• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제7권4호
• /
• pp.256-261
• /
• 2007

Electroencephalographic(EEG) is used to record activities of human brain in the area of psychology for many years. As technology developed, neural basis of functional areas of emotion processing is revealed gradually. So we measure fundamental areas of human brain that controls emotion of human by using EEG. Hands gestures such as shaking and head gesture such as nodding are often used as human body languages for communication with each other, and their recognition is important that it is a useful communication medium between human and computers. Research methods about gesture recognition are used of computer vision. Many researchers study Emotion Recognition method which uses one of EEG signals and Gestures in the existing research. In this paper, we use together EEG signals and Gestures for Emotion Recognition of human. And we select the driver emotion as a specific target. The experimental result shows that using of both EEG signals and gestures gets high recognition rates better than using EEG signals or gestures. Both EEG signals and gestures use Interactive Feature Selection(IFS) for the feature selection whose method is based on the reinforcement learning.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.416-418
• /
• 2022

신경교종(glioma)은 신경교세포에서 발생하는 뇌 종양으로 low grade glioma와 예후가 나쁜 high grade glioma로 분류된다. 자기공명영상(magnetic Resonance Imaging, MRI)은 비침습적 수단으로 이를 이용한 신경교종 진단에 대한 연구가 활발히 진행되고 있다. 또한, 단일 modality의 정보 한계를 극복하기 위해 다중 modality를 조합하여 상호 보완적인 정보를 얻는 연구도 진행되고 있다. 본 논문은 네가지 modality(T1, T1Gd, T2, T2-FLAIR)의 MRI 영상에 입력단 fusion을 적용한 3D CNN 기반의 모델을 제안한다. 학습된 모델은 검증 데이터에 대해 정확도 0.8926, 민감도 0.9688, 특이도 0.6400, AUC 0.9467의 분류 성능을 보였다. 이를 통해 여러 modality 간의 상호관계를 학습하여 신경교종의 등급을 효과적으로 분류함을 확인하였다.

• 한국멀티미디어학회논문지
• /
• 제23권12호
• /
• pp.1486-1495
• /
• 2020

The analysis of digital microscopy images plays a vital role in computer-aided diagnosis (CAD) and prognosis. The main purpose of this paper is to develop a machine learning technique to predict the histological grades in prostate biopsy. To perform a multiclass classification, an AI-based deep learning algorithm, a multichannel convolutional neural network (MCCNN) was developed by connecting layers with artificial neurons inspired by the human brain system. The histological grades that were used for the analysis are benign, grade 3, grade 4, and grade 5. The proposed approach aims to classify multiple patterns of images extracted from the whole slide image (WSI) of a prostate biopsy based on the Gleason grading system. The Multichannel Convolution Neural Network (MCCNN) model takes three input channels (Red, Green, and Blue) to extract the computational features from each channel and concatenate them for multiclass classification. Stain normalization was carried out for each histological grade to standardize the intensity and contrast level in the image. The proposed model has been trained, validated, and tested with the histopathological images and has achieved an average accuracy of 96.4%, 94.6%, and 95.1%, respectively.

• 한국초등과학교육학회지:초등과학교육
• /
• 제22권2호
• /
• pp.156-162
• /
• 2003

The purpose of this study was to explore effects of 4MAT system program on the creativity, science achievement and science-related attitudesof elementary school students. 4MAT learning program is a model based on the whole brain learning including the learning styles and the cognitive specialization of left and right hemispheres. The study was conducted for 10 weeks during the 1998 second semester in H elementary school which is located in Incheon. 4MAT learning program was applied to the 5th and 6th grade students. One hundred 5th grade students and eighty three 6th grade students are selected for this study. The experimental group was taught in applying the 4MAT system, and the control group was taught by the traditional manner. The results of this study were as follows: There was a significant difference on creativity between the instruction by applying 4MAT system and the traditional instruction. In the 6th grade, there was a statistically significant difference on science achievement and science-related attitude. In the 5th grade, there was slightly increased, but statistically onsignificant. In conclusion, the instruction by applying 4MAT system was more effective in developing student's creativity than the traditional instruction in both grades.

• 한국전자파학회논문지
• /
• 제29권7호
• /
• pp.508-514
• /
• 2018

뇌전도는 뇌 활동 시 발생하는 뇌 세포 간 상호작용으로 생성된 전기적 활동이며, 손동작 시 뇌 활동으로 인해 뇌전도가 발생한다. 본 연구에서는 16채널 뇌전도 측정 장비를 이용하여 손동작 전과 좌 혹은 우 손동작 시 발생되는 뇌전도를 측정하였으며, 측정된 데이터는 지도 학습 모델인 서포트 벡터 머신으로 분류하며, 서포트 벡터 머신의 학습 시간을 단축 위해 동작관련 정보 손실을 최소화하고, 뇌전도 정보를 축약할 수 있는 필터링을 통한 특징 추출과 벡터 차원 축소 기법을 제안한다. 분류 결과, 전두엽 부위의 전극에서 손동작 전 상태-손동작사이에서 평균 72.7 %의 정확도로 분류되었다.

• 사물인터넷융복합논문지
• /
• 제9권6호
• /
• pp.37-44
• /
• 2023

인터스트리4.0의 주요 기술인 인간-로봇 협업은 작업자의 안전을 보장하기 위한 추가적인 조치들이 필요하다. 협동로봇과 작업자간 충돌을 회피하는 기존 방식은 주로 로봇에 부착된 센서와 카메라를 기반으로 총돌을 탐지한다. 이러한 방식은 로봇, 사람 물체를 지속적으로 추적하고 충돌회피를 위한 복잡한 알고리즘이 필요하며, 작업 환경 변화에 빠르게 대응하지 못하는 단점이 있다. 본 논문은 인간과 로봇이 협업하는 과정에서 작업자가 위험을 느낄 때의 감정을 인식하여 협동로봇과의 충돌을 방지할 수 있는 웹 기반 플랫폼을 개발하였다. 이를 위해 웨어러블 뇌파장치를 이용하여 감정 관련 뇌파를 수집하고 저장하는 웹 기반 애플리케이션을 개발하였으며, 중립/긍정/부정 감정의 특징을 추출하고 분류하는 딥러닝 모델을 제안하였다. 또한 분류된 감정에 따라 모터동작을 제어하는 사물인터넷 인터페이스 프로그램을 개발하였다. 구현된 시스템의 성능분석을 위해 공개 데이터세트와 실제 수집된 데이터 세트를 사용하여 제안한 딥러닝 모델의 성능을 분석하였다. 공개 데이터 세트의 경우 정확도는 96.8%이며, 실제 수집 데이터세트의 경우 정확도는 70.7%이다.

• 한국도서관정보학회지
• /
• 제33권1호
• /
• pp.35-55
• /
• 2002

초등학교 도서관 교육이 학교교육 목적을 달성하는데 기여하기 위해서는 학생들의 창의성 함양에 초점을 둔 효율방법을 사용할 것이 요청된다. 그러한 교육방법은 The Big Six와 같은 학습모형의 이용을 들 수 있다. 그러나 이러한 학습모형을 이용하여 학습하도록 하려면 도서실의 설치, 자료확보, 사서교사 채용, 학습모델을 이용한 정보기술교육의 교안개발 보급, 등 여러 가지 교육에 필요한 선결문제를 반드시 해결해야 한다.

• Journal of Korean Neurosurgical Society
• /
• 제66권1호
• /
• pp.53-62
• /
• 2023

Objective : Deep learning is a machine learning approach based on artificial neural network training, and object detection algorithm using deep learning is used as the most powerful tool in image analysis. We analyzed and evaluated the diagnostic performance of a deep learning algorithm to identify skull fractures in plain radiographic images and investigated its clinical applicability. Methods : A total of 2026 plain radiographic images of the skull (fracture, 991; normal, 1035) were obtained from 741 patients. The RetinaNet architecture was used as a deep learning model. Precision, recall, and average precision were measured to evaluate the deep learning algorithm's diagnostic performance. Results : In ResNet-152, the average precision for intersection over union (IOU) 0.1, 0.3, and 0.5, were 0.7240, 0.6698, and 0.3687, respectively. When the intersection over union (IOU) and confidence threshold were 0.1, the precision was 0.7292, and the recall was 0.7650. When the IOU threshold was 0.1, and the confidence threshold was 0.6, the true and false rates were 82.9% and 17.1%, respectively. There were significant differences in the true/false and false-positive/false-negative ratios between the anterior-posterior, towne, and both lateral views (p=0.032 and p=0.003). Objects detected in false positives had vascular grooves and suture lines. In false negatives, the detection performance of the diastatic fractures, fractures crossing the suture line, and fractures around the vascular grooves and orbit was poor. Conclusion : The object detection algorithm applied with deep learning is expected to be a valuable tool in diagnosing skull fractures.

• 한국초등과학교육학회지:초등과학교육
• /
• 제40권2호
• /
• pp.239-252
• /
• 2021

본 연구에서는 STEAM 교육이 중시하는 과학에 대한 흥미와 과학적 창의성을 더 효과적으로 신장시키기 위해, 뇌기반 진화적 접근법에 따른 과학 교수·학습 모형(ABC-DEF)을 STEAM 교육에 적용하여, 새로운 '뇌기반 진화적 STEAM 교육' 교수·학습 프로그램을 개발하였다. 경기도 소재 S 초등학교 4학년 학생 90명을 대상으로 한 이 연구는, 비교반(45명) 학생들에게는 교과서·지도서 기반 STEAM 교육수업을, 실험반(45명) 학생들에게는 뇌기반 진화적 STEAM 교육 수업을 실시하였고, 수업 전후에 과학 흥미 검사와 과학 창의성 검사를 각각 시행하여 그 결과를 좌우·전후 비교분석을 통해 정량적으로 검증하였다. 또한, 정량적 검사로 드러나지 않는 특성들을 분석하기 위해 학생 관찰지, 면담일지를 추가로 분석하여 정성적 연구를 병행하였다. 본 연구의 주요 결과는 다음과 같다. 첫째, 과학 흥미 변인에 대하여 독립 표본 검증(좌우비교)을 시행한 결과, 뇌기반 진화적 STEAM 교육 프로그램이 교과서 기반 STEAM 교육 수업보다 상대적으로 과학 학습에 대한 흥미는 높이고, 불안을 감소시킨다는 것을 알 수 있었다. 둘째, 과학 흥미 변인에 대하여 종속 표본 검증(전후 비교)을 시행한 결과, 사전·사후 점수 간에 유의미한 차이가 없었던 교과서 기반 STEAM 교육에 반해, 뇌기반 진화적 STEAM 교육 프로그램은 수업 전후에 따라 과학에 대한 흥미가 향상되는 것을 알 수 있었다. 셋째, 과학 창의성 변인에 대한 독립표본 검증(좌우비교)을 시행한 결과, 뇌기반 진화적 STEAM 교육 프로그램이 교과서 기반 STEAM 교육수업보다 학생의 과학 창의성 점수와 독창성 점수를 높이는 데 더 효과적인 것으로 검증되었다. 넷째, 과학 창의성 변인에 대한 종속 표본 검증(전후비교)을 시행한 결과, 두 가지 교수·학습 방법 모두 수업 전후에 따라 학생의 독창성, 유용성, 과학 창의성 점수를 효과적으로 향상시킨 것으로 나타났다. 이러한 연구 결과를 토대로, 과학 교육과 STEAM 교육 연구에 관한 함의들을 논의하고자 한다.

• 스마트미디어저널
• /
• 제13권4호
• /
• pp.86-93
• /
• 2024

기능적 자기 공명영상(functional magnetic resonance imaging;fMRI)의 발전은 뇌 기능의 매핑, 휴식 상태에서 뇌 네트워크의 이해에 상당한 기여를 하였다. 본 논문은 알츠하이머의 진행상태를 분류하기 위해 CNN-LSTM 기반의 분류 모델을 제안한다. 첫 번째로 특징 추출 이전 fMRI 데이터에서 잡음을 제거하기 위해 4단계의 전처리를 수행한다. 두 번째, 전처리가 끝나면 U-Net 구조를 활용하여 공간적 특징을 추출한다. 세 번째, 추출된 공간적 특징은 LSTM을 활용하여 시간적 특징을 추출하여 최종적으로 분류하는 과정을 거친다. 실험은 데이터의 시간차원을 조절하여 진행하였다. 5-fold 교차 검증을 사용하여 평균 96.4%의 정확도를 달성하였고 이러한 결과는 제안된 방법이 fMRI 데이터를 분석하여 알츠하이머의 진행을 식별하는데 높은 잠재력을 가지고 있음을 보여준다.