• 한국통신학회논문지
• /
• 제29권6C호
• /
• pp.793-800
• /
• 2004

본 논문에서는 지하에 매설되어 있는 통신 관로의 효율적인 관리를 위하여 관로상태를 진단할 수 있는 자동 관로 등급 판정 시스템을 제안하였다. 작업자에 의해 행해지던 기존의 관로 조사는 주관적인 판단에 의해 수동으로 판단하기 때문에 수치적인 정량화를 통한 관로 등급 판정 및 효율적인 데이터베이스 구축이 어렵다. 이러한 단점을 보완하기 위하여 인입 길이별로 관로 단면에 레이저를 투영하여 단면의 상태를 획득하고, 획득된 영상에 대해 실제 관로 단면의 수치적인 최소 직경을 구하며 등급 판정하는 기법을 적용하였다. 제안된 기법에서는 관로 내부의 특별한 상황을 고려하여 잡음 제거 필터와 다양한 color model를 적용한 전처리 과정을 거치게 된다. 관로의 최소 직경판단 및 등급 판정은 세부처리 단계를 통하여 이루어진다. 정확도(precision)를 이용하여 제안된 시스템의 성능을 평가한 결과 90% 이상의 정확한 등급 판정이 가능한 것을 확인하였다.

• 한국항행학회논문지
• /
• 제15권5호
• /
• pp.833-838
• /
• 2011

진단용 X선 기기는 다양한 장치의 개발에 힘입어 보다 효과적이고 정밀한 진단이 가능하게 되었다. 정밀 진단이 가능하게 되면서 X선 기기는 임상의학에 있어 가장 기본적이고 핵심적인 진단 장치로 자리 잡고 있다. X선을 이용한 영상획득 분야에서는 영상의 획득 시간 단축과 전송이 용이하고, 조사선량의 감소가 가능한 DR(Digital Radiography)의 사용이 확대되고 있다. 하지만 DR은 1개의 디텍터를 이용하는 구조로 되어있어 기존의 X선 장치와는 달리 구조적인 변경이 필요하며 촬영위치에 따라 디텍터를 원하는 위치까지 움직여야하는 단점을 가진다. 따라서 본 연구에서는 BLDC 모터와 PID 제어방식을 사용해 DR에서 가장 움직임이 많은 디텍터의 상하, 좌우, 회전의 3축 위치자동 제어 시스템을 설계 제작하고 그 성능을 평가 하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.374-376
• /
• 2021

임상에서 암 관련 질병의 확진을 위해 영상장비를 이용한 기초 진단 이후 추가적인 방법으로 생체검사 등을 이용한 병리적 검사가 필수적이다. 이러한 생체검사를 진행하기 위해서는 전문지식을 가진 종양학자, 임상병리사 등의 도움과 최소한의 소요시간은 확진을 위해 반드시 필요하다. 최근 들어, 인공지능을 활용한 암세포의 자동분류가 가능한 시스템 구축에 관련된 연구가 활발하게 진행되고 있다. 하지만, 이전 연구들은 한정된 알고리즘을 기반으로 하여 세포의 종류와 정확도에 한계를 보인다. 본 연구에서 심층 학습의 일종인 합성곱 신경망을 통해 총 4가지의 암세포를 식별하는 방법을 제안한다. 세포 배양을 통해 얻은 광학영상을 OpenCV를 사용하여 세포의 위치 식별 및 이미지 분할과 같은 전처리 수행 후, EfficientNet을 통해 학습하였다. 모델은 EfficientNet을 기준으로 다양한 hyper parameter를 사용하고, InceptionV3을 학습하여 성능을 비교분석 하였다. 그 결과 96.8%의 높은 정확도로 세포를 분류하는 결과를 보였으며, 이러한 분석방법은 암의 확진에 도움이 될 것으로 기대한다.

• 한국방사선학회논문지
• /
• 제10권6호
• /
• pp.443-450
• /
• 2016

본 연구는 복부 전산화단층촬영 영상을 이용하여 지방간환자의 영상을 질감특징분석과 ROC curve 분석을 하였으며, 컴퓨터보조진단시스템의 구현을 위한 실험적인 선형 연구로서 전산화단층촬영 영상에서 지방간의 객관적이고 신뢰성 있는 진단 정보를 의사에게 제공하고자 하였다. 실험은 정상 및 지방간 복부 전산화단층촬영 영상을 실험영상으로 하여 설정된 구역에 대한 wavelet 변환을 거쳐 질감의 특징값을 나타내는 6가지 파라미터로 통계적 분석 결과를 나타내었다. 그 결과 엔트로피, 평균밝기, 왜곡도는 90% 이상의 비교적 높은 인식률을 보였고, 대조도, 평탄도, 균일도는 약 70% 정도로 비교적 낮은 인식률을 나타내었다. ROC curve를 이용한 분석에서 6가지의 파라미터 모두 0.900(p=0.0001)이상을 나타내어 질환인식에 의미가 있는 결과를 나타내었다. 또한 6가지 파라미터에서 질환 예측을 위한 cut-off 값을 결정하였다. 이러한 결과는 향후 복부 전산화단층촬영 영상에서 질환 자동검출 및 최종진단의 예비 진단 자료로서 적용 가능할 것이다.

• 한국방사선학회논문지
• /
• 제9권6호
• /
• pp.369-374
• /
• 2015

본 연구에서 제안된 질감특징분석 알고리즘은 뇌출혈환자의 CT영상을 이용하여 정상영상과 질환영상으로 구분하여, 고유영상 및 실험영상을 생성하고 제안된 컴퓨터보조진단 시스템에 적용하여 6개의 파라메타로 정량적 분석을 통해 뇌출혈 CT영상의 인식률을 도출하고 평가하였다. 결과로 뇌출혈 CT영상 40증례 중에서 각각의 질감 특징값에 대한 인식률은 평균밝기의 경우 100%, 평균대조도의 경우 100%, 평탄도의 경우 100%, 왜곡도의 경우 100%로 높게 나타났고, 균일도의 경우 95%, 엔트로피의 경우 87.5%로 다소 낮은 질환 인식률을 보였다. 따라서 본 연구의 결과를 바탕으로 의료영상의 컴퓨터보조진단 시스템으로 발전된 프로그램을 구현한다면 뇌출혈 CT영상의 질환부위 자동검출 및 정량적 진단이 가능해 컴퓨터보조진단 자료로서 활용이 가능할 것으로 판단되며 최종판독에서 정확성과 판독시간 단축에 유용하게 사용 될 것으로 사료된다.

• Journal of Multimedia Information System
• /
• 제4권4호
• /
• pp.233-238
• /
• 2017

Automatic identification of disease in plants from their leaves is one of the most challenging task to researchers. Diseases among plants degrade their performance and results into a huge reduction of agricultural products. Therefore, early and accurate diagnosis of such disease is of the utmost importance. The advancement in deep Convolutional Neural Network (CNN) has change the way of processing images as compared to traditional image processing techniques. Deep learning architectures are composed of multiple processing layers that learn the representations of data with multiple levels of abstraction. Therefore, proved highly effective in comparison to many state-of-the-art works. In this paper, we present a plant disease identification methodology from their leaves using deep CNNs. For this, we have adopted GoogLeNet that is considered a powerful architecture of deep learning to identify the disease types. Transfer learning has been used to fine tune the pre-trained model. An accuracy of 85.04% has been recorded in the identification of four disease class in Apple plant leaves. Finally, a comparison with other models has been performed to show the effectiveness of the approach.

• 한국산학기술학회논문지
• /
• 제11권5호
• /
• pp.1601-1607
• /
• 2010

본 논문에서는 FMEA (Failure Mode Effect Analysis) 기법을 적용한 우편기계 유지보수 방법 제시하였다. 제안된 방법은 우편기계 모듈 및 부품에 대해 고장 유형을 정의하고, 고장 유형별 시스템에 주는 영향과 고장 빈도 및 검출도 등을 정의하여 고장 유형에 대한 시스템 위험도를 계산하여 그 값에 기반하여 점점 항목과 점검 주기를 조정하도록 하므로 시스템의 고장을 사전에 예방하고 시스템 가동율을 높이도록 하는 효율적인 유지보수 방법이다. 실제 현장에서 운영되고 있는 소형 통상 우편 구분 기계에 대해 제안된 방법의 적용 예를 보였다. 따라서 제안된 방법은 향후 국내 우편기계 유지보수에 적용시 유지보수 용이성과 효율성을 높일 것으로 기대한다.

• 한국멀티미디어학회논문지
• /
• 제11권12호
• /
• pp.1635-1648
• /
• 2008

The extraction of important features in cancer cell image analysis is a key process in grading renal cell carcinoma. In this study, we applied three-dimensional (3D) texture feature extraction methods to cell nuclei images and evaluated the validity of them for computerized cell nuclei grading. Individual images of 2,423 cell nuclei were extracted from 80 renal cell carcinomas (RCCs) using confocal laser scanning microscopy (CLSM). First, we applied the 3D texture mapping method to render the volume of entire tissue sections. Then, we determined the chromatin texture quantitatively by calculating 3D gray-level co-occurrence matrices (3D GLCM) and 3D run length matrices (3D GLRLM). Finally, to demonstrate the suitability of 3D texture features for grading, we performed a discriminant analysis. In addition, we conducted a principal component analysis to obtain optimized texture features. Automatic grading of cell nuclei using 3D texture features had an accuracy of 78.30%. Combining 3D textural and 3D morphological features improved the accuracy to 82.19%. As a comparative study, we also performed a stepwise feature selection. Using the 4 optimized features, we could obtain more improved accuracy of 84.32%. Three dimensional texture features have potential for use as fundamental elements in developing a new nuclear grading system with accurate diagnosis and predicting prognosis.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 추계학술발표대회
• /
• pp.928-930
• /
• 2020

본 논문은 인공지능 플랫폼 기반의 요로결석 진단을 위한 CT 영상 데이터 자동판독 시스템에 대해 기술하고자 한다. 제안한 시스템은 웹 기반의 플랫폼을 기반으로 하며, 인공지능 기반의 진단 알고리즘을 장착하여 빠르게 요로결석 환자의 스크리닝에 목적을 두고 있다. 병원정보시스템의 PACS와 EMR과 연계와 Deep learning 진단 알고리즘을 적용한 요로결석 자동판독 시스템을 개발하였다. 특히, 기 구축된 인공지능 플랫폼을 통해 추출한 데이터셋을 기반으로 진단 알고리즘 개발 방법과 수행 결과를 보인다. 제안한 시스템은 요로결석 진단과 수술여부에 의사결정지원 시스템으로 임상에서 활용될 것으로 기대하고 있다.

• 한국의학물리학회지:의학물리
• /
• 제23권4호
• /
• pp.279-284
• /
• 2012

X선은 방사선 진단과 치료 분야에 있어서 다양하고 광범위하게 이용되고 있으며, 최근에는 방사선 치료용 초소형 X선관이 개발되었다. 초소형 X선관은 조사 목적 부위에 직접 삽입하여 사용되므로 제작 시준기에 따라 다양한 각도로 X선 조사가 가능하고, 검사 목적 외의 환자 피폭선량을 최소화한다. 이러한 초소형 X선관의 장점을 이용해서 X선 영상을 획득하는데 적용한다면 X선 진단 분야의 새로운 장을 열 것으로 기대된다. 하지만 초소형 X선관은 본래 치료용으로 설계되었기 때문에 진단용 장비에 적합한 시준기, 필터(added filter) 등이 필요하다. 따라서 자체 제작한 시준기와 필터를 적용하여 초소형 X선관의 빔 특성이 진단용에 적합한지 평가 하였고, 이를 위해서 다이오드 검출기를 이용하여 반가층을 측정하고 측정의 가능성을 평가하였다. 본 연구에서는 Si PIN Photodiode type인 Piranha 검출기(Piranha, RTI, Sweden)를 사용하여 필터 적용 유무에 따른 초소형 X선관의 반가층을 측정하고, 알루미늄 필터를 사용한 측정을 통하여 Piranha 검출기의 반가층 측정의 정확성을 평가하였다. 측정 결과에 따르면 초소형 X선관의 반가층은 필터의 장착에 따라 약 1.9배 증가하여 진단용 방사선 발생 장치의 적합성을 확인하였다. Piranha 검출기의 반가층 자동 측정값은 필터를 미장착한 경우에 실제 반가층 측정값에 비해 50% 높게 측정되어 적용이 불가능하나, 필터를 장착한 경우에는 실제 반가층 측정값과 약 15%의 차이로 감소되었다. 따라서 진단용 필터를 적용했을 경우는 Piranha 검출기의 반가층 자동측정이 가능하여 kV-X선 특성평가를 수월하게 수행할 것으로 기대된다.