• 핵의학기술
• /
• 제13권1호
• /
• pp.35-39
• /
• 2009

서론 : 핵의학에 있어서 컴퓨터의 발전은 질적인 향상뿐 아니라 양적으로도 성장하고 있다. 다양한 소프트웨어를 사용하여 핵의학과 업무에 적용한다면 양질의 영상을 얻고 단순작업의 시간을 줄일 수 있을 것이다. 핵의학과 업무에 있어 컴퓨터를 이용한 processing에 할애하는 시간은 상당하여, 이 시간을 줄이는 방법으로 Macro라는 프로그램을 적용하기로 하였고, 단순 반복 작업이 많은 Brain SPECT SPM processing과 Brain SPECT PACS verify processing에 적용해 보기로 하였다. 실험재료 및 방법 : Brain SPECT에서 SPM processing과 작업 건수가 많은 PACS 작업 두 가지를 대상으로 하였다. SPM은 Brain의 Neuroimaging data를 분석하기 위한 소프트웨어 패키지로서 그룹간의 정량적인 분석을 목적으로 하고, Realignment, Normalization, Smoothing, Mapping 등의 복잡한 과정을 거쳐 결과를 만들어낸다. 이 과정을 Macro Program를 이용해서 간단하게 코딩하는 작업을 거쳐 만들어 보았다. PACS verify작업은 PACS로 보낸 영상을 간단하게 Color mapping, Gray scale 조정, 복사, 잘라 붙이는 과정으로 이루어지는데, 이를 Macro Program을 이용하여 직접 마우스 좌표를 입력하였다. 수작업으로 했을 때와 Macro Program을 활용했을 때 결과물을 만드는 시간을 기록하여 2007년 검사건수에 대입하여 결과를 도출하였다. 결과 : 2007년 SPM 검사 건수는 115건, PACS 작업 건수는 Diamox 검사 기준으로 834건이었다. SPM을 수작업은 숙련도에 따라 10분에서 15분 소요되었고, Macro를 사용시 5분 30초가 소요되었다. 검사 건수에 대입하여 년 평균 시간을 산출하면 SPM을 수작업으로 했을 시 숙련도에 따라 1150~1725분(19~29시간)이 소요되었고, Macro 사용 시에는 632분(10.5 시간)이 걸렸다. PACS는 수작업 시 2~3분이 걸렸으며, Macro를 사용 시에는 45초가 걸렸다. 이를 검사 건수에 대입하면 수작업 시 1668~2502분(28~42시간)이 걸렸고, Macro 사용시 625분(10시간)이 소요되어서 1043~1877분(17~31)시간이 절약 되었다. 결과적으로, SPM에 있어서 45~63%, PACS 작업에 있어서는 62~75%, 2007년 기준으로 전체 Brain SPECT Processing에서 55~70% 정도의 시간 절약 효과를 볼 수 있었다. 결론 : 2007년 검사 건수 기준으로 Macro 프로그램 사용시 상당한 시간절약 효과를 가져왔고 아무리 적은 시간이 걸리는 작업이라도 건수에 따라 많은 시간을 줄일 수 있다는 것을 확인하였다. 이는 검사실 근무자에게 검사하는 환자에게 더욱 집중할 수 있는 시간적 여유를 주어 안전사고 발생률을 더욱 줄일 수 있을 것이다. 그리고, 논문을 통해서 알 수 있는 것처럼, Brain SPECT 프로세싱뿐만 아니라 다른 다양한 분야의 단순반복 업무에 매크로를 활용함으로써 얻을 수 있는 시간적 이득과 작업 효율성은 상당할 것이라 생각되어진다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제27권5호
• /
• pp.529-542
• /
• 2000

최근 들어 멀티 미디어 정보의 사용이 급격히 증가하면서, 여러 미디어 형태 중 비디오가 많은 각광을 받으며, 다른 타입의 모든 미디어 정보를 하나의 자료 흐름으로 묶고 있다. 디지털 비디오의 실용 가능성은 크게 증대되고 있으나 비디오의 방대한 길이와 비구조적 형식 때문에 효과적인 비디오의 접근은 어려운 실정이다. 따라서 최근에 개발되는 영상과 비디오 정보 관리 시스템은 본 논문에서 제안하는 사용자의 최소 상호 작용과 비디오 구조의 명확한 정의를 필요로 한다. 본 논문에서는 사용자가 쉽게 비디오 내용을 요약한 형태로 보고, 임의로 접근 할 수 있도록 클러스터링 기반 비디오 계층 구조 구축 시스템을 제시한다. 제안된 시스템은 크게 샷 경계면 검출과 계층 구조 구축 단계로 이루어진다. 샷 경계면 검출 단계에서는 복수 특징들을 추출하고, 이웃한 프레임 쌍들에 대한상호관계를 고려한 시간 적응적 필터링 기법을 이용하여 오판될 수 있는 왜곡 성분을 제거함으로써 성능을 향상시켰다. 처리된 복수 특징들은 임계치를 필요로 하지 않는 k-means 클러스터링의 입력으로 사용되어 샷 경계면을 검출한다. 결과인 순차적인 샷 리스트는 시간 지역성과 장면 구조를 효과적으로 모델링하는 특성을 가진 지능적 비감독 클러스터링 기법에 의해 계층 구조로 표현된다. 실험은 정적 영화 비디오와 동적 영화 비디오를 대상으로 수행하였으며, 샷 경계면 검출에서는 평균적으로 95%의 정확성을 보였으며 장면 경계면 검출을 하는 비디오 계층 구조 구축에서도 어느 정도 정확한 장면 경계면 검출 결과를 보였다.

• 한국전문물리치료학회지
• /
• 제22권3호
• /
• pp.33-40
• /
• 2015

The purpose of this study was to investigate the effect of multi joint-joint position sense (MJ-JPS) training on joint position sense, balance, and gait ability in stroke patients. A total of 18 stroke patients participated in the study. The subjects were allocated randomly into two groups: an experimental group and a control group. Participants in the experimental group received MJ-JPS training (10 min) and conventional treatment (20 min), but participants in the control group only received conventional treatment (30 min). Both groups received training for five times per week for six weeks. MJ-JPS is a training method used to increase proprioception in the lower extremities; as such, it is used, to position the lower extremities in a given space. MJ-JPS measurement was captured via video using a Image J program to calculate the error distance. Balance ability was measured using Timed Up and Go (TUG) and the Berg Balance Scale (BBS). Gait ability was measured with a 10 m walking test (10MWT) and by climbing four flights of stairs. The Shapiro-Wilk test was used to assess normalization. Within-group differences were analyzed using the paired t-test. Between-group differences were analyzed using the independent t-test. The experimental group showed a significant decrease in error distance (MJ-JPS) compared to the control group (p<.05). Both groups showed a significant difference in their BBS and 10MWT results (p<.05). The experimental group showed a significant decrease in their TUG and climbing results (p<.05), but the control group results for those two tasks were not found to be significant (p>.05). There was significant difference in MJ-JPS and by climbing four flights of stairs on variation of pre and post test in between groups (p<.05), but TUG and BBS and 10MWT was no significantly (p>.05). We suggest that the MJ-JPS training proposed in this study be used as an intervention to help improve the functional activity of the lower extremities in stroke patients.

• 대한전자공학회논문지SP
• /
• 제48권1호
• /
• pp.1-7
• /
• 2011

본 논문에서는 디지털 영상의 지역적 계조 재현과 함께 입력 영상의 색상을 유지하는 영상 향상 기법을 제안한다. 기존의 지역적 계조 재현 방법인 통합된 다중 크기의 Retinex는 영상이 가지는 어두운 영역의 가시성 향상을 통한 향상된 계조 재현 결과를 가져왔다. 그러나 IMSR을 포함한 대부분의 지역적 계조 재현 방법은 RGB 색 공간에서 수행되어 인간시각시스템에 의해 인지되는 색상의 왜곡이 발생하게 된다. 본 논문에서는 이러한 색상의 왜곡을 줄이는 계조 재현을 위하여 장치 독립적인 CIELAB 색 공간에서 색상를 유지하고 높은 대비와 자연스러운 영상을 얻기 위한 계조 재현 및 채도 보상 기법을 제안한다. 제안한 방법은 먼저 CIELAB 색 공간에서 $L^*$값에 대해 IMSR 정규화 및 단순한 사상 함수를 수행하여 가시성을 향상 시킨다. 또한, sRGB 색역 경계값을 이용하여 LC 평면에서 밝기 변화에 대한 선형적인 채도 보상을 수행하였다. 그 결과 입력 영상의 계조 재현을 통해 가시성이 향상되었고, 기존의 IMSR과 비교하여 색상의 왜곡이 줄었으며, 주관적인 평가를 수행하여 비교 평가 하였다.

• 한국정보처리학회논문지
• /
• 제4권2호
• /
• pp.465-482
• /
• 1997

본 논문은 타이어에 각인된 타이어 분류 코드인(DOT(Department of Transportation) 코드 인식 처리를 위해 타이어 문자를 영상 처리한 후 신명망을 이용하여 인식 시스템을 구축한 것이다. 타이어에 각인된 문자부분을 영상 처리시, 타이어 표면에 각인된 문자가 조명에 민감한 반응을 보일 뿐아니라 난반사로 인한 문자 경계선이 왜곡되는 현상과 인접한 두 개의 문자가 한 레이블을 갖는 현상이 발생된다. 따라서 본 논문에서는 이러한 특성을 고려한 타이어 영상 처리 알고리즘을 제안하여 실헝을 통해 유효성을 증명하였다. 또한 타이어분류 코드인DOT 코드를 효율적으로 인식하기 위해 인식기를 다중 연결한 MCBP(Multi-Chained BackPropogation)망을 제안하였다. MCBP망에서는 타이어 개별 문자영역에 대한 X, Y축 투영 값을 추출하여 문자 영역 분류를 위한 특징 값과 가로, 세로 7$\times$8 정규화를 이용한 개별 문자의 특징을 추출하여 인식 처리한다. 본 논문에서는 MCBP망에 의해 인식된 결과와 DOT 코드 데이터 베이스를 비교 처리하는 후처리를 통해서 오인식율을 3% 줄였다. 학습 및 인식 결과는 단일 역전파망에 비해 학습시간에서는 60%의 개선과 효과를 얻었으며, 인식율은 90%에서 95%로 향상었다. 또한 후처리까지 포함하면 전체 인식율을 98%까지 증가되는 높은 인식율을 얻을 수 있었다.

• 대한전자공학회논문지SP
• /
• 제42권4호
• /
• pp.79-86
• /
• 2005

본 논문에서는 실시간 얼굴인식 시스템을 위한 새로운 LINF(Linear Independent Non-negative Factorization) 알고리즘을 제안한다. 시스템은 크게 얼굴추출 부분과 얼굴인식 부분으로 구성 되어 있으며, 얼굴추출 부분에는 차영상, 눈과 입의 영역 검출 그리고 정규화 방법을 사용하였고, 얼굴인식 부분에는 추출된 얼굴 후보 영역 영상에 LINF 를 적용하였다. 기존의 PCA(Principal Component Analysis)만을 사용한 인식시스템은 낮은 인식률을 보였으며, LDA(Linear Discriminants Analysis)만을 사용한 인식시스템에서는 학습데이터의 수에 비하여 영상의 화소 개수가 많은 경우 LDA를 그대로 적용하기 곤란하였다. 이러한 단점을 극복하기 위하여, 본 논문에서 제안하는 시스템은 기존의 고유얼굴과 달리 비음수 값을 갖는 행렬로 차원을 축소하여 LDA를 적용하였다. 제안한 시스템의 성능을 평가하기 위하여 자체 제작한 DAUface 데이터베이스와 영국 Cambridge 에 있는 AT&T 연구소에서 제공하는 ORL 데이터베이스를 가지고 실험을 하였다. 실험 결과, 제안된 방법이 PCA 방법과 LDA 방법, ICA(Independent Component Analysis) 방법, 그리고 PLMA(PCA-based LDA mixture algorithm)에 비해 인식률이 상당히 우수함을 알 수 있었다.

• 대한공간정보학회지
• /
• 제11권4호
• /
• pp.21-27
• /
• 2003

IKONOS 2호와 QuickBird 2호의 센서 모델로서 제공되는 RPC(rational polynomial coefficients) 모델은 물리적 센서 모델의 대체 모델로 다양한 센서에 적용 가능하다. 고해상도 위성들이 상용화되면서 각기 센서들의 복잡성과 보안성 문제로 인해 물리적 센서모델을 대체할 수 있는 센서 모델로서 RPC의 활용도가 높아지고 있다. 대표적인 상업용 고해상도 위성인 IKONOS 2호는 물리적 센서 모델을 공개하지 않고 각영상에 대한 RPC만을 제공하며 QuckBird 영상은 센서의 기하 정보와 함께 RPC를 제공한다. 이에 본 연구에서는 물리적 센서모델로부터 RPC를 추출하는 원천 기술을 확보하고 RPC의 물리적 센서모델에 대한대체 적합성을 평가해보고자 하였다. 이를 위해 공간해상도가 높은 항공사진과 국내 위성인 KOMPSAT 1호의 기하 모델로부터 분모식과 차수를 달리하는 RPC모델들을 추출하는 실험을 수행하였다. 최소제곱법을 통해 RPC 초기값을 구하고 Levenberg Marquardt 기법을 이용하여 반복 조정한 RPC를 물리적 센서 모델과 비교 평가하여 최적의 RPC를 결정하였다. 그 결과 항공사진은 분모식이 동일한 1차 RPC가 KOMPSAT 1호는 분모식이 상이한 3차 RPC가 가장 정확도가 높았으며 각 오차(RMSE)는 $2{\times}10^{-5}$ 화소 이하로 나타났다.

• 비파괴검사학회지
• /
• 제36권1호
• /
• pp.35-44
• /
• 2016

본 연구에서는 발아여부를 고속 대량으로 측정 가능한 초분광 영상 시스템 기반의 비파괴 선별기술을 개발하고자 하였다. 수박의 건전종자 96립과 퇴화종자 96립을 초분광 단파적외선 시스템을 이용하여 측정하였으며, 종자발아검증은 국제종자검정협회(ISTA)규정에 맞추어 5~14일 동안 $25^{\circ}C$에서 BP(between paper)법을 이용하여 실시하였다. 스펙트럼 데이터는 초분광 영상 시스템을 이용하여 데이터를 획득하였으며, 종자 판별모델 개발에는 PLS-DA(partial least square - discriminant analysis)를 적용하였다. PLS-DA분석법을 이용한 종자의 발아여부 판별 결과는 mean normalization을 이용하여 데이터 전처리를 이용할 경우가 가장 우수했으며, calibration의 경우 94.7%의 분류 정확도를 보였으며, validation의 경우 84.2%의 분류 정확도를 나타내어 평균적으로 90.8%의 정확도를 보였다. 이러한 결과는 종자가 퇴화하면서 야기되는 구성성분물질의 차이로 인한 것으로 사료되며, 두 그룹의 분류에 주요한 영향을 끼친 요인의 파악 및 적용을 통해 종자선별기의 개발이 가능함을 보였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.246-246
• /
• 2021

본 연구는 강우 발생시 유량을 추정하는 것에 목적이 있다. 이를 위해 본 연구는 선행연구의 모형 개발방법론에서 벗어나 딥러닝 알고리즘 중 하나인 합성곱 신경망 (convolution neural network)과 수문학적 이미지 (hydrological image)를 이용하여 강우 발생시 유량을 추정하였다. 합성곱 신경망은 일반적으로 분류 문제 (classification)을 해결하기 위한 목적으로 개발되었기 때문에 불특정 연속변수인 유량을 모의하기에는 적합하지 않다. 이를 위해 본 연구에서는 합성곱 신경망의 완전 연결층 (Fully connected layer)를 개선하여 연속변수를 모의할 수 있도록 개선하였다. 대부분 합성곱 신경망은 RGB (red, green, blue) 사진 (photograph)을 이용하여 해당 사진이 나타내는 것을 예측하는 목적으로 사용하지만, 본 연구의 경우 일반 RGB 사진을 이용하여 유출량을 예측하는 것은 경험적 모형의 전제(독립변수와 종속변수의 관계)를 무너뜨리는 결과를 초래할 수 있다. 이를 위해 본 연구에서는 임의의 유역에 대해 2차원 공간에서 무차원의 수문학적 속성을 갖는 grid의 집합으로 정의되는 수문학적 이미지는 입력자료로 활용했다. 합성곱 신경망의 구조는 Convolution Layer와 Pulling Layer가 5회 반복하는 구조로 설정하고, 이후 Flatten Layer, 2개의 Dense Layer, 1개의 Batch Normalization Layer를 배열하고, 다시 1개의 Dense Layer가 이어지는 구조로 설계하였다. 마지막 Dense Layer의 활성화 함수는 분류모형에 이용되는 softmax 또는 sigmoid 함수를 대신하여 회귀모형에서 자주 사용되는 Linear 함수로 설정하였다. 이와 함께 각 층의 활성화 함수는 정규화 선형함수 (ReLu)를 이용하였으며, 모형의 학습 평가 및 검정을 판단하기 위해 MSE 및 MAE를 사용했다. 또한, 모형평가는 NSE와 RMSE를 이용하였다. 그 결과, 모형의 학습 평가에 대한 MSE는 11.629.8 m3/s에서 118.6 m3/s로, MAE는 25.4 m3/s에서 4.7 m3/s로 감소하였으며, 모형의 검정에 대한 MSE는 1,997.9 m3/s에서 527.9 m3/s로, MAE는 21.5 m3/s에서 9.4 m3/s로 감소한 것으로 나타났다. 또한, 모형평가를 위한 NSE는 0.7, RMSE는 27.0 m3/s로 나타나, 본 연구의 모형은 양호(moderate)한 것으로 판단하였다. 이에, 본 연구를 통해 제시된 방법론에 기반을 두어 CNN 모형 구조의 확장과 수문학적 이미지의 개선 또는 새로운 이미지 개발 등을 추진할 경우 모형의 예측 성능이 향상될 수 있는 여지가 있으며, 원격탐사 분야나, 위성 영상을 이용한 전 지구적 또는 광역 단위의 실시간 유량 모의 분야 등으로의 응용이 가능할 것으로 기대된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.444-444
• /
• 2021

하천의 오염부하량 관리 계획은 지속적인 모니터링을 통한 자료 구축과 모형을 이용한 예측결과를 기반으로 수립된다. 하천의 모니터링과 예측 분석은 많은 예산과 인력 등이 필요하나, 정부의 담당 공무원 수는 극히 부족한 상황이 일반적이다. 이에 정부는 전문가에게 관련 용역을 의뢰하지만, 한국과 같이 지형이 복잡한 지역에서의 오염부하량 배출 특성은 각각 다르게 나타나기 때문에 많은 예산 소모가 발생 된다. 이를 개선하고자, 본 연구는 합성곱 신경망 (convolution neural network)과 수문학적 이미지 (hydrological image)를 이용하여 강우 발생시 BOD 및 총인의 부하량 예측 모형을 개발하였다. 합성곱 신경망의 입력자료는 일반적으로 RGB (red, green, bule) 사진을 이용하는데, 이를 그래도 오염부하량 예측에 활용하는 것은 경험적 모형의 전제(독립변수와 종속변수의 관계)를 무너뜨리는 결과를 초래할 수 있다. 이에, 본 연구에서는 오염부하량이 수문학적 조건과 토지이용 등의 변수에 의해 결정된다는 인과관계를 만족시키고자 수문학적 속성이 내재된 수문학적 이미지를 합성곱 신경망의 훈련자료로 사용하였다. 수문학적 이미지는 임의의 유역에 대해 2차원 공간에서 무차원의 수문학적 속성을 갖는 grid의 집합으로 정의되는데, 여기서 각 grid의 수문학적 속성은 SCS 토양보존국(soil conservation service, SCS)에서 발표한 수문학적 토양피복형수 (curve number, CN)를 이용하여 산출한다. 합성곱 신경망의 구조는 2개의 Convolution Layer와 1개의 Pulling Layer가 5회 반복하는 구조로 설정하고, 1개의 Flatten Layer, 3개의 Dense Layer, 1개의 Batch Normalization Layer를 배열하고, 마지막으로 1개의 Dense Layer가 연결되는 구조로 설계하였다. 이와 함께, 각 층의 활성화 함수는 정규화 선형함수 (ReLu)로, 마지막 Dense Layer의 활성화 함수는 연속변수가 도출될 수 있도록 회귀모형에서 자주 사용되는 Linear 함수로 설정하였다. 연구의 대상지역은 경기도 가평군 조종천 유역으로 선정하였고, 연구기간은 2010년 1월 1일부터 2019년 12월 31일까지로, 2010년부터 2016년까지의 자료는 모형의 학습에, 2017년부터 2019년까지의 자료는 모형의 성능평가에 활용하였다. 모형의 예측 성능은 모형효율계수 (NSE), 평균제곱근오차(RMSE) 및 평균절대백분율오차(MAPE)를 이용하여 평가하였다. 그 결과, BOD 부하량에 대한 NSE는 0.9, RMSE는 1031.1 kg/day, MAPE는 11.5%로 나타났으며, 총인 부하량에 대한 NSE는 0.9, RMSE는 53.6 kg/day, MAPE는 17.9%로 나타나 본 연구의 모형은 우수(good)한 것으로 판단하였다. 이에, 본 연구의 모형은 일반 ANN 모형을 이용한 선행연구와는 달리 2차원 공간정보를 반영하여 오염부하량 모의가 가능했으며, 제한적인 입력자료를 이용하여 간편한 모델링이 가능하다는 장점을 나타냈다. 이를 통해 정부의 물관리 정책을 위한 의사결정 및 부족한 물관리 분야의 행정력에 도움이 될 것으로 생각된다.