• 한국정보통신학회논문지
• /
• 제19권1호
• /
• pp.192-200
• /
• 2015

부정맥 분류를 위한 기존 연구들은 특정 ECG 데이터에 종속적으로 개발되었기 때문에 다른 환경에 적용할 경우 그 성능에 변화가 많아 임상 적용에 한계가 있다. 즉, 생체 신호의 특성상 개인 간의 차이가 있음에도 불구하고, 일반적인 ECG 신호의 판단규칙에 따라 진단을 수행하기 때문이다. 또한 이러한 대부분의 방법들은 P, Q, R, S, T 지점의 정확한 측정을 필요로 하며, 데이터의 가공 및 연산이 복잡하다. 따라서 이러한 문제점을 극복하기 위해서는 개인별 특성을 가진 ECG 데이터를 분석하여 최소한의 특징점을 추출함으로써 그에 따른 패턴을 분류하는 것이 필요하다. 본 연구에서는 이상 심전도와 같은 다양한 신호를 고려하여 Q, R, S 피크 변화에 따른 개인별 ECG 신호의 패턴 분석기법을 제안한다. 이를 위해 전처리를 통해 잡음이 제거된 심전도 신호에서 R파를 검출하고 Q, R, S의 진폭과 위상변화에 따른 8개의 특징점을 추출하였다. 이후 각 특징점의 피크 변화와 형태에 따른 ECG 신호를 분석하고 부정맥 유형에 따른 9가지 패턴을 정의하였다. 제안한 방법의 우수성을 입증하기 위해 43개의 MIT-BIH 레코드를 대상으로 Normal, PVC, PAC, LBBB, RBBB, Paced Beat의 각 패턴을 분석하였다. 실험결과 9가지 패턴에 대한 검출율은 93.72%로 우수하게 나타났다.

• 한국게임학회 논문지
• /
• 제17권3호
• /
• pp.21-32
• /
• 2017

컴퓨터게임은 재미를 위해 지속적으로 유저의 몰입상태를 유지시켜야 한다. 몰입이론에 따르면 몰입상태의 유지는 유저의 게임숙련도와 게임 난이도의 계속적인 균형을 요구한다. 이를 위해 본 연구에서는 제로섬 게임을 가정할 수 있는 캐주얼 액션게임에 적용할 수 있는 9등급 수준의 게임숙련도 평가방법을 제안하였고 부가적으로 유저가 경험한 9등급 수준의 게임난이도 추측방법을 제안하였다. 제안하는 방법은 조건별 수학식에 의한 판정방법이기 때문에 신속하고 쉽게 구현이 가능하다. 커스터마이징한 팩맨게임에 대해 제안하는 방법의 정확성을 실험해본 결과 숙련도의 정확성은 평균적으로 1.2등급의 차이가 나타났고 난이도의 정확성은 평균적으로 1.81등급 차이가 나타났다. 실험결과를 통해 제안하는 방법을 제로섬 조건을 만족하는 캐주얼 액션 게임에 적용할 수 있는 정확성을 갖고 있음을 확인하였다.

• 한국게임학회 논문지
• /
• 제14권2호
• /
• pp.45-54
• /
• 2014

스마트폰의 발달로 게임 플랫폼이 확대되면서 <팩맨>, <스페이스인베이더>와 같은 고전게임이 스마트폰으로 이식되었다. 고전게임이 재조명되는 이런 현상은 게임뿐 아니라 영상미디어의 영역까지 확장되었는데, 이는 고전게임을 소재로 한다는 점에서 게이머들에게 이슈가 되었지만 게이머의 경험과는 다른 시선으로 전개되는 경우가 많아 아쉬움을 남겼다. 본고는 영상미디어에서 게이머의 경험을 재현하지 못하는 이유가 게임과 영상미디어 사이의 상호텍스트성에 있다고 보고, 잘 된 상호텍스트의 사례로써 를 분석하였다. 에 사용된 상호텍스트성을 분석한 결과 단순 표상 나열이나 패러디 외에 게이머만이 알 수 있는 요소들을 인용, 요약, 짜깁기, 풍자적 희화하여 게이머들의 경험을 재현하였고, 비게이머들에게도 종래에는 보지 못했던 신선한 연출로 대중성을 고려했음을 알 수 있었다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제11권9호
• /
• pp.317-322
• /
• 2022

정보기술의 급격한 발달은 의료 환경에서도 많은 변화를 가져오고 있다. 특히 빅데이터와 인공지능(AI)을 활용한 의료영상 정보 시스템의 빠른 변화를 견인하고 있다. 전자의무기록(EMR)과 의료영상저장전송시스템(PACS)으로 구성된 처방전달시스템(OCS)은 의료 환경을 아날로그에서 디지털로 빠르게 바꾸어 놓았다. PACS는 여러 솔루션과 결합하여 호환, 보안, 효율성, 자동화 등 새로운 발전 방향을 보여주고 있다. 그 중, 영상의 질적 개선을 할 수 있는 빅데이터를 활용한 인공지능(AI)과의 결합이 활발히 진행되고 있다. 특히 딥러닝 기술을 활용하여 의료 영상 판독을 보조할 수 있는 시스템인 AI PACS가 대학과 산업체의 협력으로 개발되어 병원에서 활용되고 있다. 이처럼 의료 환경에서 의료영상 정보 시스템의 빠른 변화에 맞추어 의료시장의 구조적인 변화와 이에 대처할 수 있는 의료정책의 변화도 필요하다. 한편, 의료영상정보는 디지털 의료영상 전송 장치에서 생성되는 DICOM 방식을 기본으로 하고, 생성하는 방법의 차이에 따라 Volume 영상, 단면 영상인 2차원적 영상으로 구분된다. 또한, 최근 많은 의료기관에서는 스마트 병원 서비스를 내세우며 차세대 통합 의료정보시스템의 도입을 서두르고 있다. 차세대 통합 의료정보시스템은 EMR을 바탕으로 전자동의서, AI와 빅데이터를 활용한 정밀의료, 외부기관 등을 통합한 솔루션으로 구축하며, 이를 바탕으로 환자 정보 DB 구축과 데이터의 표준화를 통한 의료 빅데이터 기반의 의학 연구를 목적으로 한다. 우리나라의 의료영상 정보 시스템은 앞선 IT 기술력과 정부의 정책에 힘입어 세계적인 수준에 있으며, 특히 PACS 관련 프로그램은 의료 영상정보 기술에서 세계로 수출을 하고 있는 한 분야이다. 본 연구에서는 빅데이터를 활용한 의료영상 정보 시스템의 분석과 함께 의료영상 정보 시스템이 국내에 도입되게 된 역사적 배경을 바탕으로 현재의 흐름을 파악하고 나아가 미래의 발전 방향을 예측하였다. 향후, 20여 년 동안 축적된 DICOM 빅데이터를 기반으로 AI, 딥러닝 알고리즘을 활용하여 영상 판독률을 높일 수 있는 연구를 진행하고자 한다.