• 한국터널지하공간학회 논문집
• /
• 제19권1호
• /
• pp.95-107
• /
• 2017

본 논문에서는 제도적으로 운영 중인 터널내 CCTV들로부터 실시간으로 들어오는 영상들을 최신 딥러닝 알고리즘을 이용, 학습시켜 다양한 조건의 터널환경에서 돌발 상황을 감지하고 그 돌발 상황의 종류들을 분류해 내는 시스템 개발을 위한 사전검토 연구를 수행하였다. 사전검토 연구를 위해, 2개의 도로현장의 교통류 CCTV영상 일부를 이용하여 가용한 전통적인 영상처리기법으로 영상내부로 집입하는 차량을 감지하고, 이동경로를 추적하여 일정 시간간격의 이동 차량의 좌표와 시간정보를 추출하고 학습자료를 구성하였다. 각 차량의 이동정보는 차선변경, 정차 등 6가지의 이벤트 정보와 연계된다. 차량 이동정보와 이벤트로 구성된 학습자료는 레질리언스(resilience) 기계학습 알고리즘을 이용하여 학습하였다. 2개의 은닉층을 설정하고, 각 은닉층의 노드수에 대한 9개의 은닉구조 모델을 설정하여 매개변수 연구를 수행하였다. 본 사전검토의 경우에는 첫 번째, 두 번째 은닉층 노드수가 각각 300개와 150개로 설정된 모델이 합리적으로 가장 추론정확도가 높은 것으로 평가되었다. 이로부터 일반화되기 매우 힘든 복잡한 교통류 상황을 기계학습을 이용하여 어떠한 사전 규칙설정 없이도 교통류의 특징들을 정확히 자동으로 감지할 수 있는 가능성을 보였다. 본 시스템은 시스템의 운용을 통해 지속적으로 교통류 영상과 이벤트 정보가 늘어난다면, 자동으로 그 시스템의 인지능력과 정확도가 자동으로 향상되는 효과도 기대할 수 있다.

• 대한소아치과학회지
• /
• 제35권4호
• /
• pp.642-651
• /
• 2008

본 연구는 2003년 1월부터 2007년 7월까지 전남대학교 병원 소아치과와 응급실에 치아 외상을 주소로 내원한 환자 570명(치아수: 1394개)을 대상으로 연령, 성별분포, 발생원인 및 장소, 손상 받은 치아의 위치 및 유형, 초진시 처치 등에 대한 조사를 통해 외상에 대한 적절한 진단과 치료에 도움이 되고자 시행하였다. 1. 성별에 따른 발생빈도는 1.9:1로 남자의 비율이 높았고, 나이에 따른 발생 빈도는 1세, $6{\sim}8$세, $17{\sim}18$세 때 높았다. 2. 외상의 원인은 유치열과 혼합치열에는 넘어진 경우가 가장 많았으며 영구치열에서는 교통사고와 싸움으로 인한 손상 빈도가 높았다. 외상을 입은 장소는 유치열은 집에서, 혼합치열, 영구치열에는 길에서 비율이 높았다. 3. 외상시 손상 받은 치아의 위치는 유치와 영구치 모두 상악 중절치의 비율이 높았다. 손상의 유형은 유치와 영구치 모두 치주조직의 손상이 많았는데, 유치는 아탈구, 진탕, 함입 순이었으며, 영구치는 아탈구, 진탕, 완전탈구 순이었다. 4. 초진시의 처치는 특별한 처치 없이 경과를 관찰하는 경우가 대부분이었으며, 유치는 33.1%, 영구치에서는 44.5%의 재 내원률을 보였다. 치주조직 손상 후 유치는 20.3%, 영구치는 26.6%의 치수 괴사율을 보였다.