• International Journal of Computer Science & Network Security
• /
• 제23권11호
• /
• pp.73-76
• /
• 2023

We introduce DCNN and DRAE appraoches for compression of medical videos, in order to decrease file size and storage requirements, there is an increasing need for medical video compression nowadays. Using a lossy compression technique, a higher compression ratio can be attained, but information will be lost and possible diagnostic mistakes may follow. The requirement to store medical video in lossless format results from this. The aim of utilizing a lossless compression tool is to maximize compression because the traditional lossless compression technique yields a poor compression ratio. The temporal and spatial redundancy seen in video sequences can be successfully utilized by the proposed DCNN and DRAE encoding. This paper describes the lossless encoding mode and shows how a compression ratio greater than 2 (2:1) can be achieved.

• 한국초등수학교육학회지
• /
• 제14권3호
• /
• pp.769-788
• /
• 2010

본 연구는 우리나라 초등학교 수학 교과서와 미국 MIC 교과서의 비와 비율 관련 단원을 전반적인 비교와 구체적인 비교로 특징을 분석하였다. 이를 바탕으로 교육과정과 비와 비율 관련단원 내용의 문제점과 시사점을 찾아 수학과 교육과정 및 교과서 개발, 수학 학습지도 방법 개선의 기초 자료를 제공하는 데 그 목적을 둔다.

• 사상체질의학회지
• /
• 제36권2호
• /
• pp.39-48
• /
• 2024

Objectives The aim was to develop a method for detecting Sasang constitution based on the ratio of facial landmarks and provide an objective and reliable tool for Sasang constitution classification. Methods Facial images, KS-15 scores, and certainty scores were collected from subjects identified by Korean Medicine Data Center. Facial ratio landmarks were detected, yielding 2279 facial ratio features. Tree-based models were trained to classify Sasang constitution, and Shapley Additive Explanations (SHAP) analysis was employed to identify important facial features. Additionally, Body Mass Index (BMI) and personality questionnaire were incorporated as supplementary information to enhance model performance. Results Using the Tree-based models, the accuracy for classifying Taeeum, Soeum, and Soyang constitutions was 81.90%, 90.49%, and 81.90% respectively. SHAP analysis revealed important facial features, while the inclusion of BMI and personality questionnaire improved model performance. This demonstrates that facial ratio-based Sasang constitution analysis yields effective and accurate classification results. Conclusions Facial ratio-based Sasang constitution analysis provides rapid and objective results compared to traditional methods. This approach holds promise for enhancing personalized medicine in Korean traditional medicine.

• 지능정보연구
• /
• 제27권1호
• /
• pp.65-82
• /
• 2021

주식시장에 참여하는 투자자들은 크게 외국인투자자, 기관투자자, 그리고 개인투자자로 구분된다. 외국인투자자 같은 전문투자자 집단은 개인투자자 집단과 비교하여 정보력과 자금력에서 우위를 보이고 있으며, 그 결과 시장 참여자들 사이에는 외국인투자자들이 좋은 투자 성과를 보이는 것으로 알려져 있다. 외국인 투자자들은 근래에는 인공지능을 이용한 투자를 많이 하고 있다. 본 연구의 목적은 투자자별 거래량 정보와 머신러닝을 결합하는 투자전략을 제안하고, 실제 주가와 투자자별 거래량 데이터를 이용하여 제안 모형의 포트폴리오 투자 성과를 분석하는 것이다. 일별 투자자별 매수 수량과 매도 수량 정보는 한국거래소에서 공개하고 있는 자료를 활용하였으며, 여기에 인공신경망을 결합하여 최적의 포트폴리오 전략을 도출하고자 하였다. 본 연구에서는 자기 조직화 지도 모형 인공신경망을 이용하여 투자자별 거래량 데이터를 그룹화하고 그룹화한 데이터를 변환하여 오류역전파 모형을 학습하였다. 학습 후 검증 데이터 예측결과로 매월 포트폴리오 구성을 하도록 개발하였다. 성과 분석을 위해 포트폴리오의 벤치마크를 지정하였고 시장 수익률 비교를 위해 KOSPI200, KOSPI 지수 수익률도 구하였다. 포트폴리오의 동일배분 수익률, 복리 수익률, 연평균 수익률, MDD, 표준편차, 샤프지수, 벤치마크로 지정한 시가총액 상위 10종목의 Buy and Hold 수익률 등을 사용하여 성과 분석을 진행하였다. 분석 결과 포트폴리오가 벤치마크 대비 2배 수익률을 올렸으며 시장 수익률보다 좋은 성과를 보였다. MDD와 표준편차는 포트폴리오와 벤치마크가 비슷한 결과로 성과 대비 비교한다면 포트폴리오가 좋은 성과라고 할 수 있다. 샤프지수도 포트폴리오가 벤치마크와 시장 결과보다 좋은 성과를 내었다. 이를 통해 머신러닝과 투자자별 거래정보 분석을 활용한 포트폴리오 구성 프로그램 개발의 방향을 제시하였고 실제 주식 투자를 위한 프로그램 개발에 활용할 수 있음을 보였다.

• 한국방사선학회논문지
• /
• 제16권3호
• /
• pp.295-302
• /
• 2022

희박뷰 전산화단층촬영(computed tomography; CT) 영상화 기술은 피폭 방사선량을 감소시킬 수 있을 뿐만 아니라 획득한 투영상의 균일성을 유지하고 잡음을 감소시킬 수 있는 장점이 있다. 하지만 재구성 영상 내 인공물 발생으로 인하여 화질 및 피사체 구조가 왜곡되는 단점이 있다. 본 연구에서는 희박뷰 CT 영상의 인공물 감소를 위해 wavelet 변환과 잔차 학습(residual learning)을 적용한 콘볼루션 신경망(convolutional neural network; CNN) 기반 영상화 모델을 개발하고, 개발한 모델을 통한 희박뷰 CT 영상의 인공물 감소 정도를 정량적으로 분석하였다. CNN은 wavelet 변환 층, 콘볼루션 층 및 역 wavelet 변환 층으로 구성하였으며, 희박뷰 CT 영상과 잔차 영상을 각각 입출력 영상으로 설정하여 영상화 모델 학습을 진행하였다. 영상화 모델 학습을 위해 평균제곱오차(mean squared error; MSE)를 손실함수로, Adam 함수를 최적화 함수로 사용하였다. 학습된 모델을 통해 입력 희박뷰 CT 영상에 대한 예측 잔차 영상을 획득하고, 두 영상간의 감산을 통해 최종 결과 영상을 획득하였다. 또한 최종 결과 영상에 대한 시각적 특성, 최대신호대잡음비(peak signal-to- noise ratio; PSNR) 및 구조적유사성지수(structural similarity; SSIM)를 측정하였다. 연구결과 본 연구에서 개발한 영상화 모델을 통해 희박뷰 CT 영상의 인공물이 효과적으로 제거되며, 공간분해능이 향상되는 결과를 확인하였다. 또한 wavelet 변환과 잔차 학습을 미적용한 영상화 모델에 비해 본 연구에서 개발한 영상화 모델은 결과 영상의 PSNR 및 SSIM을 각각 8.18% 및 19.71% 향상시킬 수 있음을 확인하였다. 따라서 본 연구에서 개발한 영상화 모델을 이용하여 희박뷰 CT 영상의 인공물 제거는 물론 공간분해능 향상 및 정량적 정확도 향상 효과를 획득할 수 있다.

• Korean Journal of Radiology
• /
• 제21권10호
• /
• pp.1165-1177
• /
• 2020

Objective: To assess the feasibility of applying a deep learning-based denoising technique to coronary CT angiography (CCTA) along with iterative reconstruction for additional noise reduction. Materials and Methods: We retrospectively enrolled 82 consecutive patients (male:female = 60:22; mean age, 67.0 ± 10.8 years) who had undergone both CCTA and invasive coronary artery angiography from March 2017 to June 2018. All included patients underwent CCTA with iterative reconstruction (ADMIRE level 3, Siemens Healthineers). We developed a deep learning based denoising technique (ClariCT.AI, ClariPI), which was based on a modified U-net type convolutional neural net model designed to predict the possible occurrence of low-dose noise in the originals. Denoised images were obtained by subtracting the predicted noise from the originals. Image noise, CT attenuation, signal-to-noise ratio (SNR), and contrast-to-noise ratio (CNR) were objectively calculated. The edge rise distance (ERD) was measured as an indicator of image sharpness. Two blinded readers subjectively graded the image quality using a 5-point scale. Diagnostic performance of the CCTA was evaluated based on the presence or absence of significant stenosis (≥ 50% lumen reduction). Results: Objective image qualities (original vs. denoised: image noise, 67.22 ± 25.74 vs. 52.64 ± 27.40; SNR [left main], 21.91 ± 6.38 vs. 30.35 ± 10.46; CNR [left main], 23.24 ± 6.52 vs. 31.93 ± 10.72; all p < 0.001) and subjective image quality (2.45 ± 0.62 vs. 3.65 ± 0.60, p < 0.001) improved significantly in the denoised images. The average ERDs of the denoised images were significantly smaller than those of originals (0.98 ± 0.08 vs. 0.09 ± 0.08, p < 0.001). With regard to diagnostic accuracy, no significant differences were observed among paired comparisons. Conclusion: Application of the deep learning technique along with iterative reconstruction can enhance the noise reduction performance with a significant improvement in objective and subjective image qualities of CCTA images.

• 융합정보논문지
• /
• 제11권5호
• /
• pp.94-103
• /
• 2021

본 연구의 목적은 비트코인 선물의 투자 전략으로 기술적 거래 규칙들을 제안하고, 실증 분석을 통해 투자 성과를 분석하는 것이다. 투자 전략은 표준적인 거래 전략인 VMA, TRB, FR, MACD, RSI, BB 등이며, 2017년 12월 18일부터 2021년 3월 31일까지의 비트코인 선물 일별 자료를 이용하였다. 실증 분석 결과, 추세 추종형 거래 규칙들 모두 비교전략인 Buy & Hold 보다 투자 성과가 높게 나타났다. 코스피200 주가지수 선물과의 비교에서는 비트코인 선물 투자 성과가 높게 나타났다. 특히, 비트코인 선물의 투자 성과는 하방 위험을 반영하는 Sortino Ratio에서 큰 폭으로 증가하였다. 본 연구는 비트코인 선물의 표준적인 기술적 거래 규칙들의 투자 성과를 체계적으로 분석한 첫 시도라는 점에서 학술적 의미를 찾을 수 있다. 향후 연구에서는 비트코인 선물의 가격 예측을 위한 딥러닝 모형이나 기계학습 모형의 활용을 통해 투자 성과를 개선할 필요가 있다.

• International Journal of Advanced Culture Technology
• /
• 제11권1호
• /
• pp.376-388
• /
• 2023

After a longitudinal analysis of the data on the college entrance examination of students enrolled in the Department of Chemistry Education at Gyeongnam from 2014 to 2021, the effect on the academic achievement of general chemistry according to the type of college entrance examination was studied. And the impact on the academic achievement of general chemistry according to the type of admission screening in face-to-face and non-face-to-face teaching-learning was also studied. As a result of analyzing the academic achievement of general chemistry by admission process, students admitted through occasional screening showed relatively high grades of A and B at 88.7%, and the ratio of grades of 1~3 of chemistry I in high school was high. On the other hand, in the case of students admitted through regular admission, the ratio of grades of A and B in general chemistry was very high at 94.3%, and the ratio of grades of 3~4 in chemistry I of the College Scholastic Ability Test was high. As a result of analyzing the academic achievement of general chemistry by class type and admission process, it was found that the grades of chemistry I by face-to-face classes had an effect on the academic achievement of general chemistry in non-face-to-face classes. In both admissions, the academic achievement of general chemistry by face-to-face classes was relatively higher than that of non-face-to-face-to-face classes.

• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.669-681
• /
• 2023

과일 나무의 생육을 평가하는 중요한 지표인 엽록소 함량을 추정하는데 비교적 많은 노동력의 투입이 요구되고 오랜 시간이 소요되는 기존의 파괴 조사 대신 비파괴적 조사 방식인 원격탐사기술을 적용하기 위한 연구가 시도되고 있다. 이 연구에서는 2년(2021, 2022) 간 무인기 기반의 초분광 영상을 이용하여 배나무 잎의 엽록소 함량을 비파괴적으로 추정하는 연구를 수행하였다. 영상 처리로 추출된 배나무 캐노피(canopy)의 단일 band 반사율은 시간 변화에 따라 불안정한 복사 효과를 최소화하기 위해 밴드비화(band rationing) 되었다. 밴드비(band ratios)를 입력 변수로 머신러닝 알고리즘인 elastic-net, k-nearest neighbors (KNN)과 support vector machine을 사용하여 추정(calibration, validation) 모델들을 개발하였다. Full band ratios 기반 추정 모델들의 성능과 비교하여 계산 비용 절감과 재현성 향상에 유리한 key band ratios를 선정하였다. 결과적으로 모든 머신러닝 모델에서 full band ratios를 이용한 calibration에 coefficient of determination (R²)≥0.67, root mean squared error (RMSE)≤1.22 ㎍/cm², relative error (RE)≤17.9%)와 validation에 R²≥0.56, RMSE≤1.41 ㎍/cm², RE≤20.7% 성능을 비교하였을 때, key band ratios 네 개가 선정되었다. 머신러닝 모델들 사이에 validation 성능에는 비교적 큰 차이가 없어 calibration 성능이 가장 높았던 KNN 모델을 기준으로 삼았으며, 그 key band ratios는 710/714, 718/722, 754/758, 758/762 nm가 선정되었다. Calibration에서 R²=0.80, RMSE=0.94 ㎍/cm², RE=13.9%와 validation에서 R²=0.57, RMSE=1.40 ㎍/cm², RE=20.5%를 나타내었다. Validation의 기준으로 한 성능 결과는 배나무 잎 엽록소 함량을 추정하기에 충분하지 않았지만, 앞으로의 연구에 기준이 될 key band ratios를 선정했다는 것에 의미가 있다. 추후 연구에서는 추정 성능을 향상하기 위해 지속적으로 추가 데이터세트를 확보하여 선정된 key band ratios의 신뢰성 검증과 함께 실제 과원에 재현 가능한 추정 모델로 고도화할 필요가 있다.

• 대한교통학회지
• /
• 제22권5호
• /
• pp.111-122
• /
• 2004

본 연구에서는 운전자들의 경로선택 행태에서 교통정보 수신율이 네트워크 전반에 미치는 영향과 각 경로의 주행조건에 대한 운전자의 학습과정에 대해서 살펴보았으며, 교통상황이 정상성 및 비정상성을 따르는 경우, 공공기관의 유입교통량의 대소에 의해 유도되는 정보의 수신율이 증가함으로써 운전자의 경로선택행동이 네트워크에 미치는 영향을 분석하고 정보의 역효과가 나타남을 밝혔다. 또한, 정보수신율이 최적비율 이하인 경우에는 총통행시간이 정보가 없이 오직 자신의 경험에만 의존하는 경우보다 감소하여 정보제공의 효과가 있었지만, 최적비율 이상으로 유동정보에 따라 경로선택을 하는 운전자가 많아지면 정보의 역효과가 발생함도 증명하였다. 나아가, 교통환경이 정상성을 /따르는 경우에는 모든 운전자의 경로조건에 대한 학습과정과 이 경험을 축적함에 따라 어느 일정한 값으로 수렴해감을 알 수 있었다. 교통환경이 비정상성을 따르는 경우에는 주행조건에 대해 돌발적인 진동과 혼란상태가 발생하고 이 경우에도 무정보 환경보다는 어느정도의 비율로 유도정보가 주어지는 것이 네트워크 전체의 통행시간을 감소시킴으로써 정보의 효과가 있음도 확인하였다. 향후, 다양한 교통류 환경을 적용한 대규모 네트워크를 대상으로 한 운전자의 경로선택과 학습행동에 대한 연구와 정보의 정도에 따른 운전자의 행동을 고려한 정보의 제공방안에 대한 연구도 필요할 것으로 판단된다.