• 핵의학기술
• /
• 제21권1호
• /
• pp.76-82
• /
• 2017

전신 뼈 스캔은 핵의학에서 가장 많은 비중을 차지하는 검사 중 하나이다. 기본적으로 전면상과 후면상을 동시에 획득하는데, 때때로 전면상과 후면상만으로는 병소를 분간하기 어려울 때가 있다. 이러한 경우 SPECT/CT나 추가 정적 영상을 통한 병소의 정확한 위치 확인이 중요하며, 추가 촬영 여부에 대한 최초 판단은 주로 방사선사에 의해 이루어진다. 이에 본원에서는 방사선사의 업무 능력 함양을 위한 다양한 개선활동이 이루어져 왔고, 본 연구에서는 방사선사의 교육 및 표준화된 업무 프로세스 적용이 전신 뼈 스캔 오류 감소에 어떠한 영향을 미치는지 확인하고자 한다. 새로운 프로세스 적용을 위해 몇 가지 시스템이 순차적으로 도입되었다. 첫 번째는 의국 교육 및 테스트의 시행, 두 번째는 추가 촬영이 예상되는 환자를 분류하여 촬영 전에 방사선사가 미리 확인할 수 있는 사전 여과 시스템 도입, 마지막으로 판독의가 방사선사에게 직접 촬영 영상에 대해 피드백 할 수 있는 NMQA라는 커뮤니케이션 시스템을 적용하였다. 결과 확인을 위해 2014년 1월부터 2016년 12월까지 서울아산병원 핵의학과를 내원한 전신 뼈 스캔 환자를 대상으로 조사하였다. 조사 기간 동안 전체 전신 뼈 스캔 대비 NMQA가 전송된 검사 건수를 백분율로 산출하였다. 연간 발생량은 2014년 141건, 2015년 88건, 2016년 86건으로 집계되었고 NMQA 발생률은 2014년 0.88%, 2015년 0.53%, 2016년 0.45%로 감소하였다. 새로운 프로세스가 적용된 2014년 이후 NMQA 발생률이 감소하는 경향을 보였다. 다만 통계적으로 유용성을 확인하기까지는 데이터가 부족하여 향후에도 지속적인 데이터 축적이 필요할 것으로 생각한다. 본 연구를 통해 전신 뼈 스캔 영상 질 향상을 위해 표준화된 업무와 교육의 필요성을 확인하였고 향후에도 지속적인 연구와 관심으로 업데이트가 필요하다고 사료된다.

• 대한원격탐사학회지
• /
• 제37권5_2호
• /
• pp.1245-1257
• /
• 2021

세계 최초의 정지궤도 해색관측 위성인 GOCI의 임무를 승계한 천리안위성 2B호의 해양탑재체인 GOCI-II가 2020년 2월 발사되어 같은 해 10월부터 정규 운영되고 있다. 한국해양과학기술원은 실시간 수신한 GOCI-II 원시자료를 Level 1B와 26종 Level 2 산출물로 처리하며, 이 자료들은 국립해양조사원을 통해 서비스된다. 이 논문에서는 정규 운영 1년차의 위성자료 운영 현황을 소개하고, 향후 개선 방향을 제시하고자 하였다. GOCI-II의 기본 해색 산출물인 엽록소 농도, 총 부유물질 농도, 용존유기물 농도 산출물은 OC4, YOC 알고리즘으로 처리 중이며, 그 수식 및 프로세스에 대해 상세 기술하였다. GOCI-II에서 새롭게 추가된 전구 관측은 궤도상 시험운영기간 동안 태양천정각과 sun glint만 고려하여 관측 스케줄이 수립되었으나, 양질의 Level 2 산출물 생산을 위해 조건을 세분화하고 위성 천정각을 추가 고려하여 개선하였다. 그 결과 'Best Ocean'을 만족하는 슬롯의 개수가 15에서 78개로 대폭 증가하고, 'Bad Ocean'에 해당하는 슬롯이 55개에서 13개로 크게 감소하였다. GOCI-II의 산출물의 품질관리를 위해서 유럽우주국에서 정의하는 요구사항을 기반으로 GOCI-II 검보정 요구사항을 제시하였다. 그리고 GOCI 검보정 사이트를 기반으로 하되, 향상된 위성 스펙을 고려하여 지역 관측 검보정을 위한 추가 고정점 검보정 사이트 후보지를 제시하였다. 전구관측 자료의 품질관리는 국내외 해양인프라를 구축하고 있는 한국해양과학기술원의 연구선과 해외 기지를 활용하되, 국외 해역의 현장관측 자료 획득을 위해서는 GOCI-II 국제 검보정 네트워크 구축이 필요할 것으로 판단된다. 이러한 결과는 위성자료 사용자들의 산출물 처리에 대한 이해를 높이고, 향후 위성자료 품질관리 업무 수행 상세계획 수립에 도움이 될 것으로 기대된다.

• 예술인문사회 융합 멀티미디어 논문지
• /
• 제9권6호
• /
• pp.757-772
• /
• 2019

본 논문에서는 아시아 38개 컨테이너항만 들을 대상으로 10년(2007년-2016년)동안의 4개의 투입요소(선석길이, 수심, 총면적, 크레인 수)와 1개의 산출요소(컨테이너화물 처리량)를 이용하여 인공신경망모형(다층퍼셉트론, 방사형기저함수)으로 클러스터링에 영향을 미친 요소들을 파악하였으며, 1단계 교차효율성 메트릭스를 이용한 군집 수를 사회연결망모형과 타부서치모형에 적용하여 클러스터링을 파악하고 효율성을 측정하였다. 또한 2단계효율성 메트릭스모형을 이용한 클러스터링을 파악하고 효율성을 측정하여 1단계 교차효율성 메트릭스에 의한 측정결과와 비교하였다. 주요한 실증분석 결과는 다음과 같다. 첫째, 인공신경망모형에 의해서 측정해 보았을 때, 군집에 영향을 많이 미친 요소별로 제시해 보면 컨테이너화물 처리량, 선석길이와 수심, 총면적, 크레인 수의 순서로 나타났다. 둘째, 사회연결망분석에서는 2단계 교차효율성(Type IV)메트릭스에 의한 군집은 benevolent 와 aggressive 모형에서 매년 동일한 결과를 보였다. 셋째, 클러스터링 후에 1단계 교차효율성 모형에 비해서 사회연결망 모형 분석과 타부서치 모형 분석에서 국내항만들의 효율성이 거의(사회연결망 모형에서 인천항의 경우 제외) 악화되는 것으로 나타났다. 다섯째, 일반적인 투입지향, 규모수확불변하의 CCR모형의 효율성 측정결과와 비교했을 때는 클러스터링이 모든 항만들에 대해서 약 37%이상의 효율성을 증대시켰다. 여섯째, 사회연결망모형과 타부서치모형에 의해서 클러스터링 되는 항만들은 부산항(고베, 오사카, 포트클랑, 탄중 펠파스, 마닐라항), 인천항(사히드 라자히, 광양), 광양항(아카바, 포트 슐탄 카바스, 담만, 크호르 파칸, 인천)으로 나타났다. 한국항만당국은 본 연구에서 이용된 방법을 도입하여 항만개선방안을 마련해야만 한다.

• 한국차세대컴퓨팅학회논문지
• /
• 제14권6호
• /
• pp.30-43
• /
• 2018

영상의 특징인 색상, 모양, 질감 등을 이용해 영상을 검색하는 연구들은 많이 진행되어 왔다. 또한 작물의 질병 영상과 관련된 연구들도 진행되고 있다. 농업 현장에서 재배되는 작물에 발생한 질병을 확인하는데 도움이 되기 위해 본 논문에서는 시설원예 작물의 질병 영상을 이용한 유사도 기반 작물 질병 검색 시스템을 제안한다. 제안하는 시스템은 단일 Descriptor를 사용하지 않고, 조합 Descriptor를 통해 기존 대비 영상의 유사도 검색 성능을 높였고 유사도 검색 결과를 가독성 높게 사용자에게 제공하기 위해 가중치 기반 산출방법을 적용했다. 본 논문에서는 총 13개의 개별 Descriptor를 이용해 조합을 진행했다. 조합 Descriptor를 이용해 6개 작물의 질병에 대해 유사도 검색을 진행했고 작물별로 평균 accuracy가 높은 조합 Descriptor를 선정해 유사도 검색에 사용했다. 검색된 결과는 병명의 비율을 기반으로 한 산출방법과 가중치를 기반으로 한 산출방법을 사용해 백분율로 나타냈다. 병명의 비율을 기반으로 한 산출방법은 질의 영상과 유사도 검색에 사용되는 영상의 수가 많은 병명이 1순위로 출력되는 문제점이 있다. 이를 해결하기 위해 가중치를 기반으로 한 산출방법을 사용했다. 작물의 병명별 테스트 영상을 두 가지 산출방법에 적용해 검색 성능을 측정했다. 작물의 질병별로 두 가지 산출방법에 대해 검색 성능 값의 평균을 비교한 결과 고추, 사과 작물에서는 병명의 비율을 기반으로 한 산출방법의 성능이 가중치를 기반으로 한 산출방법의 성능보다 평균 약 11.89%의 높은 성능 결과를 보였다. 국화, 딸기, 배, 포도 작물에서는 가중치를 기반으로 한 산출방법이 병명의 비율을 기반으로 한 산출방법의 성능보다 평균 약 20.34%의 높은 성능 결과를 보였다. 또한 본 논문에서 제안하는 시스템의 UI/UX는 실제 사용자의 피드백을 통해 편리하게 구성했다. 시스템의 화면마다 상단에 제목과 설명을 출력했고 사용자가 질병의 정보를 보기 편리하게 화면을 구성했다. 검색된 질병의 정보는 위에서 제안한 산출방법을 토대로 유사한 질병의 영상과 병명을 출력한다. 시스템의 환경은 PC 환경 기반의 웹 브라우저와 모바일 디바이스 환경 기반의 웹 브라우저를 통해 사용할 수 있도록 구현했다.

• Korean Chemical Engineering Research
• /
• 제60권1호
• /
• pp.86-92
• /
• 2022

최근 COVID-19 팬데믹 등 다양한 이유로 인해 바이오 헬스케어 시장이 전세계적으로 활성화되고 있다. 그 중, 생체정보 측정 및 분석 기술은 앞으로의 기술적 혁신성과 사회경제적 파급효과를 불러일으킬 것으로 예측된다. 기존의 시스템은 생체 신호를 받아 신호 처리를 하는 과정에서 신호 송×수신부, 운영체제, 센서, 그리고 인터페이스를 구동하기 위한 대용량 배터리를 필수적으로 요구한다. 하지만, 배터리 용량의 한계가 인해 시×공간적인 기기 사용의 제한을 야기하며, 이는 사용자의 헬스케어 모니터링에 필요한 데이터의 단절에 대한 원인으로 작용할 수 있으므로 헬스케어 디바이스의 큰 걸림돌 중의 하나이다. 본 연구에서는 생체정보 측정 장치에 접촉대전 효과(Triboelectric effects)와 전자기유도 효과(Electro-magnetic effects)를 융합하여, 외부 전원을 요구하지 않는 독립 구동이 가능한 시스템을 구성하여 시×공간적으로 사용 제한이 없는 소형 생체정보 측정 모듈을 설계 및 검증했다. 특히, 다양한 헬스케어 모니터링 중 족압 계측을 통해 사용자의 보행 습관 등을 파악할 수 있는 무선 족압 계측 모니터링 시스템을 검증했다. 보행 시 발생하는 접촉×분리 움직임에서 접촉대전 효과를 이용한 효과적인 압력 센서와 압력에 따른 전기적 출력신호를 통해 족압 센서를 만들고, 축전기를 이용한 신호처리 회로를 통해 이의 동적 거동을 계측할 수 있다. 또한, 출력된 전기신호의 무선 송×수신용 전원으로 사용하기 위해 전자기 유도 효과를 이용하여 보행 시 생기는 생체역학적 에너지를 전기에너지로 수확했다. 따라서, 이번 연구는 사용자가 제한적인 배터리 용량 때문에 생기는 충전에 대한 불편함을 줄일 수 있고, 뿐만 아니라 데이터 단절에 대한 문제점을 극복할 수 있는 방법으로서 큰 잠재력을 보여줌을 시사한다.

• 한국해양학회지:바다
• /
• 제27권3호
• /
• pp.127-143
• /
• 2022

최근 클라우드 컴퓨팅 환경에서 해양수치모델 실험을 수행하는 많은 연구가 활발하게 진행되고 있다. 클라우드 컴퓨팅 환경은 대규모 자원이 필요한 해양수치모델을 구현하는데 매우 효과적인 수단이 될 수 있다. 정보처리 기술의 발달로 클라우드 컴퓨팅 시스템은 가상화와 원격 고속 네트워크, 직접 메모리 액세스와 같은 수치모델의 병렬처리에 필요한 다양한 기술과 환경을 제공한다. 이러한 새로운 기능은 클라우드 컴퓨팅 시스템에서 해양수치모델링 실험을 용이하게 한다. 많은 과학자들과 엔지니어들은 해양수치모델 실험에 있어서 가까운 미래에 클라우드 컴퓨팅이 주류가 될 것으로 기대하고 있다. 해양수치모델링을 위한 클라우드 컴퓨팅의 처리성능 분석은 수치모델의 수행 시간과 리소스 활용량을 최소화하는 데 도움이 될 수 있으므로 최적의 시스템을 적용하는 데 필수적이다. 특히 모델 격자 내 다양한 변수들이 다차원 배열 구조로 되어 있기 때문에 대량의 입출력을 처리하는 해양수치모델의 구조는 캐시메모리의 효과가 크며, 대량의 자료가 이동하는 통신 특성으로 인해서 네트워크의 속도가 중요하다. 최근에 주요한 컴퓨팅환경으로 자리잡고 있는 클라우드 환경이 이러한 해양수치모델을 수행하기에 적합한지 실험을 통해서 검토할 필요가 있다. 본 연구에서는 상용 클라우드 시스템에서 해양수치모델로 대표적인 Regional Ocean Modeling System (ROMS)와 더불어 다른 해양모델의 클라우드 환경으로 전환에도 도움이 될 수 있게 병렬처리 시스템의 성능을 측정할 수 있는 표준 벤치마킹 소프트웨어 패키지인 High Performance Linpack을 활용하여 초당 부동소수점 연산횟수 처리능력과 및 STREAM 벤치마크를 활용하여 다중 노드들로 구성된 수치모델용 클러스터의 메모리처리성능을 평가하고 비교하였다. 이러한 평가내용은 클라우드 환경에서 해양수치모델을 어떻게 수행할 것인가에 대해 중요한 정보를 제공할 수 있다. 가상화 기반 상용 클라우드에서 얻은 실제 성능 자료와 구성 설정 분석을 통해 가상화 기반 클라우드 시스템에서 해양수치모델의 다양한 격자 크기에 대한 컴퓨터 리소스의 효율성을 평가했다. 본 연구를 통해서 캐시 계층과 용량이 큰 메모리를 사용하는 HPC 클러스터가 ROMS의 성능에 매우 중요하다는 것을 발견했다. 수치모델링의 실행 시간을 줄이기 위해 코어 수를 늘리는 것은 작은 격자 보다 큰 격자 모델에서 더 효과적이다. 이러한 처리 성능 분석 결과는 클라우드 컴퓨팅 시스템에서 해양수치모델을 효율적으로 구축하는 데 중요한 자료로 이용될 것이다.

• Korean Chemical Engineering Research
• /
• 제62권1호
• /
• pp.36-43
• /
• 2024

폐어망은 해양 플라스틱 폐기물의 50% 이상을 차지하며, 해양생태계를 파괴하는 주요 원인으로 지목되고 있다. 이러한 문제를 해결하기 위해 폐어망은 소각, 매립, 기계적 재활용 등의 방법으로 처리되고 있으나, 부가가치가 낮은 제품으로 재활용되며, 오염 물질을 배출한다는 한계가 존재한다. 하지만 플라스틱 고분자로 구성된 폐어망은 열분해 방법을 통해 처리할 경우, 합성가스 및 열분해유와 같은 유용한 자원으로 재활용할 수 있다. 따라서 본 연구에서는 CO₂ 기반에서 폐어망을 촉매 열분해하여 고순도의 H₂를 생산하는 공정을 제안하였다. 제안된 공정은 다음 3단계로 구성된다. 첫째, 전처리 된 폐어망을 CO₂ 기반 하 Ni/SiO₂ 촉매 열분해 반응을 통해 합성가스 및 열분해유를 생산한다. 둘째, 생성된 열분해유를 연소시켜 열분해 반응의 에너지원으로 재사용한다. 마지막으로, 합성가스를 WGS (Water-Gas-Shift) 및 PSA (Pressure Swing Adsorption)를 통해 고순도의 H₂로 전환한다. 본 연구에서는 제안된 공정의 열분해 결과를 일반적인 열분해 조건인 기존 N₂ 기반 열분해 결과와 비교하였다. 시뮬레이션 결과, 폐어망 500 kg/h을 열분해 시 N₂ 기반에서는 2.933 kmol/h의 고순도 H₂를, CO₂ 기반에서는 3.605 kmol/h 의 고순도 H₂를 생산 가능했다. CO₂ 기반 폐어망 열분해에서 CO 생산이 향상되어 최종적으로 H₂ 생산량이 증대된 결과가 도출되었다. 또한 폐어망 열분해 시 CO₂ 기반에서는 공정 운전 과정에서 배출되는 CO₂를 포집 후 활용함으로써, N₂ 기반 열분해에 비해 CO₂ 배출량을 89.8% 줄일 수 있었다. 연구 결과를 바탕으로 CO₂ 기반에서의 제안 공정은 폐어망 재활용과 더불어 친환경적인 수소 연료생산이라는 목표를 달성할 수 있을 것으로 기대된다.

• 한국수자원학회논문집
• /
• 제57권3호
• /
• pp.151-164
• /
• 2024

상수도 공급을 위한 정수장에서 전염소 또는 중염소 공정이 도입된 수처리 공정의 염소농도 관리에 필요한 공정제어를 위하여 AI 기술을 활용한 수질예측 기법이 연구되고 있다. 본 연구에서는 정수장 수처리 공정에서 실시간으로 관측, 생산되고 있는 수량·수질자료를 이용하여 염소소독 공정제어 자동화를 목적으로 침전지 후단의 잔류염소 농도를 예측하기 위한 AI 기반 예측모형을 개발하였다. AI 기반 예측모형은 과거 수질 관측자료를 학습하여 이후 시점의 수질에 대한 예측이 가능한 기법으로, 복잡한 물리·화학·생물학적 수질모형과 달리 간단하고 효율적이다. 다중회귀 모형과 AI 기반 모형인 랜덤포레스트와 LSTM을 이용하여 정수장의 침전지 후단 잔류염소 농도를 예측하여 비교하였다. 최적의 잔류염소 농도 예측을 위한 AI 모형의 입출력 구조로는 침전지 전단의 잔류염소 농도, 침전지 탁도, pH, 수온, 전기전도도, 원수의 유입량, 알칼리도, NH₃ 등을 독립변수로, 예측하고자 하는 침전지 유출수의 잔류염소 농도를 종속변수로 선정하였다. 독립변수는 침전지 후단의 잔류염소에 영향이 있는 정수장에서 확보가 가능한 관측자료중에서 분석을 통해 선별하였으며, 분석 결과 연구대상 정수장인 정수장에서는 중회귀모형, 신경망모형, 모델트리 및 랜덤포레스트 모형을 비교한 결과 랜덤포레스트에 기반한 모형오차가 가장 낮게 도출되는 결과를 얻을 수 있었다. 본 연구에서 제시하는 침전지 후단의 적정 잔류염소 농도 예측값은 이전 처리단계에서 염소주입량의 실시간 제어가 가능토록 할 수 있어 수처리 효율 향상과 약품비 절감에 도움이 될 것으로 기대된다.

• 지능정보연구
• /
• 제18권3호
• /
• pp.185-202
• /
• 2012

오늘날 정보사회에서는 정보에 대한 가치를 인식하고, 이를 위한 정보의 활용과 수집이 중요해지고 있다. 얼굴 표정은 그림 하나가 수천개의 단어를 표현할 수 있듯이 수천 개의 정보를 지니고 있다. 이에 주목하여 최근 얼굴 표정을 통해 사람의 감정을 판단하여 지능형 서비스를 제공하기 위한 시도가 MIT Media Lab을 필두로 활발하게 이루어지고 있다. 전통적으로 기존 연구에서는 인공신경망, 중회귀분석 등의 기법을 통해 사람의 감정을 판단하는 연구가 이루어져 왔다. 하지만 중회귀모형은 예측 정확도가 떨어지고, 인공신경망은 성능은 뛰어나지만 기법 자체가 지닌 과적합화 문제로 인해 한계를 지닌다. 본 연구는 사람들의 자극에 대한 반응으로서 나타나는 얼굴 표정을 통해 감정을 추론해내는 지능형 모형을 개발하는 것을 목표로 한다. 기존 얼굴 표정을 통한 지능형 감정판단모형을 개선하기 위하여, Support Vector Regression(이하 SVR) 기법을 적용하는 새로운 모형을 제시한다. SVR은 기존 Support Vector Machine이 가진 뛰어난 예측 능력을 바탕으로, 회귀문제 영역을 해결하기 위해 확장된 것이다. 본 연구의 제안 모형의 목적은 사람의 얼굴 표정으로부터 쾌/불쾌 수준 그리고 몰입도를 판단할 수 있도록 설계되는 것이다. 모형 구축을 위해 사람들에게 적절한 자극영상을 제공했을 때 나타나는 얼굴 반응들을 수집했고, 이를 기반으로 얼굴 특징점을 도출 및 보정하였다. 이후 전처리 과정을 통해 통계적 유의변수를 추출 후 학습용과 검증용 데이터로 구분하여 SVR 모형을 통해 학습시키고, 평가되도록 하였다. 다수의 일반인들을 대상으로 수집된 실제 데이터셋을 기반으로 제안모형을 적용해 본 결과, 매우 우수한 예측 정확도를 보임을 확인할 수 있었다. 아울러, 중회귀분석이나 인공신경망 기법과 비교했을 때에도 본 연구에서 제안한 SVR 모형이 쾌/불쾌 수준 및 몰입도 모두에서 더 우수한 예측성과를 보임을 확인할 수 있었다. 이는 얼굴 표정에 기반한 감정판단모형으로서 SVR이 상당히 효과적인 수단이 될 수 있다는 점을 알 수 있었다.

• 지능정보연구
• /
• 제25권4호
• /
• pp.141-154
• /
• 2019

인터넷 기술과 소셜 미디어의 빠른 성장으로 인하여, 구조화되지 않은 문서 표현도 다양한 응용 프로그램에 사용할 수 있게 마이닝 기술이 발전되었다. 그 중 감성분석은 제품이나 서비스에 내재된 사용자의 감성을 탐지할 수 있는 분석방법이기 때문에 지난 몇 년 동안 많은 관심을 받아왔다. 감성분석에서는 주로 텍스트 데이터를 이용하여 사람들의 감성을 사전 정의된 긍정 및 부정의 범주를 할당하여 분석하며, 이때 사전 정의된 레이블을 이용하기 때문에 다양한 방향으로 연구가 진행되고 있다. 초기의 감성분석 연구에서는 쇼핑몰 상품의 리뷰 중심으로 진행되었지만, 최근에는 블로그, 뉴스기사, 날씨 예보, 영화 리뷰, SNS, 주식시장의 동향 등 다양한 분야에 적용되고 있다. 많은 선행연구들이 진행되어 왔으나 대부분 전통적인 단일 기계학습기법에 의존한 감성분류를 시도하였기에 분류 정확도 면에서 한계점이 있었다. 본 연구에서는 전통적인 기계학습기법 대신 대용량 데이터의 처리에 우수한 성능을 보이는 딥러닝 기법과 딥러닝 중 CNN과 LSTM의 조합모델을 이용하여 감성분석의 분류 정확도를 개선하고자 한다. 본 연구에서는 대표적인 영화 리뷰 데이터셋인 IMDB의 리뷰 데이터 셋을 이용하여, 감성분석의 극성분석을 긍정 및 부정으로 범주를 분류하고, 딥러닝과 제안하는 조합모델을 활용하여 극성분석의 예측 정확도를 개선하는 것을 목적으로 한다. 이 과정에서 여러 매개 변수가 존재하기 때문에 그 수치와 정밀도의 관계에 대해 고찰하여 최적의 조합을 찾아 정확도 등 감성분석의 성능 개선을 시도한다. 연구 결과, 딥러닝 기반의 분류 모형이 좋은 분류성과를 보였으며, 특히 본 연구에서 제안하는 CNN-LSTM 조합모델의 성과가 가장 우수한 것으로 나타났다.