• 핵의학기술
• /
• 제19권2호
• /
• pp.87-92
• /
• 2015

SPECT에서 Uniformity는 균일한 방사능을 갖는 선원에 대하여 균일한 영상을 제공하는 능력이다. 영상에서 다양한 이유로 불균일이 발생하게 되고, 불균일은 artifacts를 발생시켜 임상적으로 진단하는데 영향을 줄 수 있다. Uniformity correction map은 검사에 사용되는 방사성 동위원소를 이용하여 영상에서 Uniformity의 변동폭을 최소화 시켜주는 역할을 한다. 본원에서 시행되고 있는 $^{201}Tl$을 이용한 심근 SPECT에서는 $^{99m}Tc$으로 기본 설정되어 있는 Uniformity correction map을 사용하고 있으며, 이에 따라 본 연구에서는 $^{201}Tl$과 $^{99m}Tc$ 두 가지 핵종으로 Uniformity correction map을 각각 설정하였을 때 영상의 질에 차이가 있는지 비교 분석하고, 영상의 질을 최적화 할 수 있는 방법에 대하여 모색해 보고자 한다. 장비는 GE Ventri Gamma camera, Flood phantom, Jaszczak ECT phantom을 이용하였다. 실험에 앞서 Collimator를 제거한 상태에서 Detector 표면 중심으로부터 2.5 m 떨어진 지점에 1 cc 주사기에 $^{99m}Tc$ 25.9 Mbq, $^{201}Tl$ 14.8 Mbq의 방사성 동위원소를 주입한 point source를 이용하여 장비사에서 권고하는 $6{\times}10^7count$로 $^{99m}Tc$와 $^{201}Tl$ 각각의 방사성 동위원소로 Uniformity Mapping을 실시하였다. Flood phantom에는 $^{201}Tl$ 21.3 kBq/mL, Jaszczak ECT phantom에는 $^{201}Tl$ 33.4 kBq/mL를 주입하여 phantom을 제작하였다. Flood Phantom으로 획득된 데이터는 Xeleris ver 2.05 프로그램을 이용하여 Integral uniformity, Differential uniformity을 두 가지 항목에 대하여 분석하였다. Jaszczak ECT Phantom으로 획득된 데이터를 본원에서 자체 개발한 Interactive Data Language 프로그램에 입력하여 Integral uniformity, Contrast, Coefficient of variation, Spatial Resolution을 4가지 항목에 대하여 분석하였다. Flood phantom test 에서는 $^{99m}Tc$에서의 Flood I.U값은 3.6%, Flood D.U값은 3.0%으로 나타났고, $^{201}Tl$ Flood I.U값은 3.8%, Flood D.U값은 2.1%으로 나타났다. 이를 통해 $^{201}Tl$으로 Uniformity correction map을 설정하였을 때, Flood I.U값은 감소하였으나 Flood D.U은 향상되어 Flood 영상에서는 크게 영상의 질이 개선되었는지는 알 수 없었다. 반면 Jaszczak ECT Phantom test에서는 $^{99m}Tc$에서의 SPECT I.U값은 13.99%, Coefficient of variation값은 4.89%, contrast값은 0.69, $^{201}Tl$에서의 SPECT I.U값은 11.37%, Coefficient of variation값은 4.79%, contrast값은 0.78로 나타났으며, 육안 분석을 실시한 Spatial Resolution 항목에서는 육안으로 큰 차이를 보이지 않았다. 이를 통해 $^{201}Tl$으로 Uniformity correction map을 설정하였을 때, Spatial Resolution 을 제외한 SPECT I.U, Coefficient of variation, Contrast 세 항목에서 각각 18%, 2%, 13%의 향상된 수치를 보였다는 점에서 영상의 질이 개선되었음을 알 수 있었다. Uniformity correction map이 영상의 질을 크게 좌우할 수 없으나, 개선의 효과를 가져다 준다는 점에서 임상적으로 진단에 영향을 주는지 또한 다른 검사에서 또 다른 방사성 동위원소로 Uniformity correction map을 설정했을 경우 영상의 질을 개선시킬 수 있는지에 관하여 추가적인 연구가 필요할 것으로 사료된다.

• 지능정보연구
• /
• 제18권1호
• /
• pp.1-21
• /
• 2012

최근 스마트폰의 등장으로 인해 사용자들은 시간과 공간의 제약 없이 스마트폰을 이용한 새로운 의사소통의 방법을 경험하고 있다. 이러한 스마트폰은 고화질의 컬러화면, 고해상도 카메라, 실시간 3D 가속그래픽과 다양한 센서(GPS와 Digital Compass) 등을 제공하고 있으며, 다양한 센서들은 사용자들(개발자, 일반 사용자)로 하여금 이전에 경험하지 못했던 서비스를 경험할 수 있도록 지원하고 있다. 그 중에서 모바일 증강현실은 스마트폰의 다양한 센서들을 이용하여 개발할 수 있는 대표적인 서비스 중 하나이며, 이러한 센서들을 이용한 다양한 방법의 모바일 증강현실 연구들이 활발하게 진행되고 있다. 모바일 증강현실은 크게 위치 정보 기반의 서비스와 내용 기반 서비스로 구분할 수 있다. 위치 정보 기반의 서비스는 구현이 쉬운 장점이 있으나, 증강되는 정보의 위치가 실제의 객체의 정확한 위치에 증강되는 정보가 제공되지 않는 경우가 발생하는 단점이 존재한다. 이와 반대로, 내용 기반 서비스는 정확한 위치에 증강되는 정보를 제공할 수 있으나, 구현 및 데이터베이스에 존재하는 이미지의 양에 따른 검색 속도가 증가하는 단점이 존재한다. 본 논문에서는 위치 정보 기반의 서비스와 내용기반의 서비스의 장점들을 이용한 방법으로, 스마트폰의 다양한 센서(GPS, Digital Compass)로 부터 수집된 정보를 이용하여 데이터베이스의 탐색 범위를 줄이고, 탐색 범위에 존재하는 이미지들의 특징 정보를 기반으로 실제의 랜드마크를 인식하고, 인식한 랜드마크의 정보를 링크드 오픈 데이터(LOD)에서 검색하여 해당 정보를 제공하는 랜드마크 가이드 시스템을 제안한다. 제안하는 시스템은 크게 2개의 모듈(랜드마크 탐색 모듈과 어노테이션 모듈)로 구성되어있다. 첫 번째로, 랜드마크 탐색 모듈은 스마트폰으로 인식한 랜드마크(건물, 조형물 등)에 해당하는 정보들을 (텍스트, 사진, 비디오 등) 링크드 오픈 데이터에서 검색하여 검색된 결과를 인식한 랜드마크의 정확한 위치에 정보를 제공하는 역할을 한다. 스마트폰으로부터 입력 받은 이미지에서 특징점 추출을 위한 방법으로는 SURF 알고리즘을 사용했다. 또한 실시간성을 보장하고 처리 속도를 향상 시키기 위한 방법으로는 입력 받은 이미지와 데이터베이스에 있는 이미지의 비교 연산을 수행할 때 GPS와 Digital Compass의 정보를 사용하여 그리드 기반의 클러스터링을 생성하여 탐색 범위를 줄임으로써, 이미지 검색 속도를 향상 시킬 수 있는 방법을 제시하였다. 두 번째로 어노테이션 모듈은 사용자들의 참여에 의해서 새로운 랜드마크의 정보를 링크드 오픈 데이터에 추가할 수 있는 기능을 제공한다. 사용자들은 키워드를 이용해서 링크드 오픈 데이터로에서 관련된 주제를 검색할 수 있으며, 검색된 정보를 수정하거나, 사용자가 지정한 랜드마크에 해당 정보를 표시할 수 있도록 지정할 수 있다. 또한, 사용자가 지정하려고 하는 랜드마크에 대한 정보가 존재하지 않는다면, 사용자는 랜드마크의 사진을 업로드하고, 새로운 랜드마크에 대한 정보를 생성하는 기능을 제공한다. 이러한 과정은 시스템이 카메라로부터 입력 받은 대상(랜드마크)에 대한 정확한 증강현실 컨텐츠를 제공하기 위해 필요한 URI를 찾는데 사용되며, 다양한 각도의 랜드마크 사진들을 사용자들에 의해 협업적으로 생성할 수 있는 환경을 제공한다. 본 연구에서 데이터베이스의 탐색 범위를 줄이기 위해서 랜드마크의 GPS 좌표와 Digital Compass의 정보를 이용하여 그리드 기반의 클러스터링 방법을 제안하여, 그 결과 탐색시간이 기존에는 70~80ms 걸리는 반면 제안하는 방법을 통해서는 18~20ms로 약 75% 정도 향상된 것을 확인할 수 있었다. 이러한 탐색시간의 감소는 전체적인 검색시간을 기존의 490~540ms에서 438~480ms로 약 10% 정도 향상된 것을 확인하였다.

• 인지과학
• /
• 제3권1호
• /
• pp.61-78
• /
• 1991

본 논문은 역행 통로(backward path)를 가진 수정된 Neocognitron 을 한글 음절 인식을 위해 적용한 결과에 관한 것이다. Fukushima의 논문에서 Neocognitron이 $19{\times}19$ 크기의 필기체 숫자를 인식할 수있다고 논술하였다. 본 논문에서는 스캐너 또는 마우스를 이용하여 필기체 한글 문자 또는 그 일부의 $61{\times}61$ 영상을 입력하였다. 수정된 Neocognitron은 3쌍의 Us, Uc층으로 구성되어있다. 본 신경회로망에서 마지막 인식층인 Uc층은 $5{\times}5$ 크기의 세포로 된 24개의 명(plane)으로 구성되어 있는데, 각각의 세포들은 동시에 주의력(attention)을 받아들이느 자소(grapheme)의 존재와 입력층에서의 상대적 위치를 구별할 수 있다. 본 신경회로망은 10개의 단모음 자소, 14개의 단자음 자소와 그들의 공간적 특징을 가지고 학습시켰다. 쉽게 학습되지 않는 패턴들은 여러번 학습시켰다. 왜곡, 잡음, 크기변화, 변형, 회전 등을 갖는 개개의 자소를 분류할 수 있도록 학습된 신경망을 한글 음절의 인식을 위해 사용하였으며, 음절자내의 영상 분할 작업을 위해 선택적 주의력 기법을 사용하였다. 입력문자에 대한 초기 표본 실험에서 본 모형은 필기체 한글 음절자의 시험패턴중 79%를 정확하게 인식하였다. 이 연구결과는 Neocognitron이 입력 영상을 인식가능한 부분으로 분할함으로써 큰크기의 분자 집합을 갖는 필기체 문자를 인식할수 있는 강력한 모형임을 시사해준다. 똑같은 접근 방법이 구조나 자소가 아주 복잡한 한자의 인식에도 적용될 수 있다고 본다. 그러나, 모의실험에서 처리시간에 있어 매우 심한 병목현상을 보여 주었다. 모형의 실질적인 사용을 위해서는 신경칩으로서의 구현이 선결되어야 할 것이다. 또, 복모음, 복자음으로 구성된 한글 음절자 인식을 위하여 모형에 대한 더 깊은 연구가 수행되어질 필요가 있다. 두개의 단자모사이의 이웃지역을 정확히 인식하는 것은 이렇나 작업을 위해 매우 중요한 일이 될 것이다.