• Korean Journal of Radiology
• /
• 제22권6호
• /
• pp.983-993
• /
• 2021

Objective: To investigate the image quality of ultralow-dose CT (ULDCT) of the chest reconstructed using a cycle-consistent generative adversarial network (CycleGAN)-based deep learning method in the evaluation of pulmonary tuberculosis. Materials and Methods: Between June 2019 and November 2019, 103 patients (mean age, 40.8 ± 13.6 years; 61 men and 42 women) with pulmonary tuberculosis were prospectively enrolled to undergo standard-dose CT (120 kVp with automated exposure control), followed immediately by ULDCT (80 kVp and 10 mAs). The images of the two successive scans were used to train the CycleGAN framework for image-to-image translation. The denoising efficacy of the CycleGAN algorithm was compared with that of hybrid and model-based iterative reconstruction. Repeated-measures analysis of variance and Wilcoxon signed-rank test were performed to compare the objective measurements and the subjective image quality scores, respectively. Results: With the optimized CycleGAN denoising model, using the ULDCT images as input, the peak signal-to-noise ratio and structural similarity index improved by 2.0 dB and 0.21, respectively. The CycleGAN-generated denoised ULDCT images typically provided satisfactory image quality for optimal visibility of anatomic structures and pathological findings, with a lower level of image noise (mean ± standard deviation [SD], 19.5 ± 3.0 Hounsfield unit [HU]) than that of the hybrid (66.3 ± 10.5 HU, p < 0.001) and a similar noise level to model-based iterative reconstruction (19.6 ± 2.6 HU, p > 0.908). The CycleGAN-generated images showed the highest contrast-to-noise ratios for the pulmonary lesions, followed by the model-based and hybrid iterative reconstruction. The mean effective radiation dose of ULDCT was 0.12 mSv with a mean 93.9% reduction compared to standard-dose CT. Conclusion: The optimized CycleGAN technique may allow the synthesis of diagnostically acceptable images from ULDCT of the chest for the evaluation of pulmonary tuberculosis.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2003년도 하계종합학술대회 논문집 V
• /
• pp.2585-2588
• /
• 2003

2 관성 공진계는 마른 응답을 위해 제어이득을 크게 하면 공진에 의해 축비틀림 진동이 일어나는 경우가 많다. 본 논문에서는 반복 학습 제어기법을 활용하여 불확실한 모델 계수를 포함하는 2 관성 공진계의 진동억제를 시도한다. 2관성 공진계의 경우 제어 대상이 되는 부하측 속도는 학습 제어로 직접 적용하기가 힘들고 또한 측정 또한 어렵다. 본 논문에서는 부하측 속도와 전동기측 속도간의 관계를 이용하여 직접 부하측 속도를 제어하는 대신 전동기측 속도를 제어하여 간접적으로 부하측 속도를 제어하였다. 제안된 방식은 전형적인 2 관성 공진계에 모의 실험을 통해 적용되었고, 정확한 모델이 없이도 진동 없는 마른 응답특성을 보여준다.

• 한국추진공학회:학술대회논문집
• /
• 한국추진공학회 2006년도 제27회 추계학술대회논문집
• /
• pp.139-145
• /
• 2006

액체추진제로켓엔진(LRE)은 로켓의 궤도 및 동특성 제어에 있어서 가장 중용한 부분 중 하나이다. LRE 제어 목적은 주어진 추력 궤도에 맞추어 추력을 조절하는 것과 주연소실과 가스발생기 내의 연소가스의 온도가 일정 범위를 넘어가지 않도록 추진제의 혼합비를 일정하게 유지시키는 것이다. 이런 제어 목적을 가진 LRE는 LRE를 구성하고 있는 구성품 간의 상호간섭에 의하여 다중제어가 쉽게 이루어지지 않는다. 본 연구에서는 LRE에 대한 동특성 모델을 구성하였으며 PID 제어와 PID+Q-ILC 제어로직을 적용한 결과에 대해 해석하였다. 전산모사 결과, PID 제어 보다 PID+Q-ILC 제어 방식을 적용할 경우 오차를 더욱 더 줄일 수 있는 것을 확인하였다.

• Korean Journal of Radiology
• /
• 제24권4호
• /
• pp.294-304
• /
• 2023

Objective: We aimed to investigate whether image standardization using deep learning-based computed tomography (CT) image conversion would improve the performance of deep learning-based automated hepatic segmentation across various reconstruction methods. Materials and Methods: We collected contrast-enhanced dual-energy CT of the abdomen that was obtained using various reconstruction methods, including filtered back projection, iterative reconstruction, optimum contrast, and monoenergetic images with 40, 60, and 80 keV. A deep learning based image conversion algorithm was developed to standardize the CT images using 142 CT examinations (128 for training and 14 for tuning). A separate set of 43 CT examinations from 42 patients (mean age, 10.1 years) was used as the test data. A commercial software program (MEDIP PRO v2.0.0.0, MEDICALIP Co. Ltd.) based on 2D U-NET was used to create liver segmentation masks with liver volume. The original 80 keV images were used as the ground truth. We used the paired t-test to compare the segmentation performance in the Dice similarity coefficient (DSC) and difference ratio of the liver volume relative to the ground truth volume before and after image standardization. The concordance correlation coefficient (CCC) was used to assess the agreement between the segmented liver volume and ground-truth volume. Results: The original CT images showed variable and poor segmentation performances. The standardized images achieved significantly higher DSCs for liver segmentation than the original images (DSC [original, 5.40%-91.27%] vs. [standardized, 93.16%-96.74%], all P < 0.001). The difference ratio of liver volume also decreased significantly after image conversion (original, 9.84%-91.37% vs. standardized, 1.99%-4.41%). In all protocols, CCCs improved after image conversion (original, -0.006-0.964 vs. standardized, 0.990-0.998). Conclusion: Deep learning-based CT image standardization can improve the performance of automated hepatic segmentation using CT images reconstructed using various methods. Deep learning-based CT image conversion may have the potential to improve the generalizability of the segmentation network.

• 한국전산구조공학회논문집
• /
• 제34권6호
• /
• pp.403-408
• /
• 2021

현재 교량과 같은 토목구조물의 설계프로세스는 1차 설계 후 구조 검토를 수행하여 기준에 부적합할 경우 재설계하는 과정을 반복하여 최종적인 성과품을 만드는 것이 일반적이다. 이러한 반복 과정은 설계에 소요되는 기간을 연장시키는 원인이 되며, 보다 수준 높은 설계를 위해 투입되어야 할 고급 엔지니어링 인력을 기계적인 단순 반복 작업에 소모하고 있다. 이러한 문제는 설계 과정 자동화를 통하여 해결할 수 있으나, 설계 과정에서 사용되는 해석프로그램은 이러한 자동화에 가장 큰 장애요인이 되어 왔다. 본 연구에서는 기존 설계 과정 중 반복작업을 대체하고자 강화학습 알고리즘과 외부 해석프로그램을 함께 제어할 수 있는 인터페이스를 포함한 교량설계 프로세스에 대한 AI기반 자동화 시스템을 구축하였다. 이 연구를 통하여 구축된 시스템의 프로토타입은 2경간 RC라멘교를 대상으로 제작하였다. 개발된 인터페이스 체계는 향후 최신 AI 및 타 형식의 교량설계 간 연계를 위한 기초기술로써 활용될 수 있을 것으로 판단된다.