was estimated via convolution superposition (CS) algorithm from the Tomotherapy planning station 5.0.2.5. The prescribed dose was 8 Gy for 95% coverage of the PTV. Results and Conclusions: The mean differences between calculation and measurement values were $-1.2{\pm}3.1%$, $2.5{\pm}7.9%$, $-2.8{\pm}3.8%$, $-6.6{\pm}8.8%$, and $-1.4{\pm}1.8%$ in CS, RT, RT with contour correction (CC), FSPB, and MC, respectively. FSPB showed a dose error comparable to RT. CS and RT with CC led to a small error as compared to FSPB and RT. Considering OSLDs close to PTV, MC minimized the uncertainty of skin dose as compared to other algorithms.

• 대한공간정보학회지
• /
• 제22권1호
• /
• pp.23-29
• /
• 2014

고해상도 위성영상의 등장과 공간분해능의 발전은 위성영상을 활용한 다양한 연구들을 가능하게 하였다. 그 중에서도 고해상도 위성영상을 이용한 표적 탐지 기술은 광범위한 지역의 차량, 항공기, 선박 등의 탐지를 가능하게 하여 교통류 모델링, 군사적 목적의 감시 정찰을 효과적으로 수행하게 한다. 최근 다양한 국가에서 여러 위성을 발사함에 따라 위성영상 선택의 폭이 증가하였으나 고해상도 위성영상을 이용한 공간해상도 비교 연구는 많지 않으며 더욱이 표적 탐지에 미치는 공간 해상도의 영향에 관한 연구는 국내외로 매우 부족한 상황이다. 따라서 본 연구에서는 PSO 기반의 표적 탐지 연구를 바탕으로 공간해상도가 항공기 및 선박 표적 탐지에 미치는 영향을 분석하였다. 원영상에 대한 재배열 보간 기법을 통해 0.5m, 1m, 2m, 4m의 다양한 공간해상도의 시뮬레이션 영상을 생성하고 이때 최근린보간, 양선형보간, 3차회선보간과 같이 다양한 재배열 보간 기법을 적용하였다. 표적 탐지 정확도는 공간해상도 뿐만 아니라 보간 기법에 따라 비교 분석되었다. 연구 결과 0.5m의 고해상도 영상에서 그리고 최근린보간 기법을 이용한 재배열 영상에서 더 높은 표적 탐지 정확도를 얻을 수 있음을 확인하였다. 또한 50% 이상의 표적 탐지 정확도를 얻기 위해서는 항공기의 경우 2m, 선박의 경우 4m 이상의 영상이 필요하며 항공기의 형태적 특이성은 더 높은 공간 해상력을 필요로 함을 확인하였다. 본 연구는 항공기 및 선박 표적 탐지에 적합한 적정 공간분해능을 제안하고 위성 센서 설계의 기준을 제시하는데 큰 기여를 할 것으로 사료된다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제26권2호
• /
• pp.28-36
• /
• 2022

매립지 위에 건설되는 항만시설물은 바람(태풍), 파랑, 선박과의 충돌 등 극한 외부 하중에 노출되기 때문에 구조물의 안전성 및 사용성을 주기적으로 평가하는 것이 중요하다. 본 논문에서는 항만 계류시설에 설치된 방충설비의 유지관리를 위하여 비전 및 딥러닝 기반의 방충설비 세분화(segmentation) 시스템을 개발하였다. 방충설비 세분화를 위하여 인코더-디코더 형식과 인간 시각체계의 편심 기능에서 영감을 얻은 수용 영역 블록(Receptive field block) 기반의 합성곱 모듈을 DenseNet 형식으로 개선하는 딥러닝 네트워크를 제안하였다. 네트워크 훈련을 위해 BP형, V형, 원통형, 타이어형 등 다양한 형태의 방충설비 영상을 수집하였으며, 탄성 변형, 좌우 반전, 색상 변환 및 기하학적 변환을 통해 영상을 증강시킨 다음 제안한 딥러닝 네트워크를 학습하였다. 기존의 세분화 모델인 VGG16-Unet과 비교하여 제안한 모델의 세분화 성능을 검증하였으며, 그 결과 본 시스템이 IoU 84%, 조화평균 90% 이상으로 정밀하게 실시간으로 세분화할 수 있음을 확인하였다. 제안한 방충설비 세분화 시스템의 현장적용 가능성을 검증하기 위하여 국내 항만 시설물에서 촬영된 영상을 기반으로 학습을 수행하였으며, 그 결과 기존 세분화 모델과 비교하였을 때 우수한 성능을 보이며 정밀하게 방충설비를 감지하는 것을 확인하였다.

• 대한방사선치료학회지
• /
• 제28권2호
• /
• pp.139-148
• /
• 2016

목 적 : 양성자 치료 시 사용되는 Range Compensator는 Target의 Distal Margin의 선량에 대해 정상조직에 전달되는 양성자 빔 선량을 보정하는 역할을 한다. 이에 뇌종양 치료에 사용되는 Range Compensator의 Smooth Thickness를 다르게 적용함에 따른 PTV와 OAR의 선량을 비교하여 대상 부위의 선량이 개선되는 것을 확인해 보고자 한다. 대상 및 방법 : 본원에서 양성자 치료를 받은 뇌종양 환자 10명을 대상으로 Eclipse Proton Planning System(Version 10.0, Varian, USA)의 Compensator Editor를 사용하여 Range Compensator에 적용되는 Smooth Thickness를 각각 1회에서 5회까지 순차적으로 적용하였다. 치료계획의 알고리즘은 Proton Convolution Superposition(version 8.1.20 or 10.0.28)을 사용하였고, Smooth Thickness를 단계적으로 적용함에 따른 PTV의 Dmax, Dmin, Homogeneity Index, Conformity Index 그리고 종양주위의 OAR 선량을 비교하였다. 결 과 : Smooth Thickness를 1회에서 5회까지 적용하였을 때 PTV의 최대선량(Dmax)은 최대 4.3%, 최소 0.8%, 평균 1.81% 감소하였으며, 최소선량(Dmin)은 최대 1.8%, 최소 0.2%, 평균 0.82% 증가하였고, 최대선량과 최소선량의 차이는 최대 5.9%, 최소 1.4%, 평균 2.63% 감소하였다. Homogeneity Index는 평균 0.018 감소하였고 Conformity Index는 거의 변화가 없었다. OAR 선량은 Brain Stem에서 최대 1.6%, 최소 0.1%, 평균 0.59% 감소하였으며, Optic Chiasm에서 최대 1.3%, 최소 0.3%, 평균 0.45% 감소하였으나, C와 E환자가 각각 0.3%, 0.6% 증가하였다. 그리고 Rt. Optic Nerve에서 최대 1.5%, 최소 0.3%, 평균 0.8% 감소하였으나, B환자가 0.1% 증가하였다. Lt. Optic Nerve에서는 최대 1.8%, 최소 0.3%, 평균 0.67% 감소하였으나, H환자가 0.4% 증가하였다. 결 론 : 뇌종양 환자의 양성자 치료에 사용되는 Range Compensator의 Smooth Thickness가 단계적으로 적용될수록 Compensator의 해상도가 증가하여 가장 최적화된 양성자 빔 선량을 전달할 수 있다. 이는 PTV에 좀 더 균일한 선량을 조사할 수 있고 또한 OAR에 작용하는 불필요한 선량을 감소시켜 부작용을 줄일 수 있을 것으로 사료된다.

• 지능정보연구
• /
• 제25권4호
• /
• pp.141-154
• /
• 2019

인터넷 기술과 소셜 미디어의 빠른 성장으로 인하여, 구조화되지 않은 문서 표현도 다양한 응용 프로그램에 사용할 수 있게 마이닝 기술이 발전되었다. 그 중 감성분석은 제품이나 서비스에 내재된 사용자의 감성을 탐지할 수 있는 분석방법이기 때문에 지난 몇 년 동안 많은 관심을 받아왔다. 감성분석에서는 주로 텍스트 데이터를 이용하여 사람들의 감성을 사전 정의된 긍정 및 부정의 범주를 할당하여 분석하며, 이때 사전 정의된 레이블을 이용하기 때문에 다양한 방향으로 연구가 진행되고 있다. 초기의 감성분석 연구에서는 쇼핑몰 상품의 리뷰 중심으로 진행되었지만, 최근에는 블로그, 뉴스기사, 날씨 예보, 영화 리뷰, SNS, 주식시장의 동향 등 다양한 분야에 적용되고 있다. 많은 선행연구들이 진행되어 왔으나 대부분 전통적인 단일 기계학습기법에 의존한 감성분류를 시도하였기에 분류 정확도 면에서 한계점이 있었다. 본 연구에서는 전통적인 기계학습기법 대신 대용량 데이터의 처리에 우수한 성능을 보이는 딥러닝 기법과 딥러닝 중 CNN과 LSTM의 조합모델을 이용하여 감성분석의 분류 정확도를 개선하고자 한다. 본 연구에서는 대표적인 영화 리뷰 데이터셋인 IMDB의 리뷰 데이터 셋을 이용하여, 감성분석의 극성분석을 긍정 및 부정으로 범주를 분류하고, 딥러닝과 제안하는 조합모델을 활용하여 극성분석의 예측 정확도를 개선하는 것을 목적으로 한다. 이 과정에서 여러 매개 변수가 존재하기 때문에 그 수치와 정밀도의 관계에 대해 고찰하여 최적의 조합을 찾아 정확도 등 감성분석의 성능 개선을 시도한다. 연구 결과, 딥러닝 기반의 분류 모형이 좋은 분류성과를 보였으며, 특히 본 연구에서 제안하는 CNN-LSTM 조합모델의 성과가 가장 우수한 것으로 나타났다.