• Korean Journal of Radiology
• /
• 제23권9호
• /
• pp.921-930
• /
• 2022

Objective: To identify epidermal growth factor receptor (EGFR) mutations in lung adenocarcinoma based on ¹⁸F-fluorodeoxyglucose (FDG) PET/CT radiomics and clinical features and to distinguish EGFR exon 19 deletion (19 del) and exon 21 L858R missense (21 L858R) mutations using FDG PET/CT radiomics. Materials and Methods: We retrospectively analyzed 179 patients with lung adenocarcinoma. They were randomly assigned to training (n = 125) and testing (n = 54) cohorts in a 7:3 ratio. A total of 2632 radiomics features were extracted from the tumor region of interest from the PET (1316) and CT (1316) images. Six PET/CT radiomics features that remained after the feature selection step were used to calculate the radiomics model score (rad-score). Subsequently, a combined clinical and radiomics model was constructed based on sex, smoking history, tumor diameter, and rad-score. The performance of the combined model in identifying EGFR mutations was assessed using a receiver operating characteristic (ROC) curve. Furthermore, in a subsample of 99 patients, a PET/CT radiomics model for distinguishing 19 del and 21 L858R EGFR mutational subtypes was established, and its performance was evaluated. Results: The area under the ROC curve (AUROC) and accuracy of the combined clinical and PET/CT radiomics models were 0.882 and 81.6%, respectively, in the training cohort and 0.837 and 74.1%, respectively, in the testing cohort. The AUROC and accuracy of the radiomics model for distinguishing between 19 del and 21 L858R EGFR mutational subtypes were 0.708 and 66.7%, respectively, in the training cohort and 0.652 and 56.7%, respectively, in the testing cohort. Conclusion: The combined clinical and PET/CT radiomics model could identify the EGFR mutational status in lung adenocarcinoma with moderate accuracy. However, distinguishing between EGFR 19 del and 21 L858R mutational subtypes was more challenging using PET/CT radiomics.

• 실천공학교육논문지
• /
• 제16권1_spc호
• /
• pp.65-70
• /
• 2024

인공지능 교육에 대한 관심이 증가함에 따라, 연구자들은 인공지능 교육 프로그램을 실시하기 위해 노력하였다. 그러나 예비 교사를 대상으로 개발된 연구는 현재까지 제한적인 것으로 나타났다. 따라서 이 연구는 예비 중등교사를 위한 인공지능 리터러시 교육 프로그램을 개발하기 위해 실시되었다. 연구 결과, 주차별 주제는 인공지능의 정의와 적용, 지능 에이전트 분석, 데이터의 중요성, 기계학습의 이해, 예측과 분류에 대한 실습, 분류와 군집에 대한 실습, 비정형 데이터에 대한 실습, 딥러닝의 이해, 딥러닝 알고리즘의 활용, 공정성, 투명성, 책무성, 안전성, 사회통합으로 구성되었다. 이 연구를 통해 예비 교사를 대상으로 인공지능 리터러시 교육 프로그램이 확대되기를 희망한다. 추후에는 교원양성기관에서 관련 교육을 실시하고, 그 효과를 분석하는 후속 연구들이 실행되기를 희망한다.

• 마이크로전자및패키징학회지
• /
• 제31권1호
• /
• pp.23-28
• /
• 2024

유연소자를 이용한 전자제품은 실사용환경에서 가혹한 기계적 변형을 경험한다. 이에 따라 유연소자의 기계적 신뢰성에 대한 연구가 많은 연구자들의 관심을 받고 있다. 본 연구에서는 유연기판에 증착된 금속 박막의 최대 굽힘 변형률을 예측하기 위하여 기존에 사용하는 굽힘 변형률 모델과 유한요소해석을 이용하였다. 박막의 소재 및 두께, 기판의 두께를 달리하여 유한요소해석으로 굽힘 실험을 모사하였고, 기존 모델로 예측된 변형률과 해석결과를 서로 비교하였다. 굽힘 변형 시 박막 첨단과 주위의 변형률 분포를 확인하였고, 굽힘 정도에 따른 기존 모델의 오차율을 정리하였다. 신규수학적 모델을 제시하여 각 경우의 수에 따른 상수를 제시하였다.

• 대한방사선기술학회지:방사선기술과학
• /
• 제47권1호
• /
• pp.29-37
• /
• 2024

This study aims to evaluate the performance of the U-Net based learning model that may vary depending on the histogram equalization algorithm. The subject of the experiment were 17 radiology students of this college, and 1,727 data sets in which the region of interest was set in the thyroid after acquiring ultrasound image data were used. The training set consisted of 1,383 images, the validation set consisted of 172 and the test data set consisted of 172. The equalization algorithm was divided into Histogram Equalization(HE) and Contrast Limited Adaptive Histogram Equalization(CLAHE), and according to the clip limit, it was divided into CLAHE8-1, CLAHE8-2. CLAHE8-3. Deep Learning was learned through size control, histogram equalization, Z-score normalization, and data augmentation. As a result of the experiment, the Attention U-Net showed the highest performance from CLAHE8-2 to 0.8355, and the U-Net and BSU-Net showed the highest performance from CLAHE8-3 to 0.8303 and 0.8277. In the case of mIoU, the Attention U-Net was 0.7175 in CLAHE8-2, the U-Net was 0.7098 and the BSU-Net was 0.7060 in CLAHE8-3. This study attempted to confirm the effects of U-Net, Attention U-Net, and BSU-Net models when histogram equalization is performed on ultrasound images. The increase in Clip Limit can be expected to increase the ROI match with the prediction mask by clarifying the boundaries, which affects the improvement of the contrast of the thyroid area in deep learning model learning, and consequently affects the performance improvement.

• 지능정보연구
• /
• 제19권1호
• /
• pp.57-77
• /
• 2013

소셜 미디어는 모바일 어플리케이션과 웹에서 가장 많이 사용되는 미디어 중 하나이다. Nielsen사의 보고서에 따르면 소셜 네트워크 서비스와 블로그가 온라인 사용자의 주 활동 공간으로 사용되고 있으며, 미국인 중에서 온라인 활동이 왕성한 5명의 사용자중 4명은 매일 소셜 네트워크 서비스와 블로그를 방문하고 온라인 활동 시간의 23%를 소비한다고 집계하고 있다. 미국의 인터넷 사용자들은 야후, 구글, AOL 미디어 네트워크, 트위터, 링크드인 등과 같은 소셜 네트워크 서비스중 페이스북에서 가장 많은 시간을 소비한다. 최근에는 대부분의 회사들이 자신의 특정 상품에 대하여 "페이스북 페이지(Facebook Page)"를 생성하고 상품에 대한 프로모션을 진행한다. 페이스북에서 제공되는 "좋아요" 옵션은 페이스북 페이지를 통해 자신이 관심을 가지는 상품(아이템)을 표시하고 그 상품을 지지할 수 있도록 한다. 많은 영화를 제작하는 영화 제작사들도 페이스북 페이지와 "좋아요" 옵션을 이용하여 영화 프로모션과 마케팅에 이용한다. 일반적으로 다수의 스트리밍 서비스 제공업들도 영화와 TV 프로그램을 즐기며 볼 수 있는 서비스를 사용자들에게 제공한다. 이 서비스는 일반 컴퓨터와 TV 등의 단말기에서인터넷을 통해 영화와 TV 프로그램을 즉각적으로 제공할 수 있다. 스트리밍 서비스의 선두 주자인 넷플릭스는 미국, 라틴 아메리카, 영국 그리고 북유럽 국가 등에 3천만 명 이상의 스트리밍 사용자가 가입되어 있다. 또한 넥플릭스는 다양한 장르로 구성된 수백만 개의 영화와 TV 프로그램을 보유하고 있다. 하지만 수많은 콘텐츠로 인해 사용자들은 자신이 선호하는 장르에 관련된 영화와 TV 프로그램을 찾기 위해 많은 시간을 소비해야 된다. 많은 연구자들이 이러한 사용자의 불편함을 줄이기 위해 아이템에 대한 사용자가 보지 않은 아이템에 대한 선호도를 예측하고 높은 예측값을 갖는 아이템을 사용자에게 제공하기 위한 추천 시스템을 적용하였다. 협업적 여과 방법은 추천 시스템을 구축하기 위해 가장 많이 사용되는 방법이다. 협업적 여과 시스템은 사용자들이 평가한 아이템을 기반으로 각 사용자 간의 유사도를 측정하고 목적 사용자와 유사한 성향을 가진 사용자 그룹을 결정한다. 군집된 그룹은 이웃 사용자 집단으로 불리며 이를 이용하여 특정 아이템에 대한 선호도를 예측하고, 예측 값이 높은 아이템을 목적 사용자에게 추천해 준다. 협업적 여과 방법이 적용되는 분야는 서적, 음악, 영화, 뉴스 및 비디오 등 다양하지만 논문에서는 영화에 초점을 맞춘다. 이 협업적 여과 방법이 추천 시스템 내에서 유용하게 활용되고 있지만 아직 "희박성 문제"와 "콜드 스타트 문제" 등 해결해야 할 과제가 남아있다. 희박성 문제는 아이템의 수가 증가할수록 아이템에 대한 사용자의 로그 밀도가 감소하는 것이다. 즉, 전체 아이템 수에 비해 사용자가 아이템에 대해 평가한 정보가 충분하지 않기 때문에 사용자의 성향을 파악하기 어렵고, 이로 인해 사용자가 아직 평가하지 않은 아이템에 대해서 선호도를 추측하기 어려운 것을 말한다. 이 희박성 문제가 포함된 경우 적합한 이웃 사용자 집단을 형성하는데 어려움을 겪게 되고 사용자들에게 제공되는 아이템 추천의 질이 떨어지게 된다. 콜드 스타트 문제는 시스템 내에 새로 들어온 사용자 또는 아이템으로 지금까지 한 번도 평가를 하지 않은 경우에 발생한다. 즉, 사용자가 평가한 아이템에 대한 정보가 전혀 포함되어 있지 않거나 매우 적기 때문에 이러한 경우 또한 적합한 이웃 사용자 집단을 형성하는데 어려움을 겪게 되고 사용자가 평가하지 않은 아이템에 대한 선호도 예측의 정확성이 감소되게 된다. 본 논문에서는 영화 추천 시스템에서 발생될 수 있는 초기 사용자 문제를 해결하기 위하여 사용자가 평가한 영화와 소셜 네트워크 서비스로부터 추출된 사용자 선호 장르를 활용하여 사용자 군집을 형성하고 이를 활용하는 방법을 제안한다. 소셜 네트워크 서비스로부터 사용자가 선호하는 영화 장르를 추출하기 위해 페이스북 페이지의 '좋아요' 옵션을 이용하며, 이 '좋아요' 정보를 분석하여 사용자의 영화 장르 관심사를 추출한다. 페이스북의 영화 페이지는 각 영화를 위한 페이스북 페이지로 구성되고 있으며, 사용자는 자신의 선호도에 따라서 "좋아요" 옵션을 선택할 수 있다. 사용자의 페이스북 정보는 페이스북 그래프 API를 활용하여 추출되고 이로부터 사용자 선호 영화를 알 수 있게 된다. 시스템에서 활용되는 영화 정보는 인터넷 영화 데이터베이스인 IMDb로부터 획득한다. IMDb는 수많은 영화와 TV 프로그램을 보유하고 있으며, 각 영화에 관련된 배우 정보, 장르 및 부가 정보들을 포함한다. 논문에서는 사용자가 "좋아요" 표시를 한 영화 페이지를 이용하여 IMDb로부터 영화 장르 정보를 가져온다. 그리고 추출된 영화 장르 선호도와 본 시스템에서 제안하는 영화 평가 항목을 이용하여 유사한 이웃 사용자 집단을 구성한 후, 사용자가 평가하지 않은 아이템에 대한 선호도를 예측하고, 높은 예측 값을 갖는 아이템을 사용자에게 추천한다. 본 논문에서 제안한 사용자의 선호 장르 기반의 사용자 군집 기법을 이용한 시스템을 평가하기 위해서 IMDb 데이터 집합을 이용하여 사용자 영화 평가 시스템을 구축하였고 참가자들의 영화 평가 정보를 획득하였다. 페이스북 영화 페이지 정보는 참가자들의 페이스북 계정과 페이스북 그래프 API를 통해 획득하였다. 사용자 영화 평가 시스템을 통해 획득된 사용자 데이터를 제안하는 방법에 적용하였고 추천 성능, 품질 및 초기 사용자 문제를 벤치마크 알고리즘과 비교하여 평가하였다. 실험 평가의 결과 제안하는 방법을 적용한 추천 시스템을 통해 추천의 품질을 10% 향상시킬 수 있었고, 초기 사용자 문제에 대해서 15% 완화시킬 수 있음을 볼 수 있었다.

• 지능정보연구
• /
• 제21권4호
• /
• pp.1-16
• /
• 2015

교통사고의 원인을 규명하고 미래의 사고를 방지하기 위한 노력의 일환으로 데이터 마이닝 기법을 이용한 교통 데이터 분석의 연구가 이루어지고 있다. 하지만 기존의 교통 데이터를 이용한 마이닝 연구들은 학습된 결과를 사람이 이해하기 어려워 분석에 많은 노력이 필요하다는 문제가 있었다. 본 논문에서는 많은 속성들로 표현된 교통사고 데이터로부터 유용한 패턴을 발견하기 위해 규칙 학습 기반의 데이터 마이닝 기법인 연관규칙 학습기법과 서브그룹 발견기법을 적용하였다. 연관규칙 학습기법은 비지도 학습 기법의 하나로 데이터 내에서 동시에 많이 등장하는 아이템(item)들을 찾아 규칙의 형태로 가공해 주며, 서브그룹 발견기법은 사용자가 지정한 대상 속성이 결론부에 나타나는 규칙을 학습하는 지도학습 기반 기법으로 일반성과 흥미도가 높은 규칙을 학습한다. 규칙 학습 시 사용자의 의도를 반영하기 위해서는 하나 이상의 관심 속성들을 조합한 합성 속성을 만들어 규칙을 학습할 수 있다. 규칙이 도출되고 나면 후처리 과정을 통해 중복된 규칙을 제거하고 유사한 규칙을 일반화하여 규칙들을 더 단순하고 이해하기 쉬운 형태로 가공한다. 교통사고 데이터를 대상으로 두 기법을 적용한 결과 대상 속성을 지정하지 않고 연관규칙 학습기법을 적용하는 경우 사용자가 쉽게 알기 어려운 속성 사이의 숨겨진 관계를 발견할 수 있었으며, 대상 속성을 지정하여 연관규칙 학습기법과 서브그룹 발견기법을 적용하는 경우 파라미터 조정에 많은 노력을 기울여야 하는 연관규칙 학습기법에 비해 서브그룹 발견기법이 흥미로운 규칙들을 더 쉽게 찾을 수 있음을 확인하였다.

• 한국농림기상학회지
• /
• 제23권4호
• /
• pp.374-390
• /
• 2021

농산물 중에서도 노지채소는 생육특성상 기상요건의 변화에 민감하게 반응한다. 온난화로 인한 노지 채소류의 급격한 재배적지 및 생산성 변동의 대응 방안으로 작물모형을 활용한 연구가 활발히 진행되어 왔으며 신뢰도 높은 생산성 예측을 위해 관련된 다양한 요인에 대한 분석이 필요한 상황이다. 본 연구에서는 정밀한 작물 생육 모형의 개발에 앞서 대표적인 노지 채소 작물인 마늘과 양파를 대상으로 문헌 조사를 수행하여 생육 및 생산성과 관련된 모형 개발 연구 동향을 분석하였다. 또한, 작물의 생육 또는 생산성을 예측하는 모형에 관한 문헌들을 분류하여 모형 개발을 위한 시사점을 파악하고자 하였다. 이를 위해 문헌이 수록된 데이터베이스를 이용하여 키워드 조합으로 검색하여 얻어진 관련 문헌들을 수집하였으며, 텍스트마이닝 기법 중 워드클라우드와 의미연결망을 활용하여 수집된 논문들에서 나타난 연구 동향을 분석하였다. 또한 각각의 문헌들을 분석하여 양파와 마늘의 생육 및 수량에 영향을 미치는 요소를 탐색하였다. 그 결과 국내외 모두 식량작물인 벼에 비해 노지채소는 문헌 건수가 월등히 적었다. 또한 텍스트마이닝을 통한 분석결과 연구동향의 경우 기후변화와 원격탐사 등이 주로 검색되었으며, 작물생육 관련인자로는 기온, 관수 등이 많은 것으로 조사되었다. 문헌 분석을 통해 확인된 마늘과 양파의 생산성에 영향을 미치는 조건들은 환경 및 재배요인에 따라 다양하게 나타났는데, 토양 조건의 경우 토양 무기 성분, pH 농도 및 토양 수분 등이, 생산성과 관련된 재배관리 조건으로는 파종 시기, 품종, 종자처리 방식, 관수간격, 시비량 및 비료 성분 등이 주요 인자로 분류되었다. 기상 조건의 경우, 기온, 강수량, 일사량 및 습도 등이 다수의 문헌에서 주요 인자로 사용되었다. 본 연구의 결과들은 차후 추가적인 작물모형 개발에 활용할 수 있는 핵심적인 입력 요소를 파악하기 위해 사용될 수 있을 것으로 기대된다.

• 한국농림기상학회지
• /
• 제24권3호
• /
• pp.164-178
• /
• 2022

주요 곡물 생산 지역에 대한 작황 계절 예측을 위해 작물모형과 기상 예보자료들이 활용되고 있다. 이 때, 작물모형의 입력자료로 활용되는 기상자료의 불확실성이 작황 예측 결과에 영향을 줄 수 있다. 본 연구에서는 기상 예보자료에 따른 작물모형 결과에 미치는 영향을 알아보고자 하였다. 주요 곡물 생산 지역인 미국의 콘벨트 지역을 대상으로 중규모 수치예보 모형인 Weather Research and Forecasting (WRF)로 10km 해상도의 계절 예측 자료를 생산하였다. 보다 상세한 기상 예보자료 생산을 가정하기 위해 통계적 기법인 Parameter-elevation Regressions on Independent Slopes Model (PRISM) 기법을 활용하여 WRF 자료를 기반으로 5km 해상도로 예측 자료를 생산하였다. WRF와 PRISM 계절 예측 자료로 CROPGRO-SOYBEAN 모형을 구동하여 두 기상 예보자료에 따른 작물 생육 모의 결과를 얻었다. 2011~2018 기간에 대하여 4월 10일부터 8일 간격으로 11개의 파종일을 설정하였으며, 3개의 콩 성숙군에 대한 품종 모수가 사용되었다. 기상 자료의 불확실성을 파악하기 위해 작물 재배기간 동안의 누적 생육도일과 누적 일사량을 비교하였다. 예측된 수량 및 성숙일 등의 주요 변수들을 비교하였다. 두 기상 자료로부터 얻어진 변수들 사이의 일치도 통계량 계산을 위해 root mean square error (RMSE), normalized root mean square error (NRMSE) 및 structural similarity(SSIM) index가 사용되었다. WRF와 PRISM에서 계산된 누적 생육도일 사이의 일치도가 낮았던 연도에 콩 성숙일 모의 값에 대한 오차가 크게 나타났다. 콩 모의 수량 또한 성숙일 및 온도의 오차가 크게 나타났던 연도에 상대적으로 낮은 일치도를 가졌다. 또한 파종일이 수량 및 성숙일 예측의 일치도에 상당한 영향을 미치는 것으로 나타났다. 이러한 결과는 WRF와 PRISM 자료 사이에 온도 자료의 불확실성이 작황 예측의 불확실성에 영향을 주었으며, 재배 시기에 따라 그 불확도의 크기가 상이할 수 있음을 암시하였다. 따라서 신뢰도 높은 작황 예측 자료 생산을 위해 작물별 재배기간을 고려한 불확실성 평가 등의 추가적인 연구가 진행되어야 할 것으로 보인다.

• 지능정보연구
• /
• 제19권3호
• /
• pp.57-71
• /
• 2013

세계에는 수많은 사람들이 살아가고 있고, 사람들의 일상으로부터 매일, 매 시간 단위로 새로운 뉴스가 발생한다. 발생되는 뉴스는 예정된 일과 예상하지 못한 일들을 포함하고 있다. 발생하는 뉴스의 거대한 양과 이를 전달하는 수많은 미디어들로 인해 사람들은 뉴스 콘텐츠를 이용하는데 많은 시간을 소비하게 된다. 하지만 미디어에 시시각각 나타나는 속보와 실시간 이슈의 대부분이 가십 기사로 이루어져 있어 사용자들이 자신의 성향에 맞는 뉴스를 선별하고, 뉴스로부터 정보를 획득하는 것은 쉽지 않은 일이다. 또한 사용자의 관심사가 시간에 따라 변하기 때문에 뉴스 제공에 있어 사용자의 변하는 관심사를 반영하는 것이 요구된다. 본 논문에서는 사용자의 최근 관심사를 기반으로 사용자 선호도에 맞는 뉴스를 제공하기 위한 콘텐츠 기반의 추천 기법 및 시스템을 제안한다. 사용자의 최근 선호도를 파악하기 위하여 소셜 네트워크 서비스인 Facebook 사용자의 정보와 최근 게시글을 이용하여 동적으로 사용자 프로파일을 생성하여 이를 뉴스 서비스에 활용하고, 사용자 선호도에 적합한 뉴스를 추출하기 위해서 뉴스 콘텐츠의 분석을 요구한다. 뉴스 콘텐츠 분석을 위해 미디어에서 제공되는 뉴스의 카테고리를 사용하고, 뉴스 방송원고의 분석 및 주요 키워드 추출을 통해 뉴스 프로파일을 생성한다. 사용자 프로파일과 뉴스 프로파일 간의 유사도 측정을 위해서는 두 프로파일 간 형식의 일치화가 요구되므로 사용자 프로파일을 뉴스 프로파일과 동일한 형태로 생성한다. 사용자가 시스템에 접속하면 시스템은 사용자 프로파일에 명시된 선호도를 기반으로 뉴스 프로파일과의 유사도를 측정하고, 사용자 선호도에 가장 적합한 뉴스들을 제공하게 된다. 또한 사용자에게 제공된 뉴스 프로파일과 다른 뉴스 프로파일들 간에 유사도를 측정하여 유사도가 높은 관련된 뉴스들을 제공하게 된다. 제안한 개인화된 뉴스 서비스의 성능을 평가하기 위해 사용자에게 추천된 뉴스에 대한 사용자 평가와 시스템 예측값의 오차를 기반으로 6Sub-Vectors 벤치마크 알고리즘과 성능 평가를 수행하였고, 실험 결과를 통해 제안한 시스템의 우수성을 입증하였다.

• 한국해안·해양공학회논문집
• /
• 제26권6호
• /
• pp.405-412
• /
• 2014

적조에 관한 관심이 고조되면서 적조모형 개발에 관한 연구가 활발하게 지속적으로 추진되어 다양한 적조모형이 개발 적용되고 있는 실정이다. 적조는 연안생태환경 및 양식어업에 직접적인 피해를 주며, 모형을 이용한 적조 발생 및 이동양상의 정확한 예측결과는 사전 피해저감 대책수립 및 관리에 활용할 수 있기 때문에 모형의 예측 성능평가도 중요하다. 그러나 적조모형은 적조생물을 포함하는 생태모형 또는 환경생태모형이라는 유사한 용어가 명확한 구분 없이 사용되고 있어 혼동을 유발하고 있다. 각각의 모형은 유사한 용어를 사용한다 할지라도 모형의 개발 목표, 구조와 예측성능에서 차이가 나기 때문에 적절한 기준에 근거한 분류와 오차분석에 근거한 모형의 성능평가가 요구된다. 따라서 본 연구에서는 다양한 적조 모형의 구조 및 요소모형을 고려한 분류기준을 제시하고, 분류된 적조모형의 구조를 고려한 장 단점 및 한계를 제시하고, 모형 활용과정에서 실질적으로 가장 중요한 정량적인 성능평가(오차평가) 기법을 제안한다. 모형의 성능평가는 모형의 보정 및 검정과정으로 분류하여 제시하였다. 제시된 기준이나 기법은 모형의 불확실성을 고려한 정책결정 및 대책수립, 환경관리에 기여할 것으로 판단된다.