• 한국광학회지
• /
• 제16권3호
• /
• pp.182-190
• /
• 2005

본 논문은 효율적으로 라만 증폭기의 이득을 예측하고 잡음 특성을 분석하기 위해서 라만 증폭기 상관된 상미분방정식 (Ordinary Differential Equation: ODE)을 유효거리(Effective Length) 기반의 상관된 적분형(closed integral form)방정식 및 매트릭스로 전개하고 이 전개를 활용한 라만 증폭기 모델링 및 수치해석 알고리즘을 기술한다. 광섬유 라만 증폭기는 유연하고 넓은 이득 대역폭 및 낮은 잡음 등의 장점 때문에 최근 광통신 시스템에서 핵심기술로 각광받고 있으며, 특히 멀티채널 펌핑구조에서 성능예측을 위해 많은 라만 증폭기 모델링 방법들이 연구되어 왔다. 그러나 기존의 많은 연구들은 라만 증폭기 상관된 상미분방정식의 해를 "fiber propagation axis"를 기반으로 구해왔기 때문에 광섬유 길이에 의존적이고 복잡한 계산으로 상당히 많은 시간이 필요했으며, 실제 전송 시스템에서의 활용이 어려웠다. 이러한 문제점을 해결하기 위해서 본 논문에서는 기존의 상관된 상미분방정식을 접근이 용이한 "유효거리" 기반의 적분형 방정식으로 전개하고 매트릭스 및 벡터 형태로 알고리즘을 공식화하여 빠른 라만 이득 계산과 "iteration axis"를 이용한 해의 도출을 통해 새로운 라만 증폭기 모델링 방법과 수치해석 알고리즘을 제시하였다. 제안한 수치해석 알고리즘을 전방, 후방 및 양방향 펌핑구조의 라만 증폭기가 도입된 시스템에 적용하는 컴퓨터 모의실험을 수행한 결과 기존의 "Average power method와 비교하여 라만 이득과 광선로 내의 펌프 및 신호 광의 진행정도를 18배 이상의 정밀도에서 0.03 dB 이내의 매우 작은 오차범위 및 100배 이상 단축된 짧은 시간으로 정확히 예측하였다. 또한, 수치해석 알고리즘을 통해서 얻은 신호 광 파워의 분포를 바탕으로 Amplified Spontaneous Emission(ASE), 후방 ASE의 레일레이 산란 및 신호의 이중 레일레이 산란과 같은 라만 증폭기 잡음 요소들을 분석하였다. 새롭게 제안한 수치해석 알고리즘은 실제 광통신 시스템에 적용되어 신속하고 효율적으로 라만 증폭기 성능을 예측하고 분석할 수 있을 것으로 기대된다.

• 한국의학물리학회지:의학물리
• /
• 제23권4호
• /
• pp.309-316
• /
• 2012

다중영상화기술은 진단 및 치료 반응평가의 성능향상을 위하여 활발히 연구되고 있으며 하드웨어의 통합에도 불구하고 기기간의 획득방법의 차이에 따라 영상간의 불일치와 계수부족으로 인하여 정합도를 떨어뜨린다. 이에 본 연구에서는 소동물 PET 리스트모드 데이터의 저장형식을 분석하고 잡음 및 통계적 특성을 향상시키기 위하여 이벤트 데이터를 재추출하여 정량적으로 개선된 PET 영상을 획득하고자 하였다. 소동물 리스트모드 Inveon PET 데이터는 소동물에 37 MBq/0.1 ml를 꼬리정맥에 주사하고 60분 후 10분 동안 정적데이터를 획득하였다. 생체신호와 같이 획득된 리스트모드 데이터형식은 48 비트의 패킷크기로 이루어져 있으며 패킷 내에서는 8 비트의 헤더와 40 비트의 payload 영역으로 나누어져 있다. 사이노그램 생성은 그레이코드로 각 패킷의 순서와 흐름을 평가하고 각 패킷의 순서를 CPU에서 검출기위치 변환과 단순 증가 그리고 비모수 부트스트랩 기법을 이용하여 재추출하여 새로운 사이노그램을 생성하였다. 영상은 3 span과 31 ring difference로 설정하여 생성된 사이노그램은 산란 및 감쇠보정을 고려하지 않고 16부분 집합으로 4회 반복하는 OSEM 2D 알고리즘을 이용하여 재구성하였다. 획득된 PET 데이터의 헤더정보에서의 동시계수의 총수는 1,394만 계수였으며, 리스트-이벤트 데이터의 패킷을 분석한 동시계수의 총수는 1,293만 계수였다. PET 데이터의 단순 증가는 최대값이 1.336에서 1.743으로 향상되었으나 잡음이 같이 증가됨을 확인하였다. PET 데이터 재추출 성능은 순차적인 패킷의 payload 값을 시프트연산을 통해 데이터의 위치를 이동시킴으로써 특정 잡음이 제거되거나 대조도가 향상되는 영상을 획득할 수 있었다. 부트스트랩 재추출 기법은 영상의 잡음과 통계적 특성이 개선된 PET 영상을 제공하여 다중영상화시 정합도를 향상시켜 질환의 조기 진단 성능을 향상시킬 수 있을 것으로 기대된다.

• 대한핵의학회지
• /
• 제36권6호
• /
• pp.344-356
• /
• 2002

목적: 적혈구 혈액 풀 SPECT는 높은 특이도로 인하여, 간의 대표적인 양성 종양인 혈관종의 진단에 널리 사용되어 왔지만 낮은 해상도가 이 검사의 단점 중 하나였다. 최근 들어 ordered subset expectation maximization (OSEM)이라는 기술이 임상 핵의학 분야에서 단층영상의 재구성에 도입되고 있는 바, 저자들은 간 혈관종을 대상으로 기존의 역투사방식과 새로운 수정된 반복영상구성법인 OSEM을 비교하고자 하였다. 대상 및 방법: 24명의 간 혈관종 환자의 28개의 병변들 각각으로부터 이중 헤드 감마 카메라를 이용하여 단층영상 재구성을 위한 64개의 투사 영상을 얻었다. 이들 raw data는 LINUX운영체계의 개인용 컴퓨터에 보내서, 각각의 header file을 interfile로 대체하여 OSEM프로그램이 인식할 수 있도록 하였다. 최상의 영상을 구성하는 조건을 알아보기 위하여 다양한 subset 수(1, 2, 4, 8, 16 그리고 32) 및 반복계산 수 (1, 2, 4, 8, 그리고 16)하에서 재구성을 시도하여 4번의 반복계산과 16개의 subset일 때를 최적 조건으로 선택하였다. 이후 이 조건 하에서 OSEM과 역투사 방법으로 각각 모든 대상을 재구성한 후에 3명의 핵의학 및 방사선과 전문의가 특별한 정보 없이 모든 영상을 검토하였다. 결과: 28개의 병변을 맹검한 결과, 거의 모든 증례에서 OSEM이 역투사에 비교하여 최소한 대등하거나 우수한 영상의 질을 보여주었다. 비록 3 cm 이상의 큰 병변의 검출에는 차이가 없었으나 1.5-3 cm 크기의 병변 5개는 OSEM을 통하여서만 발견되었다. 하지만 1.5 cm 미만의 작은 병변 4개는 양쪽 모두에서 검출되지 않았다. 결론: OSEM은 작은 크기의 간 혈관종을 발견하는데 보다 높은 민감도를 보였으며 전체적인 영상의 질에 있어서도 보다 좋은 대조도와 윤곽을 보여주었다. OSEM은 이와 같은 장점 뿐만 아니라 높은 사양의 컴퓨터를 요하지않고 계산시간이 길지 않기 때문에 임상에서 간 혈관종의 진단을 위한 적혈구 혈액풀 SPECT에 쉽게 적용될 수 있는 좋은 방법으로 사료된다.

• 한국의학물리학회지:의학물리
• /
• 제22권3호
• /
• pp.140-147
• /
• 2011

이 연구에서는 폐종양의 정량적 개선을 위하여 분자체를 이용하여 내부 움직임을 측정하고 평가된 데이터를 기반으로 소동물 PET 영상내의 폐종양을 국소화하고자 하였다. 소동물 폐 영역의 내부 움직임은 방사성물질을 흡착한 분자체를 이용하여 소동물 폐 영역에 부착함으로써 구현하였다. 폐 영역의 내부 움직임 표적으로 사용된 분자체는 약 37 kBq의 Cu-64를 흡착시켜 폐종양을 모사하였다. 소동물 PET 영상은 Siemens Inveon 스캐너를 이용하여 획득하였으며 외부 움직임 데이터는 트리거 생성 장치인 BioVet을 이용하였다. SD-Rat PET 영상은 $^{18}F$-FDG 37 MBq/0.2 mL을 미정맥으로 주사하고 60분 후 20분간 데이터를 획득하였다. 리스트모드 데이터의 각 선응답은 외부 트리거 장치에 의해 획득된 트리거신호를 이용하여 2 bin에서 16 bin으로 사이노그램을 획득하였다. 획득된 사이노그램 데이터는 OSEM 2D 알고리즘을 이용하여 4회의 반복으로 재구성하였다. 종양의 정량적 분석을 위한 PET 영상은 종양을 묘사한 분자체 영역에 관심영역을 설정하고 계수와 SNR 그리고 FWHM을 이용하여 평가하였다. 움직임 표적으로 사용된 분자체의 크기는 $1.59{\times}2.50mm$이었으며, 기준 영상으로 획득한 체외 분자체 수직 및 수평 FWHM은 $2.91{\times}1.43mm$이었다. 정적영상과 4 bin 그리고 8 bin 영상에서의 수직 FWHM은 각각 3.90 mm, 3.74 mm, 3.16 mm이었으며 수평 FWHM은 각각 2.21 mm, 2.06 mm, 1.60 mm이었다. 정적영상, 4 bin, 8 bin, 12 bin 그리고 16 bin의 계수 값은 각각 4.10, 4.83, 5.59, 5.38, 5.31이었다. 정적영상, 4 bin, 8 bin, 12 bin 그리고 16 bin의 SNR은 4.18, 4.05, 4.22, 3.89, 3.58이었다. FWHM은 게이트 수의 증가에 따라 계속 향상됨을 확인하였다. 그러나 계수 값과 SNR은 게이트 수의 증가에 따라 계속 향상되지 않고 특정 bin 수에서 가장 높은 값을 보여 소동물 폐 영역에서의 종양 영상화시 SNR의 손실을 최소화하면서 향상된 계수 값을 얻을 수 있는 게이트 수를 획득하였다. 내부 움직임 측정은 최적화된 종양 국소화 영상을 획득할 수 있으며 외부 움직임 모니터링 시스템을 사용하지 않고 장기별 움직임 예측 모델링을 위한 유용한 방법이 될 것으로 기대된다.

• 지능정보연구
• /
• 제19권4호
• /
• pp.55-79
• /
• 2013

본 연구에서는 집중형 센터를 가진 역물류네트워크(Reverse logistics network with centralized centers : RLNCC)를 효율적을 해결하기 위한 혼합형 유전알고리즘(Hybrid genetic algorithm : HGA) 접근법을 제안한다. 제안된 HGA에서는 유전알고리즘(Genetic algorithm : GA)이 주요한 알고리즘으로 사용되며, GA 실행을 위해 0 혹은 1의 값을 가질 수 있는 새로운 비트스트링 표현구조(Bit-string representation scheme), Gen and Chang(1997)이 제안한 확장샘플링공간에서의 우수해 선택전략(Elitist strategy in enlarged sampling space) 2점 교차변이 연산자(Two-point crossover operator), 랜덤 돌연변이 연산자(Random mutation operator)가 사용된다. 또한 HGA에서는 혼합형 개념 적용을 위해 Michalewicz(1994)가 제안한 반복적언덕오르기법(Iterative hill climbing method : IHCM)이 사용된다. IHCM은 지역적 탐색기법(Local search technique) 중의 하나로서 GA탐색과정에 의해 수렴된 탐색공간에 대해 정밀하게 탐색을 실시한다. RLNCC는 역물류 네트워크에서 수집센터(Collection center), 재제조센터(Remanufacturing center), 재분배센터(Redistribution center), 2차 시장(Secondary market)으로 구성되며, 이들 각 센터 및 2차 시장들 중에서 하나의 센터 및 2차 시장만 개설되는 형태를 가지고 있다. 이러한 형태의 RLNCC는 혼합정수계획법(Mixed integer programming : MIP)모델로 표현되며, MIP 모델은 수송비용, 고정비용, 제품처리비용의 총합을 최소화하는 목적함수를 가지고 있다. 수송비용은 각 센터와 2차 시장 간에 제품수송에서 발생하는 비용을 의미하며, 고정비용은 각 센터 및 2차 시장의 개설여부에 따라 결정된다. 예를 들어 만일 세 개의 수집센터(수집센터 1, 2, 3의 개설비용이 각각 10.5, 12.1, 8.9)가 고려되고, 이 중에서 수집센터 1이 개설되고, 나머지 수집센터 2, 3은 개설되지 않을 경우, 전체고정비용은 10.5가 된다. 제품처리비용은 고객으로부터 회수된 제품을 각 센터 및 2차 시장에서 처리할 경우에 발생되는 비용을 의미한다. 수치실험에서는 본 연구에서 제안된 HGA접근법과 Yun(2013)의 연구에서 제안한 GA접근법이 다양한 수행도 평가 척도에 의해 서로 비교, 분석된다. Yun(2013)이 제안한 GA는 HGA에서 사용되는 IHCM과 같은 지역적탐색기법을 가지지 않는 접근법이다. 이들 두 접근법에서 동일한 조건의 실험을 위해 총세대수 : 10,000, 집단의 크기 : 20, 교차변이 확률 : 0.5, 돌연변이 확률 : 0.1, IHCM을 위한 탐색범위 : 2.0이 사용되며, 탐색의 랜덤성을 제거하기 위해 총 20번의 반복실행이 이루어 졌다. 사례로 제시된 두 가지 형태의 RLNCC에 대해 GA와 HGA가 각각 실행되었으며, 그 실험결과는 본 연구에서 제안된 HGA가 기존의 접근법인 GA보다 더 우수하다는 것이 증명되었다. 다만 본 연구에서는 비교적 규모가 작은 RLNCC만을 고려하였기에 추후 연구에서는 보다 규모가 큰 RLNCC에 대해 비교분석이 이루어 져야 할 것이다.

• 지능정보연구
• /
• 제18권2호
• /
• pp.29-45
• /
• 2012

회사채 신용등급은 투자자의 입장에서는 수익률 결정의 중요한 요소이며 기업의 입장에서는 자본비용 및 기업 가치와 관련된 중요한 재무의사결정사항으로 정교한 신용등급 예측 모형의 개발은 재무 및 회계 분야에서 오랫동안 전통적인 연구 주제가 되어왔다. 그러나, 회사채 신용등급 예측 모형의 성과와 관련된 가장 중요한 문제는 등급별 데이터의 불균형 문제이다. 예측 문제에 있어서 데이터 불균형(Data imbalance) 은 사용되는 표본이 특정 범주에 편중되었을 때 나타난다. 데이터 불균형이 심화됨에 따라 범주 사이의 분류경계영역이 왜곡되므로 분류자의 학습성과가 저하되게 된다. 본 연구에서는 데이터 불균형 문제가 존재하는 다분류 문제를 효과적으로 해결하기 위한 다분류 기하평균 부스팅 기법 (Multiclass Geometric Mean-based Boosting MGM-Boost)을 제안하고자 한다. MGM-Boost 알고리즘은 부스팅 알고리즘에 기하평균 개념을 도입한 것으로 오분류된 표본에 대한 학습을 강화할 수 있으며 불균형 분포를 보이는 각 범주의 예측정확도를 동시에 고려한 학습이 가능하다는 장점이 있다. 회사채 신용등급 예측문제를 활용하여 MGM-Boost의 성과를 검증한 결과 SVM 및 AdaBoost 기법과 비교하여 통계적으로 유의적인 성과개선 효과를 보여주었으며 데이터 불균형 하에서도 벤치마킹 모형과 비교하여 견고한 학습성과를 나타냈다.