• 벤처혁신연구
• /
• 제6권1호
• /
• pp.59-73
• /
• 2023

4차 산업혁명 시대의 제조업은 디지털 트랜스포테이션을 통한 스마트공장의 구현이며, 기존의 공장자동화 수준을 넘어선 차세대 디지털 신기술과 제조 기술이 접목된 소비자 중심의 지능화된 공장을 의미한다. 이러한 스마트공장을 성공적으로 정착시키기 위해서는 전문인력 양성이 필요하다. 그러나 인력 양성을인력 양성을 위한 교육은 실제 현장의 기계 설비나 전체적인 생산 공정을 갖추기가 어렵다. 따라서 실제 생산 현장의 물류의 흐름과 공정을 시각화하고, 제어할 수 있는 시스템이 필요하다. 본 논문에서는 실제 현장의 물류 흐름을 물리시스템인물리 시스템인 소형 FMS로 구현하였고, 생산 공정은 디지털시스템으로 구현하였다. 물리시스템과물리 시스템과 디지털시스템의 실시간 동기화하여, 무인운반차 및 자재의 위치, 공정 상태를 모니터링하여 실제 제조 현장에서 물류의 흐름과 공정 과정을 볼 수 있다. 개발된 디지털 트윈 시스템은 스마트공장 인력양성을 위한 효과적인 교육 프로그램으로 활용이 가능하다프로그램으로 활용할 수 있다.

• Korean Journal of Radiology
• /
• 제22권3호
• /
• pp.476-488
• /
• 2021

Objective: We aimed to develop a deep neural network for segmenting lung parenchyma with extensive pathological conditions on non-contrast chest computed tomography (CT) images. Materials and Methods: Thin-section non-contrast chest CT images from 203 patients (115 males, 88 females; age range, 31-89 years) between January 2017 and May 2017 were included in the study, of which 150 cases had extensive lung parenchymal disease involving more than 40% of the parenchymal area. Parenchymal diseases included interstitial lung disease (ILD), emphysema, nontuberculous mycobacterial lung disease, tuberculous destroyed lung, pneumonia, lung cancer, and other diseases. Five experienced radiologists manually drew the margin of the lungs, slice by slice, on CT images. The dataset used to develop the network consisted of 157 cases for training, 20 cases for development, and 26 cases for internal validation. Two-dimensional (2D) U-Net and three-dimensional (3D) U-Net models were used for the task. The network was trained to segment the lung parenchyma as a whole and segment the right and left lung separately. The University Hospitals of Geneva ILD dataset, which contained high-resolution CT images of ILD, was used for external validation. Results: The Dice similarity coefficients for internal validation were 99.6 ± 0.3% (2D U-Net whole lung model), 99.5 ± 0.3% (2D U-Net separate lung model), 99.4 ± 0.5% (3D U-Net whole lung model), and 99.4 ± 0.5% (3D U-Net separate lung model). The Dice similarity coefficients for the external validation dataset were 98.4 ± 1.0% (2D U-Net whole lung model) and 98.4 ± 1.0% (2D U-Net separate lung model). In 31 cases, where the extent of ILD was larger than 75% of the lung parenchymal area, the Dice similarity coefficients were 97.9 ± 1.3% (2D U-Net whole lung model) and 98.0 ± 1.2% (2D U-Net separate lung model). Conclusion: The deep neural network achieved excellent performance in automatically delineating the boundaries of lung parenchyma with extensive pathological conditions on non-contrast chest CT images.

• Korean Journal of Radiology
• /
• 제22권5호
• /
• pp.706-713
• /
• 2021

Objective: To evaluate the impact of surgical simulation training using a three-dimensional (3D)-printed model of tetralogy of Fallot (TOF) on surgical skill development. Materials and Methods: A life-size congenital heart disease model was printed using a Stratasys Object500 Connex2 printer from preoperative electrocardiography-gated CT scans of a 6-month-old patient with TOF with complex pulmonary stenosis. Eleven cardiothoracic surgeons independently evaluated the suitability of four 3D-printed models using composite Tango 27, 40, 50, and 60 in terms of palpation, resistance, extensibility, gap, cut-through ability, and reusability of. Among these, Tango 27 was selected as the final model. Six attendees (two junior cardiothoracic surgery residents, two senior residents, and two clinical fellows) independently performed simulation surgeries three times each. Surgical proficiency was evaluated by an experienced cardiothoracic surgeon on a 1-10 scale for each of the 10 surgical procedures. The times required for each surgical procedure were also measured. Results: In the simulation surgeries, six surgeons required a median of 34.4 (range 32.5-43.5) and 21.4 (17.9-192.7) minutes to apply the ventricular septal defect (VSD) and right ventricular outflow tract (RVOT) patches, respectively, on their first simulation surgery. These times had significantly reduced to 17.3 (16.2-29.5) and 13.6 (10.3-30.0) minutes, respectively, in the third simulation surgery (p = 0.03 and p = 0.01, respectively). The decreases in the median patch appliance time among the six surgeons were 16.2 (range 13.6-17.7) and 8.0 (1.8-170.3) minutes for the VSD and RVOT patches, respectively. Summing the scores for the 10 procedures showed that the attendees scored an average of 28.58 ± 7.89 points on the first simulation surgery and improved their average score to 67.33 ± 15.10 on the third simulation surgery (p = 0.008). Conclusion: Inexperienced cardiothoracic surgeons improved their performance in terms of surgical proficiency and operation time during the experience of three simulation surgeries using a 3D-printed TOF model using Tango 27 composite.

• Korean Journal of Radiology
• /
• 제21권1호
• /
• pp.88-100
• /
• 2020

Objective: We aimed to develop and validate a deep learning system for fully automated segmentation of abdominal muscle and fat areas on computed tomography (CT) images. Materials and Methods: A fully convolutional network-based segmentation system was developed using a training dataset of 883 CT scans from 467 subjects. Axial CT images obtained at the inferior endplate level of the 3rd lumbar vertebra were used for the analysis. Manually drawn segmentation maps of the skeletal muscle, visceral fat, and subcutaneous fat were created to serve as ground truth data. The performance of the fully convolutional network-based segmentation system was evaluated using the Dice similarity coefficient and cross-sectional area error, for both a separate internal validation dataset (426 CT scans from 308 subjects) and an external validation dataset (171 CT scans from 171 subjects from two outside hospitals). Results: The mean Dice similarity coefficients for muscle, subcutaneous fat, and visceral fat were high for both the internal (0.96, 0.97, and 0.97, respectively) and external (0.97, 0.97, and 0.97, respectively) validation datasets, while the mean cross-sectional area errors for muscle, subcutaneous fat, and visceral fat were low for both internal (2.1%, 3.8%, and 1.8%, respectively) and external (2.7%, 4.6%, and 2.3%, respectively) validation datasets. Conclusion: The fully convolutional network-based segmentation system exhibited high performance and accuracy in the automatic segmentation of abdominal muscle and fat on CT images.

• 한국과학교육학회지
• /
• 제26권6호
• /
• pp.732-742
• /
• 2006

이 연구는 우리 나라 여학생들에게 취약한 과학 학습의 특징을 파악하고 개선 방향을 제시하기 위한 목적을 가진다. TIMSS 2003 과학 공개 문항 95개를 분석한 결과, 우리 나라 여학생들에게 유리한 문항은 추론과 분석 관련 문항, 아주 어렵거나 아주 쉬운 문항, 이미 학교에서 학습한 문항, 순수 과학적 상황의 문항 등이었다. 우리 나라 여학생들은 개념 이해나 사실적 지식 관련 문항에서 취약했는데, 여학생에게 유리한 추론과 분석 문항 중에서도 과학 지식이 개입될 경우 여학생에게 불리하게 작용했다. 정답율에 있어서도 정답율 80% 이상을 받은 쉬운 문항 또는 정답율이 20% 미만인 어려운 문항에서 여학생들이 상대적으로 유리했다. 한편, 학교 과학 교육의 과정에서 학습하지 않은 내용의 문항에서 남학생에 비해 현저하게 낮은 정답율을 보였는데, 이는 여학생들이 과학에 대한 전반적인 관심과 흥미 부족에서 기인할 수 있다. 또한, 여학생들은 상황적 지식보다는 탈상황적 지식에서 강해 과학에 대한 진정한 의미의 지식을 남학생보다 덜 갖추고 있음도 드러났다. 문항 분석 결과를 바탕으로, 여학생을 배려하는 과학 교육으로 개선되기 위해서 우선 여학생들도 학교 밖에서 이루어지는 일상생활에서 자연스럽게 과학을 경험할 수 있는 분위기를 조성하고, 여학생에게 취약한 과학 개념에 대한 교수-학습 프로그램을 개발해야 하며, 과학 교육에서 의 성 차이 쟁점을 교육 과정 개편이나 교사 교육 과정에 적극적으로 반영해야 할 것을 제안한다.

• 한국항해항만학회지
• /
• 제47권6호
• /
• pp.437-447
• /
• 2023

항만 산업의 동향은 적극적인 4차 산업 기술을 도입하여 자동화 항만, 스마트 항만 등 새로운 항만의 형태로 발전하고 있다. 그러나 항만의 발전 이면에는 항만 및 컨테이너 터미널 내 사이버 보안 사고 및 위협 가능성 또한 높아지고 있다. 이에 항만 내 사이버 보안 강화와 관련된 연구가 필수적이나 국내에서 진행되는 관련 연구는 미비한 실정이다. 이에 본 연구는 국내 대표 항만인 부산항 중 가장 4차 산업 기술을 적극적으로 도입하는 컨테이너 항만을 중심 사이버 보안 강화를 위한 요인을 도출하고 향후 강화 방안을 도출하고자 하였다. 연구결과 부산항 컨테이너 터미널 사이버 보안 강화를 위한 요인은 네트워크 구축 및 정책 지원, 교육 표준화 및 인력 양성, 법·제도적 요인으로 분류되었다. 이후 도출된 요인을 바탕으로 다중회귀 분석을 실시하였으며 분석 결과를 바탕으로 향후 부산항 컨테이너 터미널의 안전성 확보 및 강화, 신뢰성 확보 및 강화, 성과 및 만족도 향상을 위한 세부 요인을 도출하였다. 본 연구는 점차 증가하는 항만 및 컨테이너 터미널 내 사이버 보안 공격에 대응하여 부산항 컨테이너 터미널의 사이버 강화를 위한 방향성을 제시했다는 점에서 의의를 지닌다.

• 문화기술의 융합
• /
• 제10권2호
• /
• pp.517-524
• /
• 2024

본 연구는 ChatGPT 서비스의 개시 이후 인공지능 혁명이라 일컬어지는 시대적 배경 속에서, 웹사이트의 제작과 인공지능의 융합을 위해 딥러닝 모델을 학습 및 구현하고자 한다. 딥러닝 모델은 수집한 3,000개의 웹페이지 이미지를 구성요소와 레이아웃 분류체계 기반의 데이터 가공을 통해 학습하였으며, 다음과 같은 세 가지 단계로 구분하여 진행하였다. 첫째, 인공지능 모델에 관한 선행연구를 조사하여 구현하고자 하는 모델에 가장 적합한 알고리즘을 선택하였다. 둘째, 적합한 웹페이지 및 단락 이미지를 수집하고 분류 및 가공하였다. 셋째, 딥러닝 모델을 학습시키고 서빙 인터페이스를 연동해 모델의 실제 결과를 확인하였다. 이렇게 구현된 모델은 실제 웹페이지를 구성하는 복수의 단락을 탐지하고, 단락별 규모, 요소, 특징을 분석하여 분류체계를 기반으로 의미 있는 데이터를 도출할 것이다. 이 과정은 점차 발전하여 웹페이지를 보다 정밀하게 분석할 수 있게 될 것이다. 그리고 정밀 분석기법을 역으로 설계하여, 인공지능이 완벽한 웹페이지를 자동으로 생성할 수 있는 연구의 초석이 될 것으로 기대한다.

• 한국수자원학회논문집
• /
• 제57권2호
• /
• pp.73-85
• /
• 2024

하천과 저수지의 수질을 예측하는 것은 수자원관리를 위해 필요하다. 높은 정확도의 수질 예측을 위해 많은 연구들에서 인공신경망이 활용되었다. 기존 연구들은 매개변수를 탐색하는 인공신경망의 연산자인 옵티마이저로 경사하강법 기반 옵티마이저를 사용하였다. 그러나 경사하강법 기반 옵티마이저는 지역 최적값으로의 수렴 가능성과 해의 저장 및 비교구조가 없다는 단점이 있다. 본 연구에서는 인공신경망을 이용한 수질 예측성능을 향상시키기 위해 개량형 옵티마이저를 개발하여 경사하강법 기반 옵티마이저의 단점을 개선하였다. 본 연구에서 제안한 옵티마이저는 경사하강법 기반 옵티마이저 중 학습오차가 낮은 Adaptive moments (Adam)과 Nesterov-accelerated adaptive moments (Nadam)를 Harmony Search(HS) 또는 Novel Self-adaptive Harmony Search (NSHS)와 결합한 옵티마이저이다. 개량형 옵티마이저의 학습 및 예측성능 평가를 위해 개량형 옵티마이저를 Long Short-Term Memory (LSTM)에 적용하여 국내의 다산 수질관측소의 수질인자인 수온, 용존산소량, 수소이온농도 및 엽록소-a를 학습 및 예측하였다. 학습결과를 비교하면, Nadam combined with NSHS (NadamNSHS)를 사용한 LSTM의 Mean Squared Error (MSE)가 0.002921로 가장 낮았다. 또한, 각 옵티마이저별 4개 수질인자에 대한 MSE 및 R²에 따른 예측순위를 비교하였다. 각 옵티마이저의 평균 순위를 비교하면, NadamNSHS를 사용한 LSTM이 2.25로 가장 높은 것을 확인하였다.

• 문화기술의 융합
• /
• 제10권1호
• /
• pp.51-60
• /
• 2024

이 연구의 목적은 2018년 '민주시민 교육 활성화를 위한 종합계획'을 '2022 개정 교육과정 총론'을 중심으로 그 의미를 탐색하는 데 있다. 연구 결과 첫째, 2018년 민주 시민 교육 활성화를 위한 종합 대책에서의 추진과제 중 첫째, 학교 민주시민 교육 강화의 경우 2022 개정 교육과정 총론에서 중점 추진과제 중 하나가 시민성 함양을 위한 민주시민교육을 강조하고 있다. 둘째, 교원 전문성 신장 및 교육활동 지원의 경우 2022 개정 교육과정 총론에서 교수 학습 자료 개발 및 교원 연수 강화를 추진하고 있다. 셋째, 민주적 학교문화 조성의 경우 2022 개정 교육과정 총론에서는 학습 공간 재구조화 및 디지털 기반 학습 환경 구현을 위해 노후 학교 개축 또는 리모델링을 통해 학생 안전 및 학습권 보장한다. 넷째, 학생 자치 활성화의 경우 2022 개정 교육과정 총론에서는 학생의 요구와 학교의 여건을 고려한 학교 교육과정의 자율성 확대와 참여 체험 중심의 수업과 자치 활동 등을 강화한다. 다섯째, 민주시민 교육 지원 체계 구축의 경우 2022 개정 교육과정 총론에서는 다양한 교육 주체들의 역할과 전문성을 존중하는 상호협력 체제구축 및 지역사회와 교육공동체 간 상호협조 체제를 마련하고 있다.

• 한국수학교육학회지시리즈E:수학교육논문집
• /
• 제38권2호
• /
• pp.263-286
• /
• 2024

인공지능 디지털 교과서 도입에 따라 수학 교육에서 공학 도구의 활용에 대한 관심이 높아지고 있다. 공학 도구는 수학적 개념을 시각화하고, 실험과 탐구를 통해 수학적 원리를 발견할 수 있는 장점이 있다. 이미 우리나라 2015 개정 수학과 교육과정에서도 공학 도구의 활용을 언급하고 있으며, 이에 따라 수학 교과서에는 다양한 공학 도구를 활용한 교수·학습 활동이 제시되고 있다. 그러나 고등학교 교과서에 제시된 공학 도구의 유형과 활용 방식에 대한 체계적인 분석은 아직 부족한 실정이다. 이에 본 연구에서는 2015 개정 교육과정에 따른 고등학교 수학 교과서에 제시된 공학 도구의 활용 현황을 분석하였다. 이를 위해 수학 교과서에 제시된 공학 도구의 유형을 범주화하고, 각 범주별 활용 비율을 조사하였다. 또한 교과목별, 내용 영역별로 공학 도구의 활용 양상을 분석하고, 교수·학습 활동 형태에 따른 공학 도구의 활용 비율을 살펴보았다. 연구 결과, 공학 도구는 교과목과 내용 영역에 따라 다양한 유형과 비율로 활용되고 있었다. 특히, 기호-조작 그래프 작성 소프트웨어 범주의 공학 도구가 전체 활용 사례의 58%를 차지하여 가장 높은 비중을 나타냈다. 교과목별로는 해석 영역을 다루는 과목에서 기호-조작 그래프 작성 소프트웨어의 활용이 두드러졌으며, 기하 영역에서는 동적 기하 소프트웨어의 활용이 상대적으로 높게 나타났다. 교수·학습 활동 형태 측면에서는 보조도구형(49%)과 의도된 탐구유도형(37%)의 활용 비율이 높았다. 본 연구의 결과는 수학 교과서에서 공학 도구가 다양한 역할을 하고 있음을 보여주며, 향후 공학 도구를 활용한 수학 교수·학습 방법을 개선하는 데 유용한 시사점을 제공할 수 있을 것이다.