• Title/Summary/Keyword: the First Moment

검색결과 1,052건 처리시간 0.025초

스마트폰 다종 데이터를 활용한 딥러닝 기반의 사용자 동행 상태 인식 (A Deep Learning Based Approach to Recognizing Accompanying Status of Smartphone Users Using Multimodal Data)

  • 김길호;최상우;채문정;박희웅;이재홍;박종헌
    • 지능정보연구
    • /
    • 제25권1호
    • /
    • pp.163-177
    • /
    • 2019
  • 스마트폰이 널리 보급되고 현대인들의 생활 속에 깊이 자리 잡으면서, 스마트폰에서 수집된 다종 데이터를 바탕으로 사용자 개인의 행동을 인식하고자 하는 연구가 활발히 진행되고 있다. 그러나 타인과의 상호작용 행동 인식에 대한 연구는 아직까지 상대적으로 미진하였다. 기존 상호작용 행동 인식 연구에서는 오디오, 블루투스, 와이파이 등의 데이터를 사용하였으나, 이들은 사용자 사생활 침해 가능성이 높으며 단시간 내에 충분한 양의 데이터를 수집하기 어렵다는 한계가 있다. 반면 가속도, 자기장, 자이로스코프 등의 물리 센서의 경우 사생활 침해 가능성이 낮으며 단시간 내에 충분한 양의 데이터를 수집할 수 있다. 본 연구에서는 이러한 점에 주목하여, 스마트폰 상의 다종 물리 센서 데이터만을 활용, 딥러닝 모델에 기반을 둔 사용자의 동행 상태 인식 방법론을 제안한다. 사용자의 동행 여부 및 대화 여부를 분류하는 동행 상태 분류 모델은 컨볼루션 신경망과 장단기 기억 순환 신경망이 혼합된 구조를 지닌다. 먼저 스마트폰의 다종 물리 센서에서 수집한 데이터에 존재하는 타임 스태프의 차이를 상쇄하고, 정규화를 수행하여 시간에 따른 시퀀스 데이터 형태로 변환함으로써 동행 상태분류 모델의 입력 데이터를 생성한다. 이는 컨볼루션 신경망에 입력되며, 데이터의 시간적 국부 의존성이 반영된 요인 지도를 출력한다. 장단기 기억 순환 신경망은 요인 지도를 입력받아 시간에 따른 순차적 연관 관계를 학습하며, 동행 상태 분류를 위한 요인을 추출하고 소프트맥스 분류기에서 이에 기반한 최종적인 분류를 수행한다. 자체 제작한 스마트폰 애플리케이션을 배포하여 실험 데이터를 수집하였으며, 이를 활용하여 제안한 방법론을 평가하였다. 최적의 파라미터를 설정하여 동행 상태 분류 모델을 학습하고 평가한 결과, 동행 여부와 대화 여부를 각각 98.74%, 98.83%의 높은 정확도로 분류하였다.

검사별 radioimmunoassay시약 조사 및 비교실험 (Radioimmunoassay Reagent Survey and Evaluation)

  • 김지나;안재석;전영우;윤상혁;김윤철
    • 핵의학기술
    • /
    • 제25권1호
    • /
    • pp.34-40
    • /
    • 2021
  • [목 적] 의료기관의 핵의학 검사실에서 신규검사를 도입하거나 사용하던 시약을 변경하게 되는 경우 절차에 따라 검사의 특성이 분석되고 시약에 대한 평가가 이루어져야 한다. 그러나 요구되어지는 비교실험을 모두 수행하기 위해서는 몇 가지 필요한 조건이 충족되어야 하는데, 첫째 각 검사별로 수행하기에 충분한 검체량이 준비되어야하며, 둘째 비교실험에 적용 가능한 다양한 시약의 공급이 가능해야한다. 충분한 비교실험이 이루어졌다고 하더라도 변경된 시약에 의한 데이터 변동이 전체 환자데이터 변동을 의미하는 것에는 한계가 있으므로 검사실에서 시약이 변경되는 것에 대한 부담이 있다. 이러한 다양한 어려움으로 검사실에서의 시약변경은 제한적으로 이루어지고 있다. 본원에서는 원할한 경쟁 입찰을 도입하기 위하여 검사별로 radioimmunoassay(RIA)시약을 전수조사하고 비교실험을 통해 검사실에서 사용가능한 시약범위를 설정하였다. 이 과정을 공유하고자 하였다. [대상 및 방법] 본원 핵의학 검체 검사실에서 시행하고 있는 검사는 위탁검사를 제외하고 총 20종목이다. 각각의 검사별로 외부정도관리와 기관간 정도관리 결과보고서를 참고로 사용가능한 RIA시약을 전수 조사하였고, 각 시약에 대한 메뉴얼을 확보하였다. 각각의 시약마다 메뉴얼을 확인하여 검사 방법과 incubation시간, 검사 시 필요한 검체량, 시약량 등을 확인하여 본 검사실에서 사용가능한지 여부에 따라 시약 1차 선정을 하였다. 1차 선정된 시약을 100 test기준으로 2 kit씩 공급받아 데이터 상관성시험, 민감도, 회수율, 희석시험을 진행하였고, 비교실험 결과에 따라 시약을 2차 선정하였다. 1, 2차 선정을 통과한 시약을 경쟁 입찰리스트로 제출하였다. 검사 시약을 단수로 지정할 경우에는 1차, 2차 선정 과정에서 얻은 자료로 단수지정 사유서를 작성하였다. [결 과] 각각의 시약마다 매뉴얼을 확인하여 시약 1차 선정에서 제외되는 경우는 각 검사의 현재 Turn Around Time(TAT)보다 길어지는 경우와 검사 시 사용 시약량이 많아 장비사용이 불가능한 경우였다. 1차 선정에서 사용가능한 시약이 1개인 경우는 5종목 squamous cell carcinoma antigen(SCC Ag), 𝛽-human chorionic gonadotropin(𝛽-HCG), vitamin B12, folate, free testosterone 이었고, 2개인 경우는 8종목 (CA19-9, CA125, CA72-4, ferritin, thyroglobulin antibody(TG Ab), microsomal antibody(Mic Ab), thyroid stimulating hormone-receptor-antibody(TSH-R-Ab), calcitonin), 3개인 경우는 5종목(triiodothyronine(T3), Free T3, Free T4, TSH, intact parathyroid hormone(intact PTH)), 4개인 경우는 2종목(carcinoembryonic antigen(CEA), TG)이었다. 2차 최종 선정결과 사용가능한 시약이 3개인 것은 T3, Free T3, Free T4, TSH, CEA, 2개인 것은 TG Ab, Mic Ab, TSH-R-Ab, CA125, CA72-4, intact PTH, calcitonin이었다. 단수 지정된 종목은 ferritin, TG, CA19-9, SCC, 𝛽-HCG, vitamin B12, folate, free testosterone이었다. 2차 선정에서 제외된 사유에는 비교실험을 위한 시약공급이 안된 경우와 데이터 재현성에 문제가 있었던 경우, 데이터 변동에 대한 수용이 불가능하다고 판단되는 경우였다. 비교실험 시 가장 문제가 되는 부분은 검체 수집이었다. 검사건수가 많고 검사 시 필요한 검체량이 적은 경우에는 문제가 되지 않았지만, 검사건수가 적은 경우(월 100건 이하)에는 다양한 농도 검체를 수집하기가 어려웠으며, 한번 검사 시 필요한 검체량이 상대적으로 많은 경우(100 uL이상)에는 회수율시험을 진행하기가 어려웠다. 또한 민감도 측정이나 희석시험을 위한 희석액이나 표준액0 물질이 부족한 경우도 문제점 중의 하나였다. [결 론] 검사시약 변경을 위한 비교실험 시 다양하고 충분한 검체 수집을 위해 적정한 준비기간이 필요하다. 또한 1회 검사 시 필요한 검체량 및 시약량에 따라 비교실험 시 필요한 총 검체량, 시약량 범위를 설정해 놓는다면 비교실험을 진행할 때마다 검체 수집과 실험계획을 세우는 데 부담이 줄어들 것이다.