• Imaging Science in Dentistry
• /
• 제52권4호
• /
• pp.351-357
• /
• 2022

Purpose: Convolutional neural networks (CNNs) have rapidly emerged as one of the most promising artificial intelligence methods in the field of medical and dental research. CNNs can provide an effective diagnostic methodology allowing for the detection of early-staged diseases. Therefore, this study aimed to evaluate the performance of a deep CNN algorithm for apical lesion segmentation from panoramic radiographs. Materials and Methods: A total of 1000 panoramic images showing apical lesions were separated into training (n=800, 80%), validation (n=100, 10%), and test (n=100, 10%) datasets. The performance of identifying apical lesions was evaluated by calculating the precision, recall, and F1-score. Results: In the test group of 180 apical lesions, 147 lesions were segmented from panoramic radiographs with an intersection over union (IoU) threshold of 0.3. The F1-score values, as a measure of performance, were 0.828, 0.815, and 0.742, respectively, with IoU thresholds of 0.3, 0.4, and 0.5. Conclusion: This study showed the potential utility of a deep learning-guided approach for the segmentation of apical lesions. The deep CNN algorithm using U-Net demonstrated considerably high performance in detecting apical lesions.

• 대한의용생체공학회:의공학회지
• /
• 제25권5호
• /
• pp.421-430
• /
• 2004

임상적으로 의사가 청진기를 이용해 초기 혈전이 생긴 기계식 판막 음향신호의 변화를 구분하기는 쉽지 않다. 기계식 판막의 이상은 환자의 죽음을 의미하기 때문에 기계식 판막의 신뢰성과 초기 혈전 현상을 비관혈적으로 조기 진단하는 방법은 매우 중요하다. 이 논문은 컴퓨터 보조진단 시스템과 음향신호의 주파수 스펙트럼의 이동을 관찰하여 기계식 판막의 혈전 현상을 비관혈적으로 평가하는 것을 목적으로 한다. 혈전 모델은 상용화된 기계식 판막에 폴리우레세인과 실리콘을 이용하여 제작하였다. 판막의 표면에는 폴리우레세인을 코팅하고, 봉합링에는 실리콘을 코팅하였다. 봉합링의 주위에서 혈전이 발생하고, 20％, 40％, 60％로 자라나는 현상은 실리콘을 이용하여 제작하였다. 실험 시스템에서 판막의 음향 신호는 마이크로폰과 증폭기를 사용하여 측정하였고, 마이크로폰에는 주위잡음을 제거하기 위해 커플러를 장착하였다. 측정된 음향신호는 A/D 컨버터를 이용하여 샘플링하고, 스펙트럼을 분석하였다. 정상적인 판막과 혈전이 형성된 판막의 주파수 구분을 위해 인공신경망을 구성하였고, 연속적으로 판막의 운동 주기성을 확인하기 위하여 return map을 사용하였다. 생체 내 실험에서는 기계식 판막을 사용하는 순환장치를 장착한 동물과 기계식 판막을 치환 받은 지 1년 이내와 1년이 넘은 환자에게서 데이터를 채집하였다. 실험에서 얻은 데이터 스펙트럼은 두 가지 형태의 첨두치를 보였고, 이중에서 두 번째 첨두치는 혈전의 모델에 따라 변화를 보였다. 생체 내, 외 실험에서 얻은 데이터를 인공신경망에 적용한 결과 정상 판막과 혈전이 생성된 판막을 구분하였고, 환자를 대상으로 한 실험에서는 10명 중 1명이 두 번째 첨두치가 이동하는 결과를 보였지만 다른 방법으로 확인하지는 못했다. 본 논문의 결과는 기계식 판막의 혈전현상을 비침습적으로 조기 진단하고, 상태를 지속적으로 감시할 수 있는 기술적 토대를 제공할 것이다.

• 한국의학물리학회지:의학물리
• /
• 제17권4호
• /
• pp.238-245
• /
• 2006

CT 검사에서 조영제 혈관외유출을 예방하기 위해 EDA 시스템을 개발하여 가토를 대상으로 실험적으로 혈관외유출의 검출 효율을 평가하였다. 7마리의 가토 IV 정맥 부위에 EDA 시스템의 스트레인게이지를 부착하여 조영제를 주입하면서 혈관외유출 검출 효율을 평가하였다. 조영제의 혈관외유출은 7건으로 혈관외유출 용량 $14{\sim}23ml$ (평균 18.86 ml), 혈관외유출 발생시간 평균 11.29초, 평균압력 109.71 psi, EDA 시스템에서 스트레인게이지의 분해능 평균 512.18, 진양성 7건, 진음성 19건, 위양성 2건이었고, 민감도 100%, 특이도 90%로 나타났다. 개발된 EDA 시스템을 가토에 실험적으로 적용하여 소량의 혈관외유출 조영제를 검출하는 효율이 있어 혈관외유출을 예방하는 효과가 있다.

• Asian Pacific Journal of Cancer Prevention
• /
• 제17권5호
• /
• pp.2597-2603
• /
• 2016

Ovarian cancer is a highly malignant neoplasm with high mortality rates. Research to identify markers facilitating early detection has been pursued for many years. Currently, diagnosis is based on the CA 125 and HE4 markers, as well as the ROMA algorithm. The search continues for new proteins that meet the criteria of good markers A total of 90 patients were included in the present study, allocated into: group 1, ovarian cancer, with 29 patients; group 2, endometrial cysts, with 30s; and group 3, simple ovarian cysts, with 31. Following histopathological verification, the CA 125, HE4, and metalloproteinase 3 (MMP3) levels were determined and the ROMA algorithm was calculated for all patients. The mean concentrations of all determined proteins, CA 125, HE4, and MMP3, as well as the ROMA values, were significantly higher in group 1 (ovarian cancer) compared to group 3 (simple ovarian cysts). The highest significant differences for the CA 125 levels (p<0.000001) and ROMA (p<0.000001) values were observed in postmenopausal women. For HE4, statistical significance was at the level of p=0.00001 compared to p=0.002 for MMP3. For the differentiation between ovarian cancer and endometrial cysts, the respective AUC ratios were obtained for CA 125, HE4, and MMP3 levels, as well as the ROMA values ( 0,93 / 0,96 / 0,75 / 0,98). After removing the post-menopausal patients, the MMP3 AUC value for ovarian cancer vs. benign ovarian cysts increased to 0.814. For post-menopausal women, the MMP3 AUC value for ovarian cancer vs. endometrial cysts was 0.843. As suggested by the results above, both the CA 125 and HE4 markers, as well as the ROMA algorithm, meet the criteria of a good diagnostic test for ovarian cancer. MMP3 seems to meet the criteria of a good diagnostic test, particularly in postmenopausal women; however, it is not superior to the tests used to date.

• 한국산학기술학회논문지
• /
• 제17권9호
• /
• pp.292-301
• /
• 2016

구제역 발생에 따른 피해는 매우 크기 때문에 구제역의 피해를 최소화하기 위해서는 선제적인 구제역 진단 및 대응이 필수적이다. 주요 구제역 증상은 소의 체온 상승, 식욕 부진, 유량 감소, 입 발굽 유방에 물집 형성 등이며, 이중 확인하기 가장 쉽고 빠른 방법은 체온을 검사하는 방법이다. 본 논문에서는 선제적 구제역 대응을 위해 소 발굽 검출 알고리즘을 개발 구현하고, 축사에 고해상도 카메라 모듈과 열화상 카메라, 온습도 모듈 설치하여 발굽 검색 테스트를 시행하였다. 본 연구에서 개발한 알고리즘과 시스템을 통해 구제역 의심 가축의 조기 상황 대처를 할 수 있으며, 가축의 최적 성정 환경을 조성할 수 있다. 특히, 본 연구에서는 기존의 휴대용이 아닌 열화상 카메라를 활용한 구제역 대응 시스템은 축사에 고정으로 부착하여 별도 인력을 필요로 하지 않고 이미지 알고리즘을 통하여 가축의 발굽 온도를 자동 측정하는 기능과 스마트 폰을 활용한 자동 경고 기능을 가지고 있다. 이러한 시스템은 실시간을 구제역 가능성 예측을 가능케 하며, 별도의 인력이 없이 가축 질병에 대한 초동 방역 대응을 할 수 있다.

• 지적과 국토정보
• /
• 제50권1호
• /
• pp.201-214
• /
• 2020

본 연구는 UAV 영상의 식생지수를 활용한 소나무재선충병 피해목 조기 탐지를 그 목적으로 하며, NDVI를 비롯한 대표적인 식생지수들을 선정하고 각각의 분류 정확도 비교분석을 통해 최적의 식생지수를 분석해보았다. 현장답사를 통하여 193개체의 소나무재선충병 피해목 위치데이터를 구축하고 동시에 다중분광 UAV 영상을 이용하여 4가지 식생지수 분석을 수행하였다. 무감독분류(K-Means)를 통하여 피해목을 분류하였고, 오차행렬(Confusion Matrix)를 이용하여 식생지수별 분류정확도를 비교·분석하였다. 연구의 결과를 요약하면 다음과 같다. 첫째 분류의 전체정확도는 NDVI (88.04%, Kappa계수 0.76) > GNDVI (86.01%, Kappa계수 0.72) > NDRE (77.35%, Kappa계수 0.55) > SAVI (76.84%, Kappa계수 0.54)순으로 분석되어 NDVI가 가장 높은 정확도를 보였으며, GNDVI가 거의 비슷한 수준의 분류정확도를 보였다. 둘째, NDVI 및 GNDVI 식생지수를 이용한 K-Means 무감독 분류방법으로 피해목의 판별이 어느 정도 가능한 것으로 판단된다. 특히 위 기법은 연산이 집약적이고 사용자의 개입이 적고 분석과정이 상대적으로 간단하여 피해목의 조기 탐지에 도움을 줄 수 있을 것으로 판단된다. 향후 시계열영상의 활용 또는 딥러닝기법의 추가 응용으로 분류정확도를 높일 수 있을 것으로 기대한다.

• 대한방사선기술학회지:방사선기술과학
• /
• 제32권1호
• /
• pp.45-52
• /
• 2009

유방 촬영술(Digital mammography)은 유방암의 조기 진단에서 매우 중요한 진단 방법으로서 비촉지성 유방암의 조기 발견율을 높여 유방암에 따른 여성의 사망률을 감소시키고 있다. 그 중에서도 유방 병변의 미세석회화(Microcalcification)는 조기 유방암의 진단에 있어서 중요한 병변으로 보고 되고 있으며, 선별 검사로 임상적 유용성이 확립된 상태이다. 유방 촬영술에서 미세석회화 소견은 영상의학과 전문의가 판독하여 조직 검사에서 양성 및 악성 병변에 대하여 각각 군집의 개수, 군집 당 석회화 수, 미세석회화 크기와 범위, 미세석회화 형태, 동반 종괴의 유무 등을 분석하여 최종적으로 진단을 확정한다. 그러므로 군집화된 미세석회화의 정보는 유방암 예측에 있어 임상적인 실질 정보를 가지고 있으며, 의사에게 진단을 위한 검사의 기본적인 가이드라인을 제시한다. 따라서 본 연구에서는 유방 촬영술의 디지털 영상에 나타난 미세석회화의 정량적인 계산을 위해서 DoG filter, Adaptive thresholding, Expectation Maximization의 3단계를 제안한다. 제안한 알고리듬을 실험을 통하여 군집화 및 각 클러스터 내의 미세석회화의 분포 개수, 길이를 측정하였으며, 임상의 사에게 디지털 유방영상의 분석을 통하여 초기 유방암 진단의 지표를 제시할 것으로 사료된다. 그리고 이는 객관적인 유방암 컴퓨터자동검출(CAD)에 사용될 수 있는 병변의 정보로서 가능성을 보였다.

• 대한의용생체공학회:의공학회지
• /
• 제18권4호
• /
• pp.429-438
• /
• 1997

기계식 판막은 매몰식 인공장기에 널리 사용돼 왔으며, 판막의 이상은 환자의 죽음으르 의미한다. 판막의 이상에 영향을 미치는 것은 많은 요소들이 있는데 대표적으로 기계적인 고장과 혈전현상이 있다. 그래서 비침습적으로 이것들을 발견하는 것이 필요하게 된 것이다. 이 논문의 목적은 스펙트럼의 해석과 인공신경망을 이용하여 혈전현상을 발견하는데 있다. 신호의 측정은 공압식 좌심실 보조장치에 장착한 기계식 판막으로부터 마이크로폰과 증폭기를 이용하였다. 디스크 위의 모의 혈전현상과 봉합링의 주위에 혈전현상, 20%, 40% 60%로 자라나는 혈전현상은 펠레세인과 실리콘을 이용하여 제작하였다. 기초 성능 평가를 위해 1KHz 정현파를 인가하여 시스템을 평가하였으며, 정상적인 판막과 5 종류의 혈전현상의 스펙트럼은 혈전현상의 정보를 지닌 개폐시 peak의 신호 파형에서 구하였다. 데이터의 정량적인 해석을 위해 7,000개의 입력 노드와 20개의 은닉층과 1개의 출력층으로 이루어진 인공신경망을 사용하였다. 결론적으로 훈련된 인공신경망을 사용한 결과 정상 판막과 비정상 판막을 판단하는데 90%의 판단능력을 보였다. 이상의 실험을 통해 판막의 이상유무를 신호의 스펙트럼 해석과 인공신경망을 통해 평가할수 있음을 알 수 있었다. 본 논문의 결과는 앞으로 인공장기를 몸속에 지니고 있는 환자에게서 장기의 상태를 지속적으로 감시할 수 있는 기술적 토대를 제공할 것이다.

• 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.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제6권11호
• /
• pp.537-542
• /
• 2017

공격적인 성향의 운전은 자동차 사고의 주요한 원인이 된다. 기존 연구에서는 공격적 성향의 운전을 검출하기 위해, 주로 청년을 대상으로 연구가 이뤄졌으며 기계학습의 순수한 Clustering 또는 Classification 기법을 통해 이뤄졌다. 그러나 노인들은 취약한 신체적 조건에 의해 젊은 운전자와는 다른 운전 강도를 가지고 있어 기존의 방식으로는 검출이 불가능 하며, 데이터를 보정하는 등의 새로운 방법이 필요하다. 그리하여, 본 연구에서는 기존의 클러스터링 기법(K-means, Expectation - maximization algorithm)에, 새롭게 제안하는 ECA(Enhanced Clustering method for Acceleration data)기법을 추가하여, 주행 차량에 위치한 스마트폰으로부터 수집된 가속도 데이터를 분석하고 공격적인 운전 형태를 검출해 낸다. ECA는 모든 피험자의 데이터에서 K-means와 EM을 통해 검출된 군집군의 데이터 중 높은 강도의 데이터를 선별하여, 특징을 스케일링한 값을 통해 모델링한다. 본 방식을 통해 기존의 연구의 순수한 클러스터링 방식과는 달리, 모든 청장년 및 노인 실험 참가자 개인들의 공격적인 운전 데이터가 검출되었으며, 클러스터링 기법간의 비교를 통해 K-means 기법이 보다 높은 검출 효율을 갖고 있음을 확인했다. 또한, K-means 방식을 검출한 공격적인 운전 데이터에서는 젊은 운전자가 노인운전자에 비해 1.29배의 높은 운전 강도를 가지고 있음을 발견했다. 이와 같이 본 연구에서 제안된 방식은 낮은 운전 강도를 갖고 있는 노인의 데이터에서 공격적인 운전을 검출 가능하게 되었으며, 특히. 제안된 방법은 노인 운전자를 위한 맞춤형 안전운전 시스템을 구축이 가능하며, 추후 다양한 연구을 통해 이상 운전 상태를 검출하고 조기 경보하는데 활용이 가능할 것이다.