• 대한방사선치료학회지
• /
• 제15권1호
• /
• pp.35-40
• /
• 2003

I. 목적 방사선 치료에서 인접한 두 target을 가진 두경부 환자의 target간의 이동시, 육안으로 판별하여 수동으로 couch를 이동하는 방식에서 나타날 수 있는 오차를 확인하기 위하여, couch의 좌표값을 분석하고 target간의 이동에 대한 재현성의 정확성을 평가하고자 한다. II. 대상 및 방법 방사선 치료에 있어서 치료하고자 하는 인접한 두 target간의 이동시 operator에 의한 수동이동에서 나타날 수 있는 이동오차를 확인하기 위하여, couch의 좌표값(vertical, longitudinal, lateral 세 방향)을 이용, 수동으로 위치잡이시 이동거리에 대한 정확도를 평가하기 위해 치료장비( CL 2100C, Varian, USA) 의 console monitor에 나타난 좌표값을 기록하였다. 매 치료마다 vertical, longitudinal, lateral 세 방향에서 기록된 좌표의 이동거리를 구한 후에, 이를 RTP(Pinnacle, ADAC, USA)에 의한 target간의 거리와 비교하여 오차값을 구하였다. 동일환자를 10회에 걸쳐 실제 set-up시의 좌표이동의 평균값과 오차정도, 그리고 표준편차를 구하였다. III. 결과 환자의 skin mark를 육안으로 확인하며 수동으로 couch를 이동하는 방식에서 두 target간 이동의 평균 표준편차가 각 방향에서 vertical 1.4mm, longitudinal 0.9mm, lateral 2.2mm로 나타났고, 직선상의 이동오차는 평균 약 3.6mm, 최대 5.1mm의 오차가 나타났다. Lateral 방향에서 오차정도가 가장 커서 최대 5mm까지 오차가 발생하였으며, 각 방향에서 오차평균값은 vertical 1mm, longitudinal 0.7mm, lateral 2.7mm이고 이중에서 가장 오차가 큰 lateral방향의 오차평균값을 크게 넘어서는 경우는 전체의 $30\%$정도로 나타났다. IV. 결론 Couch를 수동으로 이동하여 target간을 이동시, 평균 약 3.6mm정도의 오차가 발생하였다. 3D conformal therapy나 IMRT처럼 높은 정밀도를 요구하는 치료의 경우에는 인접한 target간의 정확한 이동을 요구하므로, couch의 실제 좌표의 오차를 확인하는 일이 중요하다. 따라서 couch의 좌표확인을 이용한 치료의 재현성과 정확성 평가를 더욱 발전시켜 응용한다면 양질의 방사선 치료를 실시할 수 있을 것이라 사료된다.

• 전자공학회논문지CI
• /
• 제37권1호
• /
• pp.55-63
• /
• 2000

본 논문은 영상 프레임간 차분 성분을 이용한 3D-DCT의 부영역 분할에 따르는 압축효과를 고찰하였다. 제안한 알고리즘은 연속되는 9개의 프레임 그룹단위를 이용하여 8개의 차분 성분을 큐빅블록(8${\times}$8${\times}$8) 형태로 나타낸 정보를 3차원 DCT를 취한 후 부대역으로 분할하려 압축하는 방법이다. 프레임간 시${\cdot}$공간의 주파수 성분을 가지고 8개의 차분 프레임을 DCT한 주파수 영역에서 영상 정보는 저주파 영역인 큐빅블록의 모서리 부분에 집중하므로 효율적인 압축데이터를 얻기 위해 시간축 방향의 프레임 성분블록( 8${\times}$8 블록)을 4${\times}$4 부블록으로 나누었다. 여기서, 이 부블록의 가중치를 이용하여 저주파 부분에 대한 가변적 부영역을 적용시켜 압축율을 높였다. 모의실험에서 비교적 단순한 영상과 고주파 성분을 많이 포함하는 복잡한 영상을 이용하여 복원된 영상의 해상도와 압축율로 비교 평가하였다. 그 결과 평균 0.04-0.05bpp의 압축범위에서 각각의 영상에 대하여 평균적으로 34.75dB와 30.36dB의 높은 압축효과를 얻을 수 있었다.

• 한국터널지하공간학회 논문집
• /
• 제21권2호
• /
• pp.227-242
• /
• 2019

토압식(Earth Pressure-Balanced, EPB) 쉴드 TBM 기계데이터 분석을 통해 토사터널의 특징이 반영된 막장 전방 예측 방법을 제안하였다. 기존에 암반과 토사가 혼합된 복합 지반의 예측에 적용하였던 시계열 분석 모델을 토사터널에 적용가능하도록 수정하였다. 또한 수정된 모델을 사용하여, 토사 종류에 따라 쏘일 컨디셔닝 재료를 선택하는 것이 타당한지 연구하였다. 이를 위해 Self-Organizing Map (SOM) 군집화(clustering) 분석을 수행하였다. 그 결과 무엇보다도 지반타입이 #200체 통과량 35% 기준으로 분류되어야 한다는 것을 확인하였다. 또한 TBM 기계데이터 분석을 통해 수정된 모델이 지반 타입을 예측하는데 사용될 수 있음을 확인하였다. 수정된 기준에 따라 지반 타입을 분류하고 시계열 분석을 수행하면, 10막장 전방 지반에 대해서 98%의 높은 예측 정확도를 보였으며, 이를 통해 수정된 방법의 우수성이 입증되었다. 특히 지반 타입 변화 구간에 대한 예측 정확도도 약 93%로, 10막장 전방에서 지반 타입 변화 여부를 미리 확인할 수 있게 되었다.

• 한국방사선학회논문지
• /
• 제18권1호
• /
• pp.45-52
• /
• 2024

본 연구에서는 의료기관에서 방사성동위원소를 이용하여 암을 비롯한 여러 질환을 검사하는 PET/CT 검사에서 환자의 움직임으로 인한 영상의 질 저하와 판독 오류를 발생할 수 있는 점을 보완하기 위해 AI 기반의 Algorithm을 이용하여 개발한 Mothion Free 소프트웨어를 이용하여 호흡으로 인한 움직임의 보정 정도를 확인하고 유용성을 평가하여 임상에서의 적용을 위한 연구를 하였다. 실험 방법은 RPM Phantom을 사용하여 방사성동위원소 18F-FDG를 진공 바이알과 서로 다른 크기 NEMA IEC body Phantom의 sphere에 방사성동위원소를 주입하고 이것의 움직임을 호흡 시 움직이는 병소로 연출하여 영상을 획득하였다. 진공 바이알은 서로 다른 위치에서 움직임 정도를 다르게 하였고, 서로 다른 크기 NEMA IEC body Phantom의 sphere는 서로 다른 병소의 크기를 연출 하였다. 획득한 영상을 통하여 병소의 체적, 최대 SUV, 평균 SUV를 각각 측정하여 Mothion Free가 움직임 보정 정도를 정량적 평가를 하였다. 움직임 정도를 크게 설정한 진공바이알 A의 평균 SUV는 23.36 %, 움직임 정도를 작게 설정한 진공 바이알 B는 29.3 % 오차율이 감소하였다. NEMA IEC body Phantom의 sphere 37 mm, 22 mm에서의 평균 SUV는 각각 29.3 %, 26.51 % 오차율이 감소하였다. 오차율을 산출한 네 가지 측정치의 평균 오차율 30.03 % 감소하여 보다 정확한 평균 SUV 값을 나타내었다. 이 연구에서는 2차원적인 움직임 만을 연출할 수 있었기에 보다 정확한 데이터를 얻기 위해서는 실제 인체의 호흡 운동을 구현할 수 있는 Phantom을 이용하고, 움직임의 범위의 다양성을 구성한다면 보다 정확한 유용성 평가를 할 수 있다고 연구된다.

• 한국지진공학회논문집
• /
• 제1권2호
• /
• pp.1-15
• /
• 1997

본 논문에서는 대형구조물에서 구조물의 안전성 평가와 관련하여 구조물이 국부손상도를 추정하기 위한 효율적인 부분구조추정(Substructural Identification) 기법에 대하여 연구하였다. 먼저, 부분구조 추정법을 위한 모형식을 설정하기 위하여 운동방정식으로부터 부분구조에 대한 계측오차를 처리하기 위한 모형을 포함한 추계론적 자동회귀-이동평균(ARAMX) 모형식을 유도하였다. 추정된 모형식의 계수는 유도된 관계식을 이용하면, 구조손상 평가에 이용될 수 있는 강성행렬로 환산될 수 있다. 본 논문에서 유도된 부분구조 추정법의 가장 큰 장점은 매우 안정되고 정확도가 우수한 구조추정법인 ARMAX 모형식에 기반한 순차적 예측오차 방법을 사용함으로써 다른 방법에 비해 추정의 안정성 및 정확도가 뛰어나다는 것이다. 다음으로는 개발된 부분구조 추정법을 이용하여 구조 손상도 추정이 수행되었다. 손상도 추정을 위하여 앞서 순차적 예측오차 방법을 이용하여 추정된 구조계 현상태의 강성행렬을 바탕으로, 최소지승법을 이용하여 구하는 간접법이 제시되었다. 제시된 방법들의 검증을 위하여 예제해석이 수행되었다. 트러스 및 연속교 모형 그리고 실험적 예제에 적용하여 구조의 강성행렬 및 감쇠행렬을 추정하였다. 이를 바탕으로 손상도 추정방법이 검증되었다. 해석결과로부터, 개발된 방법이 효율적이고 정확도 및 안정성의 측면에서 우수한 성질이 있음을 확인할 수 있다.

• Journal of Gastric Cancer
• /
• 제13권1호
• /
• pp.26-33
• /
• 2013

Purpose: The aims are to: (i) display the multidimensional learning curve of totally laparoscopic distal gastrectomy, and (ii) verify the feasibility of totally laparoscopic distal gastrectomy after learning curve completion by comparing it with laparoscopy-assisted distal gastrectomy. Materials and Methods: From January 2005 to June 2012, 247 patients who underwent laparoscopy-assisted distal gastrectomy (n=136) and totally laparoscopic distal gastrectomy (n=111) for early gastric cancer were enrolled. Their clinicopathological characteristics and early surgical outcomes were analyzed. Analysis of the totally laparoscopic distal gastrectomy learning curve was conducted using the moving average method and the cumulative sum method on 180 patients who underwent totally laparoscopic distal gastrectomy. Results: Our study indicated that experience with 40 and 20 totally laparoscopic distal gastrectomy cases, is required in order to achieve optimum proficiency by two surgeons. There were no remarkable differences in the clinicopathological characteristics between laparoscopy-assisted distal gastrectomy and totally laparoscopic distal gastrectomy groups. The two groups were comparable in terms of open conversion, combined resection, morbidities, reoperation rate, hospital stay and time to first flatus (P>0.05). However, totally laparoscopic distal gastrectomy had a significantly shorter mean operation time than laparoscopy-assisted distal gastrectomy (P<0.01). We also found that intra-abdominal abscess and overall complication rates were significantly higher before the learning curve than after the learning curve (P<0.05). Conclusions: Experience with 20~40 cases of totally laparoscopic distal gastrectomy is required to complete the learning curve. The use of totally laparoscopic distal gastrectomy after learning curve completion is a feasible and timesaving method compared to laparoscopy-assisted distal gastrectomy.

• 전자공학회논문지SC
• /
• 제49권3호
• /
• pp.53-61
• /
• 2012

본 논문에서는 스테레오 적외선 카메라를 이용하여 소형 및 고온으로 날아가는 이동체의 거리를 실시간으로 측정하는 시스템을 제안한다. 이동체와 주변 환경의 온도 차이를 측정하고 고속으로 이동하는 소형 이동체의 거리를 자동으로 측정하기 위하여 적외선 스테레오 카메라 시스템을 구축하였다. 우선 적외선 카메라를 이용하여 취득한 고온의 이동체 영상으로부터 주변의 온도분포와 이동체간의 온도차를 이용하여 이동체영역을 검출하고, 이동체의 움직임 정보와 적외선 카메라 영상의 밝기정보를 결합하여 이동체를 추적한다. 좌우 적외선 카메라 영상에 대하여 각각 추출된 이동체 영역을 중심으로 스테레오 정합을 수행하여 시차정보를 추정하고, 카메라 파라미터와 시차정보를 이용하여 실시간으로 이동하는 이동체의 거리를 추정한다. 본 논문에서 제안하는 적외선 스테레오 카메라 시스템을 검증하기 위하여 고온의 이동체를 촬영할 때, 3차원 궤적(x,y,z) 측정기를 함께 가동하여 이동체가 이동하는 거리를 측정하여 이를 기준 거리(ground truth)로 설정하였다. 3차례의 비디오 데이터로부터 실험한 결과, 적외선 스테레오 카메라를 이용한 고온/소형 이동체의 거리오차 측정 결과는 평균적으로 9.68%로 추정되었다. 스테레오 적외선 카메라의 타이밍 문제(jitter)를 고려하면, 실제로 추정 오차는 줄어들 것으로 판단되기 때문에, 향후 적외선 카메라를 이용하는 다양한 이동체의 거리 및 위치를 측정하는데 응용할 수 있을 것으로 기대된다.

• 한국농공학회논문집
• /
• 제57권5호
• /
• pp.139-152
• /
• 2015

Along with climate change, it is reported that the scale and frequency of extreme climate events show unstable tendency of increase. Thus, to comprehend the change characteristics of precipitation data, it is needed to consider non-stationary. The main objectives of this study were to estimate future design floods for Wonpyeongcheon watershed based on RCP (Representative Concentration Pathways) scenario. Wonpyeongcheon located in the Keum River watershed was selected as the study area. Historical precipitation data of the past 35 years (1976~2010) were collected from the Jeonju meteorological station. Future precipitation data based on RCP4.5 were also obtained for the period of 2011~2100. Systematic bias between observed and simulated data were corrected using the quantile mapping (QM) method. The parameters for the bias-correction were estimated by non-parametric method. A non-stationary frequency analysis was conducted with moving average method which derives change characteristics of generalized extreme value (GEV) distribution parameters. Design floods for different durations and frequencies were estimated using rational formula. As the result, the GEV parameters (location and scale) showed an upward tendency indicating the increase of quantity and fluctuation of an extreme precipitation in the future. The probable rainfall and design flood based on non-stationarity showed higher values than those of stationarity assumption by 1.2%~54.9% and 3.6%~54.9%, respectively, thus empathizing the necessity of non-stationary frequency analysis. The study findings are expected to be used as a basis to analyze the impacts of climate change and to reconsider the future design criteria of Wonpyeongcheon watershed.

• 전력전자학회논문지
• /
• 제6권1호
• /
• pp.98-106
• /
• 2001

본 논문에서는 영구자석 동기 전동기의 정밀 속도 제어의 방법으로 외란 관측기를 이용한 외란 보상방법과 파라미터 추정에 의해 보상기의 이득을 조절하도록 함으로서, 외란이 없는 등가 지표시스템의 응답 특성을 추정하도록 제안하였다. 외란 관측기에 의한 보상방법은 잘 알려진 데드비트 외란 관측기를 이용하였으며 잡음에 약한 데드비트 관측기의 단점을 보완하기 위하여 후단필터로서 MA처리를 통하여 잡음에 대한 영향을 줄이도록 하였다. 또한 관측기의 단점을 보완하기 위하여 후단필터로서 MA처리를 통하여 잡음에 대한 영향을 줄이도록 하였다. 또한 관측기의 파라미터와 실제 시스템의 파라미터의 차이로 발생하는 외란 추정 오차를 줄이고자 실제 시스템과 파라미터 보상기로 구성된 등가 시스템이 지표 시스템이 되도록 구성하였다. 시스템에 사용된 RLS파라미터 추정기는 외란에 의하여 편향된 추정 특성을 가진다. 이러한 파라미터 추정문제에 대하여 파라미터 추정기가 높은 성능을 갖는 데드비트 외란 관측기를 포함하도록 함으로서 외란에 의한 문제를 해결하였다. 이와 같이 제안된 제어기는 외란 및 파라미터 변화를 갖는 시스템에서 강인한 고정밀 제어를 할 수 있으며, 이의 안정성과 효용성을 컴퓨터를 이용한 모의 실험과 TMS320C31이 내장된 DS1102 DSP 보드를 이용하여 실험으로써 보였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권4호
• /
• pp.2060-2077
• /
• 2019

Recently, mobile healthcare services have attracted significant attention because of the emerging development and supply of diverse wearable devices. Smartwatches and health bands are the most common type of mobile-based wearable devices and their market size is increasing considerably. However, simple value comparisons based on accumulated data have revealed certain problems, such as the standardized nature of health management and the lack of personalized health management service models. The convergence of information technology (IT) and biotechnology (BT) has shifted the medical paradigm from continuous health management and disease prevention to the development of a system that can be used to provide ground-based medical services regardless of the user's location. Moreover, the IT-BT convergence has necessitated the development of lifestyle improvement models and services that utilize big data analysis and machine learning to provide mobile healthcare-based personal health management and disease prevention information. Users' health data, which are specific as they change over time, are collected by different means according to the users' lifestyle and surrounding circumstances. In this paper, we propose a prediction model of user physical activity that uses data characteristics-based long short-term memory (DC-LSTM) recurrent neural networks (RNNs). To provide personalized services, the characteristics and surrounding circumstances of data collectable from mobile host devices were considered in the selection of variables for the model. The data characteristics considered were ease of collection, which represents whether or not variables are collectable, and frequency of occurrence, which represents whether or not changes made to input values constitute significant variables in terms of activity. The variables selected for providing personalized services were activity, weather, temperature, mean daily temperature, humidity, UV, fine dust, asthma and lung disease probability index, skin disease probability index, cadence, travel distance, mean heart rate, and sleep hours. The selected variables were classified according to the data characteristics. To predict activity, an LSTM RNN was built that uses the classified variables as input data and learns the dynamic characteristics of time series data. LSTM RNNs resolve the vanishing gradient problem that occurs in existing RNNs. They are classified into three different types according to data characteristics and constructed through connections among the LSTMs. The constructed neural network learns training data and predicts user activity. To evaluate the proposed model, the root mean square error (RMSE) was used in the performance evaluation of the user physical activity prediction method for which an autoregressive integrated moving average (ARIMA) model, a convolutional neural network (CNN), and an RNN were used. The results show that the proposed DC-LSTM RNN method yields an excellent mean RMSE value of 0.616. The proposed method is used for predicting significant activity considering the surrounding circumstances and user status utilizing the existing standardized activity prediction services. It can also be used to predict user physical activity and provide personalized healthcare based on the data collectable from mobile host devices.