• 대한의용생체공학회:의공학회지
• /
• 제42권3호
• /
• pp.71-79
• /
• 2021

Currently, the naked eyes-based diagnosis of bone metastases on CT images relies on qualitative assessment. For this reason, there is a great need for a state-of-the-art approach that can assess and follow-up the bone metastases with quantitative biomarker. Radiomics can be used as a biomarker for objective lesion assessment by extracting quantitative numerical values from digital medical images. In this study, therefore, we evaluated the clinical applicability of non-invasive and objective bone metastases computer-aided diagnosis using radiomics-based biomarkers in CT. We employed a total of 21 approaches consist of three-classifiers and seven-feature selection methods to predict bone metastases and select biomarkers. We extracted three-dimensional features from the CT that three groups consisted of osteoblastic, osteolytic, and normal-healthy vertebral bodies. For evaluation, we compared the prediction results of the classifiers with the medical staff's diagnosis results. As a result of the three-class-classification performance evaluation, we demonstrated that the combination of the random forest classifier and the sequential backward selection feature selection approach reached AUC of 0.74 on average. Moreover, we confirmed that 90-percentile, kurtosis, and energy were the features that contributed high in the classification of bone metastases in this approach. We expect that selected quantitative features will be helpful as biomarkers in improving the patient's survival and quality of life.

• 자원환경지질
• /
• 제55권4호
• /
• pp.389-398
• /
• 2022

비소 및 중금속으로 오염된 토양 내 함량과 농작물로 전이되는 함량 간의 관련성을 도출하기 위한 연구가 지속적으로 수행되고 있으나 두 함량 간의 낮은 상관성으로 인하여 명확한 결과가 도출되지 못하고 있다. 이 연구에서는 토양 내 비소 전함량과 단일용출 가용성 함량뿐만 아니라 토양의 물리·화학적 특성을 함께 고려하여 백미로 전이되는 비소 함량을 예측하는 통계학적 모델을 만들고자 하였다. 토양 특성 중 pH, 단일용출 가용성 함량, 유기물 함량에 따라 순차적으로 토양을 분류하며 회귀분석을 통한 예측 모델을 도출하였다. 80개의 백미 내 비소 함량과 토양 내 비소 전함량 및 Mehlich 가용성 함량 간의 상관계수는 각각 0.533과 0.493으로 낮았다. 그러나 토양을 pH, Mehlich 가용성 함량에 대한 전함량, 유기물 함량으로 순차적으로 분류하여 모델을 도출한 결과, ① pH가 6.5보다 높은 13개의 토양은 0.963, ② pH가 6.5 이하이고 As_Tot/As_Mehlich 비가 높은 15개의 토양은 0.849, ③ pH가 6.5 이하이고 As_Tot/As_Mehlich 비가 낮으며 8.5% 이하의 유기물을 함유한 30개의 토양은 0.935로 예측력이 크게 증가하였다. 이 연구에서 도출된 토양 분류에 따른 백미 전이 함량 예측 모델은 비소 오염 토양에 대해 신뢰성 있는 백미 재배 기준을 설정하는데 의미있는 방법론을 제안할 수 있을 것이다.

• Geomechanics and Engineering
• /
• 제35권2호
• /
• pp.121-133
• /
• 2023

The demand for cement and limestone crushed materials has increased many folds due to the tremendous increase in construction activities in Pakistan during the past few decades. The number of cement production industries has increased correspondingly, and so the rock-blasting operations at the limestone quarry sites. However, the safety procedures warranted at these sites for the blast-induced ground vibrations (BIGV) have not been adequately developed and/or implemented. Proper prediction and monitoring of BIGV are necessary to ensure the safety of structures in the vicinity of these quarry sites. In this paper, an attempt has been made to predict BIGV using artificial neural network (ANN) at three selected limestone quarries of Pakistan. The ANN has been developed in Python using Keras with sequential model and dense layers. The hyper parameters and neurons in each of the activation layers has been optimized using randomized and grid search method. The input parameters for the model include distance, a maximum charge per delay (MCPD), depth of hole, burden, spacing, and number of blast holes, whereas, peak particle velocity (PPV) is taken as the only output parameter. A total of 110 blast vibrations datasets were recorded from three different limestone quarries. The dataset has been divided into 85% for neural network training, and 15% for testing of the network. A five-layer ANN is trained with Rectified Linear Unit (ReLU) activation function, Adam optimization algorithm with a learning rate of 0.001, and batch size of 32 with the topology of 6-32-32-256-1. The blast datasets were utilized to compare the performance of ANN, multivariate regression analysis (MVRA), and empirical predictors. The performance was evaluated using the coefficient of determination (R²), mean absolute error (MAE), mean squared error (MSE), mean absolute percentage error (MAPE), and root mean squared error (RMSE)for predicted and measured PPV. To determine the relative influence of each parameter on the PPV, sensitivity analyses were performed for all input parameters. The analyses reveal that ANN performs superior than MVRA and other empirical predictors, andthat83% PPV is affected by distance and MCPD while hole depth, number of blast holes, burden and spacing contribute for the remaining 17%. This research provides valuable insights into improving safety measures and ensuring the structural integrity of buildings near limestone quarry sites.

• 지질공학
• /
• 제22권3호
• /
• pp.343-351
• /
• 2012

본 연구는 기존에 제안된 무한사면 안정해석식을 바탕으로 불포화토 내에 강우침투 시 지표로부터 시간에 따른 토층의 포화깊이비를 새로운 변수로 삽입하여 무한사면 안정해석 수정식을 제안하고자 하였다. 이를 위해 기존에 고려하지 못했던 시간에 따른 포화깊이비와 지표하 흐름 깊이의 개념을 새로이 도입하였으며, 유사동력학적 습윤지수 이론에서 도출되는 해석대상 지역의 유효상부기여면적, 지표하흐름 깊이, 포화깊이비를 계산하고, 이를 토대로 시간에 따른 포화깊이비를 반영한 무한사면 안정해석을 수행하도록 하였다. 이를 통해 실질적인 시간에 따른 강우의 변화양상과 사면 안전율 변화를 계산할 수 있게 되었다. 한편, 본 연구에서는 Park et al. (2011 a)가 실시한 불포화토 칼럼시험을 통한 강우침투 속도분석 결과를 바탕으로 본 연구에서 제안한 식을 이용하여 토층의 포화깊이비를 고려한 사면안정해석을 실시하였다. 이 해석을 통해 편마암 풍화토의 토층 내 강우 침투속도를 고려하여 포화깊이비가 변화함에 따른 안전율의 변화를 파악할 수 있었다. 해석결과에 의하면, 연속강우의 경우 안전율이 1.3 이하로 감소하는 시간이 강우강도 20 mm/h 조건에서 2.86 ~ 5.38시간이고, 강우강도 50 mm/h 조건에서는 1.34 ~ 2.92시간으로 나타났다. 반복강우의 경우, 안전율이 1.3 이하가 되는 시간은 강우조건별로 3.27 ~ 5.61시간으로 나타났다. 따라서, 토층 내 강우침투속도 차이에 따른 포화깊이비 변화를 고려한 무한사면의 안전율 변화 파악이 가능하였다.

• 한국수자원학회논문집
• /
• 제55권10호
• /
• pp.761-774
• /
• 2022

가뭄과 홍수의 예측, 기후변화가 유역 유출량, 더 나아가 수질 및 생태계에 미치는 영향의 정확한 분석을 위해서는 수문 모의 과정의 불확실성을 정량화하고 최소화하기 위한 노력이 필요하다. 수문자료동화는 수문모형의 상태량이나 매개변수를 갱신(update)하여 모의 초기 조건의 가장 가능성 있는 추정치를 생성하는 기법으로, 실시간 관측 정보를 이용하여 예측 정확도를 향상시킬 수 있는 방법이다. 본 연구에서는 airGRdatassim 모형을 이용하여 앙상블 기반 순차 자료동화 기법인 앙상블 칼만 필터와 파티클 필터로 용담댐 유역에 대해 일 유출을 모의하고, 자료동화 기법별 특성을 비교 및 분석하였다. 모의 결과, Kling-Gupta efficiency (KGE) 지표가 자료동화 적용 전 0.799에서 앙상블 칼만 필터와 파티클 필터 적용시 각각 0.826, 0.933으로 향상되었다. 또한 기상 강제력 노이즈의 범위, 갱신 대상 상태량 설정, 앙상블 수 등 수문자료동화의 설정과 관련된 하이퍼-매개변수(hyper-parameter)의 불확실성이 모의 예측 성능에 미치는 영향을 분석하였다. 강수 및 잠재 증발산 강제력의 오차 범위에 대한 민감도 분석 결과, 모든 모의 범위에서 파티클 필터가 앙상블 칼만 필터보다 예측 성능이 우수하였다. 파티클 필터는 기상 강제력 오차 크기가 작을수록 모의 성능이 향상되었으며, 앙상블 칼만 필터는 상대적으로 오차가 큰 경우 최적 성능이 확인되었다. 한편, 자료동화시 갱신되는 상태량의 종류를 줄일수록 자료동화에 의한 모의 성능은 감소하였다. 본 연구의 모의 실험 결과는 앙상블 자료동화를 이용하여 일 유출 모의 정확도 향상이 가능하지만, 최적 성능을 발휘하기 위해서는 수문자료동화 기법별 하이퍼-매개변수의 적정한 조정이 필요함을 함의한다.

• 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.