• Clinical and Experimental Reproductive Medicine
• /
• 제48권1호
• /
• pp.91-94
• /
• 2021

A 28-year-old woman presented with a 1-year history of severe progressive dysmenorrhea following suction evacuation and tubal ligation. Sonography showed a bicornuate uterus with hematometra in the left horn. Hysteroscopy ruled out a diagnosis of a congenital Müllerian anomaly, as both ostia appeared normal. Under laparoscopy, a mass was seen on the left fundal region near the insertion of the round ligament, and needle aspiration of a chocolate-colored fluid confirmed the diagnosis of an adenomyotic cyst. The cyst was excised. The patient recovered well and has been symptom-free since surgery. Adenomyotic cyst is a rare entity in young women and must be differentiated from obstructive Müllerian anomaly. Laparoscopy is the preferred minimally invasive modality for managing this rare disorder.

• 대한두경부종양학회지
• /
• 제33권1호
• /
• pp.31-34
• /
• 2017

First branchial cleft anomaly is a very rare disease and exhibits various clinical presentations. Therefore, the diagnosis of first branchial cleft anomaly may be difficult; the condition is often misdiagnosed and mismanaged. Accurate diagnosis is very important, because if not diagnosed correctly, patients with first branchial cleft anomaly would be treated with local incision and drainage repeatedly. We report two cases of first branchial cleft anomaly. The first patient visited for recurrent swell and discharge in the infra-auricular area with a history of previous incision and drainage. The other patient showed a cystic mass in the infra-auricular area and all of them were misdiagnosed initially by their treating specialists elsewhere. The objective of this study is to share our experiences of first branchial cleft anomaly, and emphasize its various clinical patterns and the significance of accurate diagnosis.

• Structural Engineering and Mechanics
• /
• 제88권6호
• /
• pp.569-581
• /
• 2023

This paper introduces a system to detect and diagnose anomalies in pumped storage hydropower plants. We collect data from various types of sensors, including those monitoring temperature, vibration, and power. The data are classified according to the operation modes (pump and turbine operation modes) and normalized to remove the influence of the external environment. To detect anomalies and diagnose their types, we adopt a multivariate normal distribution analysis by learning the distribution of the normal data. The feasibility of the proposed system is evaluated using actual monitoring data of a pumped storage hydropower plant. The proposed system can be used to implement condition monitoring systems for other plants through modifications.

• Smart Structures and Systems
• /
• 제11권1호
• /
• pp.1-17
• /
• 2013

This paper intended to investigate the feasibility of bridge health monitoring using a linear system parameter of a time series model identified from traffic-induced vibrations of bridges through a laboratory moving vehicle experiment on scaled model bridges. This study considered the system parameter of the bridge-vehicle interactive system rather than modal ones because signals obtained under a moving vehicle are not the responses of the bridge itself but those of the interactive system. To overcome the shortcomings of modal parameter-based bridge diagnosis using a time series model, this study considered coefficients of Autoregressive model (AR coefficients) as an early indicator of anomaly of bridges. This study also investigated sensitivity of AR coefficients in detecting anomaly of bridges. Observations demonstrated effectiveness of using AR coefficients as an early indicator for anomaly of bridges.

• Journal of Genetic Medicine
• /
• 제5권2호
• /
• pp.94-99
• /
• 2008

선천성 기형은 출생 신생아에서 2-5% 정도의 빈도를 보이며 영아기 사망의 주요한 원인이 되고 있다. 상당수의 선천성 기형의 예후는 정확하고 빠른 진단에 따른 적절한 처치 및 치료에 의해 결정된다고 할 수 있다. 따라서 임상적으로는 선천성 기형에 대한 기전 파악 및 정확한 분류에 따른 정확한 진단이 중요하다. 우선 해당 기형이 소기형(minor anomaly) 또는 대기형(major anomaly) 중 어디에 속하는지, 또는 기형(malformation), 변형(deformation), 파형(disruption) 및 이형(dysplasia) 중 어느 것에 속하는지 결정하고 다발성 기형 등은 특정 증후군과 연관이 있는지 여부에 대한 판단을 필요로 한다. 진단이 된 후, 선천성 기형을 위한 유전상담은 환자나 가족이 기형 혹은 증후군에 대하여 또는 재발률에 대하여 이해할 수 있도록 돕는 과정을 포함한다.

• Korean Journal of Radiology
• /
• 제22권9호
• /
• pp.1441-1450
• /
• 2021

Anomalous origin of the coronary artery from the pulmonary artery is a rare and potentially fatal congenital heart defect. Up to 90% of infants with an anomaly involving the left coronary artery die within the first year of life if left untreated. Patients who survive beyond infancy are at risk of sudden cardiac death. Cardiac CT and MRI are increasingly being used for the accurate diagnosis of this anomaly for prompt surgical restoration of the dual coronary artery system. Moreover, life-long imaging surveillance after surgery is necessary for these patients. In this pictorial review, multimodal cardiac imaging findings of this rare and potentially fatal coronary artery anomaly are comprehensively discussed, and representative images are provided to facilitate the understanding of this anomaly.

• 융합정보논문지
• /
• 제12권1호
• /
• pp.31-38
• /
• 2022

본 논문은 전문가 독립적 비지도 신경망 학습 기반 다변량 시계열 데이터 분석 모델인 MSCRED(Multi-Scale Convolutional Recurrent Encoder-Decoder)의 실제 현장에서의 적용과 Auto-encoder 기반인 MSCRED 모델의 한계인, 학습 데이터가 오염되지 않아야 된다는 점을 극복하기 위한 학습 데이터 샘플링 기법인 Subset Sampling Validation을 제시한다. 라벨 분류가 되어있는 발전소 장비의 진동 데이터를 이용하여 1) 학습 데이터에 비정상 데이터가 섞여 있는 상황을 재현하고, 이를 학습한 경우 2) 1과 같은 상황에서 Subset Sampling Validation 기법을 통해 학습 데이터에서 비정상 데이터를 제거한 경우의 Anomaly Score를 비교하여 MSCRED와 Subset Sampling Validation 기법을 유효성을 평가한다. 이를 통해 본 논문은 전문가 독립적이며 오류 데이터에 강한 이상 진단 프레임워크를 제시해, 다양한 다변량 시계열 데이터 분야에서의 간결하고 정확한 해결 방법을 제시한다.

• 한국컴퓨터정보학회논문지
• /
• 제28권2호
• /
• pp.9-17
• /
• 2023

본 논문에서는 베어링의 결함 진단을 위한 단일 클래스 분류의 진동 이상 탐지 시스템을 제안한다. 베어링 고장으로 인해 발생하는 경제적 및 시간적 손실을 줄이기 위해 정확한 결함 진단시스템은 필수적이며 문제 해결을 위해 딥러닝 기반의 결함 진단 시스템들이 널리 연구되고 있다. 그러나 딥러닝 학습을 위한 실제 데이터 채집 환경에서 비정상 데이터 확보에 어려움이 있으며 이는 데이터 편향을 초래한다. 이에 정상 데이터만 활용하는 단일 클래스 분류 방법을 활용한다. 일반적인 방법으로는 AutoEncoder를 통한 압축과 복원 과정을 학습하여 진동 데이터의 특성을 추출한다. 추출된 특성으로 단일 클래스 분류기를 학습하여 이상 탐지를 실시한다. 하지만 이와 같은 방법은 진동 데이터의 주파수 특성을 고려하지 않아서 진동 데이터의 특성을 효율적 추출할 수 없다. 이러한 문제를 해결하기 위해 진동 데이터의 주파수 특성을 고려한 AutoEncoder 모델을 제안한다. 분류 성능은 accuracy 0.910, precision 1.0, recall 0.820, f1-score 0.901이 나왔다. 주파수 특성을 고려한 네트워크 설계로 기존 방법들보다 우수한 성능을 확인하였다.

• 한국멀티미디어학회논문지
• /
• 제25권11호
• /
• pp.1547-1556
• /
• 2022

As mechanical facilities are interacting with each other, the failure of some equipment can affect the entire system, so it is necessary to quickly detect and diagnose the abnormality of mechanical equipment. This study proposes a deep learning model that can effectively diagnose abnormalities in rotating machinery and equipment. CNN is widely used for feature extraction and LSTMs are known to be effective in learning sequential information. In LSTM, the number of parameters and learning time increase as the length of input data increases. In this study, we propose a method of segmenting an input segment signal into shorter-length sub-segment signals, sequentially inputting them to CNN through a time-distributed method for extracting features, and inputting them into LSTM. A failure diagnosis test was performed using the vibration data collected from the motor for ventilation equipment installed at the urban railway station. The experiment showed an accuracy of 99.784% in fault diagnosis. It shows that the proposed method is effective in the fault diagnosis of rotating machinery and equipment.

• 대한두경부종양학회:학술대회논문집
• /
• 대한두경부종양학회 2008년도 추계학술대회 논문집
• /
• pp.239-239
• /
• 2008