• Title/Summary/Keyword: System Verification

Search Result 4,673, Processing Time 0.031 seconds

정위적체부방사선치료시 ExacTrac과 CBCT를 이용한 Combine IGRT의 유용성 평가 (Evaluation of Combine IGRT using ExacTrac and CBCT In SBRT)

  • 안민우;강효석;최병준;박상준;정다이;이건호;이두상;전명수
    • 대한방사선치료학회지
    • /
    • 제30권1_2호
    • /
    • pp.201-208
    • /
    • 2018
  • 목 적 : 본 연구에서는 정위적체부방사선치료시 ExacTrac과 CBCT를 단계적으로 적용한 Combine IGRT를 사용하여 Set-up 오차를 비교 및 분석하여 Combine IGRT의 유용성을 평가하고자 한다. 대상 및 방법 : 2014년 5월에서 2017년 11월까지 본원에 내원하여 trueBEAM Stx(Varian medical System, USA)에서 정위적체부방사선치료를 받은 환자 중 부위별로 뇌(Brain) 3명, 척추(Spine) 9명, 골반(Pelvis) 3명으로 분류하였다. 치료전 ExacTrac을 사용하여 Lateral(Lat), Longitudinal(Lng), Vertical(Vrt) 방향과 Roll, Pitch, Yaw 방향으로 Set-up 오차를 보정하였고, ExacTrac 이동 값을 적용 후 CBCT를 추가적으로 수행하여 Lat, Lng, Vrt, Rotation(Rtn) 방향으로 보정하였다. 결 과 : ExacTrac 사용시 뇌 부위의 오차는 Lat $0.18{\pm}0.25cm$, Lng $0.23{\pm}0.04cm$, Vrt $0.30{\pm}0.36cm$, Roll $0.36{\pm}0.21^{\circ}$, Pitch $1.72{\pm}0.62^{\circ}$, Yaw $1.80{\pm}1.21^{\circ}$, 척추 부위는 Lat $0.21{\pm}0.24cm$, Lng $0.27{\pm}0.36cm$, Vrt $0.26{\pm}0.42cm$, Roll $1.01{\pm}1.17^{\circ}$, Pitch $0.66{\pm}0.45^{\circ}$, Yaw $0.71{\pm}0.58^{\circ}$, 골반 부위는 Lat $0.20{\pm}0.16cm$, Lng $0.24{\pm}0.29cm$, Vrt $0.28{\pm}0.29cm$, Roll $0.83{\pm}0.21^{\circ}$, Pitch $0.57{\pm}0.45^{\circ}$, Yaw $0.52{\pm}0.27^{\circ}$로 나타났다. Couch 이동 후 CBCT를 하였을 때, 뇌 부위는 Lat $0.06{\pm}0.05cm$, Lng $0.07{\pm}0.06cm$, Vrt $0.00{\pm}0.00cm$, Rtn $0.0{\pm}0.0^{\circ}$, 척추 부위는 Lat $0.06{\pm}0.04cm$, Lng $0.16{\pm}0.30cm$, Vrt $0.08{\pm}0.08cm$, Rtn $0.00{\pm}0.00^{\circ}$, 골반 부위는 Lat $0.06{\pm}0.07cm$, Lng $0.04{\pm}0.05cm$, Vrt $0.06{\pm}0.04cm$, Rtn $0.0{\pm}0.0^{\circ}$ 오차가 발생하였다. 결 론 : 정위적체부방사선치료시 ExacTrac에 추가적으로 CBCT를 사용한 Combine IGRT의 경우는 ExacTrac만 사용한 경우보다 환자의 Set-up 오차를 줄일 수 있게 나타났다. 그러나 Combine IGRT를 적용함으로 환자 Set-up 확인시간, 영상획득을 위한 체내 흡수선량이 증가한다. 그러므로 환자 상황에 따라 Combine IGRT를 사용하여 환자의 Set-up 오차를 적게 함으로써 방사선치료 효과비를 증가시킬 수 있을 것으로 사료된다.

  • PDF

이미지 감성분류를 위한 CNN과 K-means RGB Cluster 이-단계 학습 방안 (A Two-Stage Learning Method of CNN and K-means RGB Cluster for Sentiment Classification of Images)

  • 김정태;박은비;한기웅;이정현;이홍주
    • 지능정보연구
    • /
    • 제27권3호
    • /
    • pp.139-156
    • /
    • 2021
  • 이미지 분류에서 딥러닝 모형을 사용하는 가장 큰 이유는 이미지의 전체적인 정보에서 각 지역 특징을 추출하여 서로의 관계를 고려할 수 있기 때문이다. 하지만 이미지의 지역 특징이 없는 감정 이미지 데이터는 CNN 모델이 적합하지 않을 수 있다. 이러한 감정 이미지 분류의 어려움을 해결하기 위하여 매년 많은 연구자들이 감정 이미지에 적합한 CNN기반 아키텍처를 제시하고 있다. 색깔과 사람 감정간의 관계에 대한 연구들도 수행되었으며, 색깔에 따라 다른 감정이 유도된다는 결과들이 도출되었다. 딥러닝을 활용한 연구에서도 색깔정보를 활용하여 이미지 감성분류에 적용하는 연구들이 있어왔으며, 이미지만을 가지고 분류 모형을 학습한 경우보다 이미지의 색깔 정보를 추가로 활용한 경우가 이미지 감성 분류 정확도를 더 높일 수 있었다. 본 연구는 사람이 이미지의 감정을 분류하는 기준 중 많은 부분을 차지하는 색감을 이용하여 이미지 감성 분류 정확도를 향상시키는 방안을 제안한다. 이미지의 RGB 값에 K 평균 군집화 방안을 적용하여 이미지를 대표하는 색을 추출하여, 각 감성 클래스 별 해당 색깔이 나올 확률을 가중치 식으로 변형 후 CNN 모델의 최종 Layer에 적용하는 이-단계 학습방안을 구현하였다. 이미지 데이터는 6가지 감정으로 분류되는 Emotion6와 8가지 감정으로 분류되는 Artphoto를 사용하였다. 학습에 사용한 CNN 모델은 Densenet169, Mnasnet, Resnet101, Resnet152, Vgg19를 사용하였으며, 성능 평가는 5겹 교차검증으로 CNN 모델에 이-단계 학습 방안을 적용하여 전후 성과를 비교하였다. CNN 아키텍처만을 활용한 경우보다 색 속성에서 추출한 정보를 함께 사용하였을 때 더 좋은 분류 정확도를 보였다.

캡스톤디자인 및 현장실습이 취업률에 미치는 영향: 산학협력선도대학(LINC)을 중심으로 (The Study on the Influence of Capstone Design & Field Training on Employment Rate: Focused on Leaders in INdustry-university Cooperation(LINC))

  • 박남규
    • 벤처창업연구
    • /
    • 제18권4호
    • /
    • pp.207-222
    • /
    • 2023
  • 대부분의 대학은 취업률 향상을 위하여 산헙혁력선도대학(LINC) 선정 여부와 상관없이 학생들의 취·창업역량강화 프로그램을 운영하고 있다. 특히 비수도권대학의 경우 취업률 향상을 위하여 사활을 걸고 있다. 취업률에 절대적으로 영향을 미치는 대학설립유형과 대학소재지에 대한 한계를 극복하기 위하여, 취·창업역량강화를 위하여 기업가정신 함양을 위한 창업교육·지원 프로그램을 운영하고 있으며, 지역 및 기관과 연계한 PBL(Problem Based Learning) 컨셉이 반영된 캡스톤디자인과 현장실습 프로그램을 상시 운용하고 있다. 기존 연구에서는 산헙혁력선도대학(LINC)을 중심으로 효과성 검증에 관한 연구는 수행되었으나, 공시지표를 기반으로 취업률에 미치는 요인으로서 대학요인, 창업교육·지원, 산학연계교육 요인 모두를 대상으로 한 종단연구 사례는 보고되지 않았다. 본 연구는 취업률에 미치는 요인으로 대학요인, 창업교육·지원, 산학연계교육에 대하여 최근까지 공개된 2018년부터 2020년까지 대학공시지표를 기반으로 조건을 만족시키는 116개 대학을 대상으로 51개의 산학협력선도대학(LINC) 참여대학과 64개의 비참여대학 집단간 차이분석을 하였다. 또한 공시지표의 한계로 인하여, 참여 학생의 중복참여에 대한 이력 정보가 없는 점을 고려하여 취·창업역량강화 프로그램에 장기간 노출된다면 역량강화를 통한 취업률에 영향을 미칠 것이라는 노출효과(Exposure Effect)이론을 기반으로 종단적 인과관계 분석을 통하여 2017년부터 2021년까지 2차 사회맞춤형 산학협력 선도대학 육성사업(LINC+)의 효과성을 검증하였다. 연구결과 사회맞춤형 산학협력 선도대학 육성사업(LINC+)의 창업교육·지원 및 산학연계교육 프로그램은 취업률에 영향을 미치지 않는 것으로 나타났다. 종단적 인과관계 분석결과 기존 대학요인으로 수도권대학이 비수도권대학보다 여전히 취업률이 높으며, 사립대학이 국립대학보다 취업률이 높은 것을 재확인하였다. 취·창업역량강화 프로그램 중 창업강좌 이수자수, 캡스톤디자인 이수자수, 캡스톤디자인 지급액, 전담교직원수는 취업률에 연도별 부분적으로 영향을 미치며, 현장실습은 연도별로 전혀 영향을 미치지 않으며, 취·창업역량강화 프로그램의 장기간 노출이 취업률에 영향을 미치지 않음을 확인하였다. 그러므로, 대학의 취업률 향상을 위해서는 비수도권, 국·공립대의 한계를 극복해야만 함을 재확인하였다. 이를 극복하기 위한 취·창업역량강화 프로그램으로서 창업강좌 참여를 통하여 기업가정신의 강화와 PBL(Problem Based Learning) 컨셉이 강화된 캡스톤디자인 프로그램의 적극적인 도입 및 확신이 중요하며, 현장실습 프로그램이 취업률 향상에 도움이 되기 위해서는 전반적인 학사제도 및 조직의 재정비를 통한 내실 있는 프로그램 진행이 요구된다.

  • PDF