• 제목/요약/키워드: Full digital System

검색결과 352건 처리시간 0.018초

5 Mega 화소 진단용 전자표시장치 인수검사 및 국내 실정에 적합한 정도관리 가이드라인 연구 (The Acceptance Testing of 5 Mega Pixels Primary Electronic Display Devices and the Study of Quality Control Guideline Suitable for Domestic Circumstance)

  • 정해조;김희중;김성규
    • 한국의학물리학회지:의학물리
    • /
    • 제18권2호
    • /
    • pp.98-106
    • /
    • 2007
  • 2005년 6월 연세의료원 세브란스병원에서는 진단목적으로 20대의 5 mesa 화소 Totoku ME511L 평판 LCD 표시장치를 추가하여 PACS를 확장하였다. 20대의 Totoku ME511L 표시장치를 대상으로 반사, 휘도 반응, 휘도 공간 의존, 분해능, 잡음, 베일링 그레어, 그리고 색도 항목에 대하여 AAPM TG 18보고서에 기준하여 정량적인(또는 시각적인) 인수검사를 실시하였다. 측정에 사용된 장치는 색도를 측정할 수 있는 만원경식 휘도계, 조도계, 반사 측정에 필요한 빛 선원, 빛 차단 장치, 그리고 TG18 테스트 패턴들이었다. 선택된 8대의 표시장치에 대한 평균 확산 반사계수($R_d$)는 $0.019{\pm}0.02sr^{-1}$이었다. 휘도 반응 검사에서, 휘도비(LR), 최대 휘도 변이($L_{max}$), 그리고 최대 대조도 반응 변이는 각각 $550{\pm}100,\;2.0{\pm}1.9%$, 그리고 $5.8{\pm}1.8%$이었다. 휘도 균일도 검사에서, 최대 휘도 변이는 TG18-UNL10 테스트 패턴의 10% 휘도에 대하여 $14.3{\pm}5.5%$이었다. 분해능 측정은 휘도 측정법으로 수행하였으며 중심에서 퍼센트 휘도(${\Dalta}L$)는 $0.94{\pm}0.64%$이었다. 시각적인 방법의 잡음측정의 모든 경우에서, 중앙 및 주위 4사분면에서 가장 작은 것을 제외하고 15개의 모든 정사각형의 표적을 인식할 수 있었다. 글레어 비(GR)은 $12,346{\pm}1,995$이었다. 최대 색도 균일도 지표(D)는 $0.0025{\pm}0.0008$이었다. 또한 국내 실정에 적합한 진단용 표시장치의 정도관리 가이드라인 연구 결과를 제시하였다. 모든 인수검사 결과는 AAPM TG18 보고서 기준에 포함되어 진단 목적으로 사용하기에 적합하였다. 결론으로 인수검사는 표시장치가 진단에 사용하기에 적합한 성능임을 알려줄 뿐만 아니라 정도관리의 가이드라인, 최적 판독 환경, 그리고 표시장치의 교체시기를 결정하여주는 중요한 역할을 할 수 있다.

  • PDF

R&D 기술 선정을 위한 시계열 특허 분석 기반 지능형 의사결정지원시스템 (An Intelligent Decision Support System for Selecting Promising Technologies for R&D based on Time-series Patent Analysis)

  • 이충석;이석주;최병구
    • 지능정보연구
    • /
    • 제18권3호
    • /
    • pp.79-96
    • /
    • 2012
  • 기술의 발전과 융합이 빠르게 이루어지고 있는 오늘날 유망기술을 어떻게 파악하여, 다양한 후보군들 중에서 최적의 R&D 대상을 어떻게 선정할 것인가에 대한 문제는 주요한 경영의사결정문제 중 하나로 부상하고 있다. 본 연구에서는 이러한 R&D 기술 선정 의사결정을 지원할 수 있는 새로운 지능형 의사결정지원시스템을 제안한다. 본 연구의 의사결정지원시스템은 크게 3가지 모듈로 구성되는데, 우선 첫 번째 모듈인 '기술가치 평가' 모듈에서는 기업이 관심을 갖고 있는 분야의 특허들을 분석하여 유망기술 파악에 요구되는 다양한 차원의 기술가치 평가지수 값들을 산출하는 작업이 이루어진다. 이를 통해, 현재 시점에서의 각 기술의 가치가 다양한 차원에서 평가가 이루어지고 나면, 두 번째 모듈인 '미래기술가치 예측' 모듈에서 이들의 시간 흐름에 따른 변화를 학습한 인공지능 모형을 토대로 각 후보기술들이 미래 시점에 어떤 가치지수값을 갖게 될 것인지 예측값을 산출하게 된다. 마지막 세 번째 모듈인 '최적 R&D 대상기술 선정 지원' 모듈에서는 앞서 두 번째 모듈에서 산출된 각 차원별 예상 가치지수값들을 적절히 가중합하여 기술의 종합적인 미래가치 예측값을 산출하여 의사결정자에게 제공하는 기능을 수행한다. 이를 통해 의사결정자가 자사에 적합한 최적의 R&D 대상기술을 선정할 수 있도록 하였다. 본 연구에서는 제안된 시스템의 적용 가능성을 검증하기 위해, 10년치 특허데이터에 인공신경망 기법을 적용하여 실제 기술가치 예측모형을 구축해 보고, 그 효과를 살펴본다.