• Korean Journal of Radiology
• /
• 제23권4호
• /
• pp.466-478
• /
• 2022

Objective: ¹⁸F-fluorodeoxyglucose (FDG) PET/CT is often used for detecting malignancy in patients with newly diagnosed hemophagocytic lymphohistiocytosis (HLH), with acceptable sensitivity but relatively low specificity. The aim of this study was to improve the diagnostic ability of ¹⁸F-FDG PET/CT in identifying malignancy in patients with HLH by combining ¹⁸F-FDG PET/CT and clinical parameters. Materials and Methods: Ninety-seven patients (age ≥ 14 years) with secondary HLH were retrospectively reviewed and divided into the derivation (n = 71) and validation (n = 26) cohorts according to admission time. In the derivation cohort, 22 patients had malignancy-associated HLH (M-HLH) and 49 patients had non-malignancy-associated HLH (NM-HLH). Data on pretreatment ¹⁸F-FDG PET/CT and laboratory results were collected. The variables were analyzed using the Mann-Whitney U test or Pearson's chi-square test, and a nomogram for predicting M-HLH was constructed using multivariable binary logistic regression. The predictors were also ranked using decision-tree analysis. The nomogram and decision tree were validated in the validation cohort (10 patients with M-HLH and 16 patients with NM-HLH). Results: The ratio of the maximal standardized uptake value (SUVmax) of the lymph nodes to that of the mediastinum, the ratio of the SUVmax of bone lesions or bone marrow to that of the mediastinum, and age were selected for constructing the model. The nomogram showed good performance in predicting M-HLH in the validation cohort, with an area under the receiver operating characteristic curve of 0.875 (95% confidence interval, 0.686-0.971). At an appropriate cutoff value, the sensitivity and specificity for identifying M-HLH were 90% (9/10) and 68.8% (11/16), respectively. The decision tree integrating the same variables showed 70% (7/10) sensitivity and 93.8% (15/16) specificity for identifying M-HLH. In comparison, visual analysis of ¹⁸F-FDG PET/CT images demonstrated 100% (10/10) sensitivity and 12.5% (2/16) specificity. Conclusion: ¹⁸F-FDG PET/CT may be a practical technique for identifying M-HLH. The model constructed using ¹⁸F-FDG PET/CT features and age was able to detect malignancy with better accuracy than visual analysis of ¹⁸F-FDG PET/CT images.

• 한국수학교육학회지시리즈C:초등수학교육
• /
• 제27권1호
• /
• pp.91-110
• /
• 2024

본 연구의 목적은 이 통합모델인 직사각형 분할 모델을 초등학교 교실에서 교수·학습하였을 때, 학생들이 이 통합모델을 어떻게 이해하는지, 분수 나눗셈 상황들 사이의 관계를 어떻게 구성하는지 알아보는 데 있다. 이 연구를 통해 얻은 결론은 다음과 같다. 첫째, 제수의 역수를 곱하는 이유나 역수의 의미를 상기시키기 위해서 분수의 나눗셈식을 측정 맥락이나 단위 비율 결정 맥락으로 해석하여 계산 과정을 설명할 필요가 있다. 둘째, 직사각형 분할 모델은 분수의 나눗셈식을 측정 맥락으로 해석할 때 기존 모델에서 나타나는 우회적이거나 부적절한 부분을 보완할 수 있다. 또한 카테시안 곱의 역 맥락의 문제에서 표준알고리즘을 도출하기에 적절한 모델이라고 할 수 있다. 셋째, 카테시안 곱의 역 맥락에서 직사각형 분할 모델은 측정 맥락과 단위 비율 결정 맥락에서의 계산 과정을 자연스럽게 드러낼 수 있다. 그리고 하나의 나눗셈식이 왜 두 가지 해석이 가능한지를 보여줄 수 있어 통합모델로 사용할 수 있다.

• 한국측량학회지
• /
• 제25권2호
• /
• pp.117-131
• /
• 2007

최근 지형공간정보의 활용분야가 증가하면서 건축물 내부 공간구축에 있어서 더욱 현실화된 다양한 정보의 필요성이 증대되고 있으며, 건축물 대장 및 설계도면은 효과적인 건축물의 공간 모델링에 활용되고 있다. 건축물의 실감적 3차원 시각화는 컴퓨터 그래픽 분야에 속하는 기술이지만, 시각화와 더불어 건축물의 외부 및 내부에 대한 정보생성과 공간분석을 위해서는 GIS의 다양한 기능이 요구된다. GIS에서 건축물 내부의 3차원 시각화 및 공간분석을 위해서 데이터베이스(database) 구축과정에 많은 작업이 요구되며, 건축물 설계 CAD 도면의 레이어(layer)를 편집하는 등의 전처리 과정과 CAD 도면의 좌표를 지상좌표로 변환하는 georeferencing 과정이 필요하다. 본 연구에서는 건축물 내부공간을 상세하게 구축하기 위하여 CAD 도면을 이용하였고, CAD 도면을 효율적으로 편집하기 위하여 AutoCAD VBA를 이용하여 자동화를 추구하였다. 또한, GIS의 주요기능인 공간분석을 위하여 topology를 생성하였으며, CAD 도면상의 건축물을 지상좌표로 변환하기 위하여 georeferencing을 수행하였다. 3차원 건축물 데이터베이스 구축공정을 제시하고, Georferencing 결과의 정확도를 분석하기 위하여 수치지도와 GPS 측량 자료를 이용하였다. 이와 같이 구축된 건축물 모델을 이용하여 3차원 시각화 모델을 생성하였으며, 수치지도를 기준으로 georeferencing 결과를 이용하여 건축물 내부와 건축물 간의 이동경로 설정을 위한 네트워크 모델을 생성하였다.

• 한국가금학회지
• /
• 제43권1호
• /
• pp.1-14
• /
• 2016

Prediction of growth patterns of commercial chicken strains is important. It can provide visual assessment of growth as function of time and prediction body weight (BW) at a specific age. The aim of current study is to compare the three nonlinear functions (i.e., Logistic, Gompertz, and von Betalanffy) for modeling the growth of twenty five commercial Korean native chicken (KNC) strains reared under a battery cage system until 32 weeks of age and to evaluate the three models with regard to their ability to describe the relationship between BW and age. A clear difference in growth pattern among 25 strains were observed and classified in to the groups according to their growth patterns. The highest and lowest estimated values for asymptotic body weight (C) for 3H and 5W were given by von Bertalanffy and Logistic model 4629.7 g for 2197.8 g respectively. The highest estimated parameter for maturating rate (b) was given by Logistic model 0.249 corresponds to the 2F and lowest in von Bertalanffy model 0.094 for 4Y. According to the coefficient of determination ($R^2$) and mean square of error (MSE), Gompertz and von Bertalanffy models were suitable to describe the growth of Korean native chicken. Moreover, von Bertalannfy model was well described the most of KNC growth with biologically meaningful parameter compared to Gompertz model.

• 한국산학기술학회논문지
• /
• 제21권7호
• /
• pp.285-291
• /
• 2020

제조 산업에서 인력은 로봇으로 대체되지만 전문 기술은 데이터 변환이 어려워 산업용 로봇에 적용이 불가능하다. 이는 비전 기반의 모션 인식 방법으로 데이터 확보가 가능하나 이미지 데이터에 따라 판단 값이 달라질 수 있다. 따라서 본 연구는 비전 방법을 사용해 사람의 자세를 추정 시 영향을 미치는 인자를 고려해 정확성 향상 방법을 찾고자 한다. 비전 방법 중 OpenPose의 3가지 모델 MPII, COCO 및 COCO + foot을 사용했으며, CNN(Convolutional Neural Networks)을 사용한 OpenPose 구조에서 얼굴 가림 및 이미지 전처리에 미치는 영향을 확인하고자 액세서리의 유무, 이미지 크기 및 필터링을 매개 변수로 설정했다. 각 매개 변수 별 이미지 데이터를 3 가지 모델에 적용해 실제 값과 예측 값 사이 거리 오차와 PCK (Percentage of correct Keypoint)로 영향도를 판단했다. 그 결과 COCO + foot 모델은 3 가지 매개 변수에 대한 민감도가 가장 낮았다. 또한 이미지 크기는 50% (원본 3024 × 4032에서 1512 × 2016로 축소) 이상 비율이 가장 적절하며, MPII 모델만 emboss 필터링을 적용할 때 거리 오차 평균이 최대 60pixel 감소되어 향상된 결과를 얻었다.

• 비파괴검사학회지
• /
• 제22권5호
• /
• pp.465-473
• /
• 2002

영상 데이타는 전송, 검출 및 처리과정에서 여러 잡음에 의해 훼손될 수 있다. 적응성 가중 메디안 필터라는 공간변화 필터를 사용하여 방사선 투과영상의 양자 잡음을 제거하였다. 제안된 필터는 처리 윈도우 내 각 픽셀의 국소 통계치의 변화에 따라 필터의 성능이 변화하여 에지를 최대한 보존하면서 잡음만을 제거하고자 이러한 국소 통계 값에 근거한 적응성 가중 메디안 휠터 (AWMF)를 제시한다. AWMF를 구현함에 있어 두 가지 방법으로 나뉘는데, 우선 국소 통계의 특성에 따라 3개의 영역으로 분류하여 가중치를 부여하는 간단한 비선형 필터이고, 다음으로는 잡음모델로부터 국소 통계의 특성에 따라 경계(edge) 영역과 균일 영역으로 구분하여 영상시스템에 적당한 균일 척도 값을 구하여 영상의 공간적인 변화 정도를 판단하는 기준이 되도록 하였다. 제안한 알고리듬은 IBM-PC 상에서 C 언어로 구현하였으며 AWMF가 다른 잡음 제거 필터들과의 성능 비교를 통하여 경계는 보존하면서 잡음은 최대한 제거하는 우수한 필터임을 검증하였다.

• 대한지리학회지
• /
• 제46권4호
• /
• pp.534-553
• /
• 2011

유추는 익숙한 문제(바탕문제)의 해결방법을 활용하여 유사한 문제(표적문제)를 해결하는 문제해결 전략이다. 본 연구의 목적은 유추적 사고의 관점에서 지리적 문제상황을 새롭게 인식하고, 나아가 지역학습, 그래픽을 활용한 문제해결, 사례학습을 통한 개념/기능 습득에 유용한 교수 학습 방안을 제시하는 것이다. 이를 위해 유추의 의미를 파악하고, 유추 관련 이론들을 통해 유추의 발생 매커니즘과 성공적인 유추적 문제해결의 조건을 논의하였다. 주요 연구 결과는 다음과 같다. 첫째, 공간적 유추 아이디어는 지역학습을 조직하는 유용한 방법을 제공할 수 있다. 특히, 지리적 내용지식과 시 공간적 사고를 동시에 요구하는 공간적 유추는 영역특수적 문제해결 전략으로서 가능성을 갖고 있다. 둘째, 그래픽을 활용한 문제해결의 전이를 의미하는 표상전이는 정보의 시각화, 공간화를 필요로 하는 지리적 문제를 해결하는데 중요한 역할을 한다. 셋째, 표면적으로는 다르지만 공통의 내적구조를 갖는 유사한 사례들을 제시한 후 비교 분석하게 하거나, 가교 역할의 사례를 제시하는 방법은 지리적 개념, 기능의 습득에 유용하다. 결론에서는 유추 관련 지리교육 분야의 연구 주제와 이러한 연구가 갖는 중요성을 제시하였다.

• 대한원격탐사학회지
• /
• 제36권5_3호
• /
• pp.1095-1107
• /
• 2020

홍수 발생 시 위성영상을 활용하여 침수된 지역을 추출하는 것은 홍수 발생 기간 내의 위성영상 취득과 영상에 나타난 침수구역의 정확한 분류 등에서 많은 어려움이 존재한다. 딥러닝은 전통적인 영상분류기법들에 비해 보다 정확도가 높은 위성영상분류기법으로 주목받고 있지만, 광학영상에 비해 홍수 발생 시 위성영상의 취득이 용이한 SAR 영상의 분류 잠재력은 아직 명확히 규명되지 않았다. 본 연구는 대표적인 의미론적 영상 분할을 위한 딥러닝 모델인 SegNet과 U-Net을 활용하여 동남아시아의 라오스, 태국, 필리핀의 대표적인 홍수 발생지역인 코랏 유역(Khorat basin), 메콩강 유역(Mekong river basin), 카가얀강 유역(Cagayan river basin)에 대해 Sentinel-1 A/B 위성영상으로부터 침수지역 추출을 실시하였다. 분석결과 침수지역 탐지에서 SegNet의 Global Accuracy, Mean IoU, Mean BF Score는 각각 0.9847, 0.6016, 0.6467로 나타났으며, U-Net의 Global Accuracy, Mean IoU, Mean BF Score는 각각 0.9937, 0.7022, 0.7125로 나타났다. 국지적 분류결과 확인을 위한 육안검증에서 U-Net이 SegNet에 비해 보다 높은 분류 정확도를 보여주었지만, 모델의 훈련에 필요한 시간은 67분 17초와 187분 19초가 각각 소요되어 SegNet이 U-Net에 비해 약 3배 정도 빠른 처리속도를 보여주었다. 본 연구의 결과는 향후 딥러닝 기법을 활용한 SAR 영상기반의 홍수탐지 모델과 실무적으로 활용이 가능한 자동화된 딥러닝 기반의 수계탐지 기법의 제시를 위한 중요한 참고자료로 활용될 수 있을 것으로 판단된다.

• 재활복지
• /
• 제21권3호
• /
• pp.129-146
• /
• 2017

본 연구는 실내에서 화재 발생시 시각 장애인들을 지원하기 위한 영상 기반의 화재감지기를 제안한다. 건물 내에 화재가 발생하는 비상 상황 발생시 시각 장애인은 일반인보다 상황을 인지하는 것이 늦기 때문에 위험한 상황에 노출되기 쉽다. 기존의 연기 감지기와 같은 현재의 화재 감지 방법은 화재 발생시 발생하는 화학 센서 기반 기술을 사용함으로써 감지가 상대적으로 늦으며 화재가 확산된 후에 감지가 되는 등 낮은 신뢰성이 문제가 될 수 있다. 이를 보완하기 위해 영상 기반의 화재 감지 기술이 개발되었지만 낮은 정확도가 문제가 되어 실용화되지 못하였다. 최근 인공 지능을 위한 심층 학습 분야의 큰 발전으로 영상 내의 물체 인식률이 높아짐에 따라 관련 연구가 활발히 진행되고 있다. 따라서 본 연구에서는 보안 카메라 영상을 사용하여 화재를 감지할 수 있는 심층 학습 기반의 화재 감지기를 제안한다. 심층 학습 기반의 접근법은 영상에서 자동으로 특징을 학습할 수 있으므로 일반적으로 복잡한 상황에 대해서도 일반화가 가능하다. 본 논문에서는 화재감지 정확도와 속도 측면의 균형을 고려하여 두 개의 심층 합성곱 신경망 모델을 제안하였다. 실험을 통해 두 모델 모두 99%의 평균 정밀도로 화재를 감지할 수 있으며 첫 번째 모델은 초당 30장의 처리 속도와 76%의 정확도를 나타냈다. 두번째 모델은 초당 50장의 처리 속도와 61%의 정확도를 나타낸다. 또한 두 개의 모델의 메모리 사용량을 서로 비교하였으며 다양한 실제 화재 시나리오에서 테스트하여 신뢰할 수 있는 모델임을 증명하였다. 본 논문에 제안한 영상 기반 화재 감지기가 상용화된다면 상대적으로 실내 화재에 취약한 시각 장애인들의 안전에 도움이 될 것이다.

• 한국터널지하공간학회 논문집
• /
• 제25권6호
• /
• pp.555-567
• /
• 2023

현재 지하시설물의 균열을 영상 취득 시스템으로 취득한 경우 점검자가 취득된 영상에서 육안검사를 수행하여 미세균열을 판단한다. 점검자에 의존한 노동집약적인 방법은 점검자의 주관적인 판단에 영향을 받는 문제점을 가지고 있다. 최근에는 딥러닝을 활용하여 자동으로 콘크리트 균열을 탐지하기 위한 연구가 활발하게 수행되고 있다. 대부분의 연구에서는 공개 데이터셋을 활용하거나 분석과정의 객관성이 충분하지 못해 실제 업무에 적용하기 어려운 점이 있다. 본 연구는 실제 검사 시스템과 동일한 형태의 영상을 시험 데이터셋으로 선정하여 딥러닝 모델들을 평가하였다. 균열 탐지의 정확도를 향상시키기 위하여 딥러닝 모델들의 장단점을 상호 보완할 수 있는 앙상블 기법을 적용하였다. 시험 영상에서 폭 0.2 mm, 0.3 mm 및 0.5 mm의 균열들은 각각 80%, 88% 및 89%의 높은 재현율로 탐지되었다. 딥러닝을 적용한 균열 탐지 결과에서는 점검자의 육안 검수 과정에 찾지 못한 다수의 균열들을 포함하고 있었다. 향후 본 연구에서 사용하지 않은 다른 터널의 영상을 시험 영상으로 선정하여 보다 더 객관적인 평가에서 충분한 정확도로 균열을 탐지하게 된다면, 시설물 안점 점검 방식에 딥러닝의 도입이 가능할 것으로 판단된다.