• 한국방사선학회논문지
• /
• 제14권6호
• /
• pp.773-780
• /
• 2020

4차 산업의 발전으로 의학·보건·바이오 등 여러 과학기술 분야에서는 질병을 예방하고 질병에 대한 피해를 줄이기 위한 연구가 이루어지고 있으며, 최근에는 ICT 기술의 발전과 더불어 인공지능 기술이 급부상하고 그 효용성이 입증되면서 영상의학 검사의 영상 분석에 인공지능 기술이 도입되어 연구되고 있다. 본 논문에서는 흉부 X선 영상을 이용하여 폐렴의 분류와 검출에 대한 딥러닝 모델을 직접 적용해보고 실제로 Inception 계열의 딥러닝 모델이 폐렴 검출에 있어 유용한 모델인지 평가하고자 한다. 실험재료는 캐글(Kaggle)에서 무료로 제공 및 공유하는 흉부 X선 영상 데이터 세트를 사용하였으며 전체 3,470개의 흉부 X선 영상 데이터 중 학습 데이터 세트 1,870개, 검증 데이터 세트 1,100개, 테스트 데이터 세트 500개로 분류하였다. 실험결과 Inception V3 딥러닝 모델의 Metric 평가에 대한 결과값은 정확도는 94.80%, 정밀도는 97.24%, 재현율은 94.00%, F1 스코어는 95.59의 결과값을 나타내었다. 그리고 흉부 X선 영상의 페렴 검출 및 분류에 대하여 Inception V3 딥러닝 모델링에 대한 최종 에포크의 정확도는 학습 모델링의 경우 94.91%, 검증 모델링은 89.68%의 정확도를 나타내었다. 손실함수 값의 평가는 학습 모델링은 1.127%, 검증 모델링은 4.603%의 손실함수 값을 나타내었다. 이러한 결과로 Inception V3 딥러닝 모델은 흉부영상 데이터의 특징 추출 및 분류에 있어 매우 우수한 딥러닝 모델이며 학습상태 또한 매우 우수하다고 평가하였다. 테스트 모델링에 대한 매트릭스 정확도 평가 결과 정상 흉부 X선 영상 데이터의 경우 96%, 폐렴 흉부 X선 영상데이터의 경우 97%의 정확도가 입증되었다. Inception 계열의 딥러닝 모델의 경우 흉부 질환의 분류에 있어 유용한 딥러닝 모델이 될 것이라고 판단되며 인력의 보조적인 역할 또한 수행할 수 있을 것이라고 기대되어 부족한 의료인력 문제에도 해결점이 될 것이라고 사료된다. 향후 딥러닝을 이용한 폐렴의 진단에 대한 유사 연구 시 본 연구는 유사 연구의 기초자료로 제시될 것이라고 기대된다.

• 지구물리와물리탐사
• /
• 제21권3호
• /
• pp.150-161
• /
• 2018

최근의 정보통신기술 발전에 기반한 무인 항공 전자탐사는 효율적인 광역 탐사가 가능하다는 장점으로 인해 다양한 활용이 시도되고 있다. 이 연구에서는 무인 항공 전자탐사의 실제 적용을 위한 이론 연구의 일환으로 한국지질자원연구원에서 개발된 무인 비행선 전자탐사 시스템에 대한 고찰을 수행하였다. 이 시스템은 기존의 항공 전자탐사 시스템들과는 다른 송수신루프의 배치로 인해 측정되는 자기장을 해석하기 위한 새로운 기술이 필요하다. 따라서, 임의의 모양을 갖는 송신원에 의한 전자기장 반응을 계산할 수 있는 방법을 제안하였으며 원형루프에 의한 이론해와의 비교 검증을 통해 그 타당성을 확인하였다. 또한, 3차원적으로 분포한 지하의 전도성 이상체에 의한 자기장 반응을 모사하기 위하여 변유한요소법 기반의 3차원 주파수영역 전자탐사 모델링 알고리듬과 결합하였다. 개발된 알고리듬을 바탕으로 지하 이상체에 의한 자기장 반응분석을 수행한 결과, 기존 항공 전자탐사 시스템들과 마찬가지로 탐사고도가 높아지거나 이상체의 심도가 깊어짐에 따라 이상체에 의한 반응이 줄어듦을 알 수 있었고 이상체의 전기비저항이 증가함에 따라서도 반응이 작아지는 것을 확인하였다. 그러나, 이상체의 심도 및 전기전도도와 사용 주파수에 따라 이상성분의 반응양상이 비선형적인 경향을 나타내는 구간이 존재하여, 자료해석 시 반응의 크기를 통한 단순 해석이 어려워지며 겉보기 비저항 계산 시에도 해의 비유일성을 야기시킬 수 있다는 것을 확인하였다. 따라서 실제로 시스템을 활용하여 탐사를 수행할 시, 탐사목적 및 현장 조건을 고려한 사전 모델링을 통해 적합한 주파수 대역 및 탐사고도를 설정하여 탐사를 수행하는 것이 선행되어야 한다.