• 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.

• 시큐리티연구
• /
• 제14호
• /
• pp.517-534
• /
• 2007

Terrorism은 인류사회가 형성되고 생존과 번영을 위한 경쟁과 투쟁을 시작하면서 그 수단으로, 문명의 발전과 권력구조를 반영하면서 같이 진화하며 존재해 왔다. 냉전체제 붕괴 후, 21세기 새로운 세계질서의 확립 과정에서 9.11Terror를 계기로 미국을 중심으로 한 서방세력과 이슬람권의 대립이 시현되면서 인류는 테러위협의 공포 속에서 삶의 질을 위협 받고 있다. 미국은 9.11Terror에 대한 응징과 Terror 근절이라는 명분으로 자신의 가치관에 따른 "대(大)중동 민주화 구상"의 로드 맵을 2차에 걸친 전쟁을 통해 강요하면서 군사력에 의한 일방주의적 대외안보전략을 고수하고 있다. 그러나 완벽한 군사적 승리와 전후 5년 동안 4000명에 가까운 희생과 한국전과 베트남전을 능가하는 전비를 감수하고도 Terrorism의 위협으로부터 자유롭지 못한 상황이다. Terrorism은 본질적으로 힘의 지배에 대한 저항이며, 정면 대결이 불가능한 약자의 비대칭적 대결방식이고, 정상적인 방법으로의 변화가 불가능한 통념이나 질서에 대한 약자의 거부 의사의 표시 방법 중 하나이다. 따라서 최근 이슬람테러리즘은 미국이라는 절대적인 무력에 대해 전술적으로 빠르게 진화하면서, 고도화된 문명과 집약된 환경을 효과적으로 활용하며, Internet을 통해 훈련되고 종교적으로 의식화되고, 알카에디즘에 의해 점조직으로 지원과 지령을 하고 있으며, 이런 경향이 이슬람2-3세들을 중심으로 자생적으로 생성되어 전 서방제국으로 확산되고 있다. 이는 힘의 논리에 따른 미국의 일방주의적 대외 안보전략의 실패 결과이며, 이에 대응한 이슬람Terrorism의 전술적 진화이다. 이런 위협이 서방세계 각국의 대중에 대한 공포로 확산되고, 해결 방법을 어렵게하고 있다. 이는 해결방법의 변화를 요구하고 있다. 또한 이의 확산은 인종간의 분화와 인구 대이동으로 발전될 가능성까지 제기되고 있다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.57-73
• /
• 2021

ICT 인프라의 이상탐지를 통한 유지보수와 장애 예방이 중요해지고 있다. 장애 예방을 위해서 이상탐지에 대한 관심이 높아지고 있으며, 지금까지의 다양한 이상탐지 기법 중 최근 연구들에서는 딥러닝을 활용하고 있으며 오토인코더를 활용한 모델을 제안하고 있다. 이는 오토인코더가 다차원 다변량에 대해서도 효과적으로 처리가 가능하다는 것이다. 한편 학습 시에는 많은 컴퓨터 자원이 소모되지만 추론과정에서는 연산을 빠르게 수행할 수 있어 실시간 스트리밍 서비스가 가능하다. 본 연구에서는 기존 연구들과 달리 오토인코더에 2가지 요소를 가미하여 이상탐지의 성능을 높이고자 하였다. 먼저 다차원 데이터가 가지고 있는 속성별 특징을 최대한 부각하여 활용하기 위해 멀티모달 개념을 적용한 멀티모달 오토인코더를 적용하였다. CPU, Memory, network 등 서로 연관이 있는 지표들을 묶어 5개의 모달로 구성하여 학습 성능을 높이고자 하였다. 또한, 시계열 데이터의 특징을 데이터의 차원을 늘리지 않고 효과적으로 학습하기 위하여 조건부 오토인코더(conditional autoencoder) 구조를 활용하는 조건부 멀티모달 오토인코더(Conditional Multimodal Autoencoder, CMAE)를 제안하였다. 제안한 CAME 모델은 비교 실험을 통해 검증했으며, 기존 연구들에서 많이 활용된 오토인코더와 비교하여 AUC, Accuracy, Precision, Recall, F1-score의 성능 평가를 진행한 결과 유니모달 오토인코더(UAE)와 멀티모달 오토인코더(Multimodal Autoencoder, MAE)의 성능을 상회하는 결과를 얻어 이상탐지에 있어 효과적이라는 것을 확인하였다.