• 제목/요약/키워드: verification system

검색결과 4,646건 처리시간 0.033초

Off-line PET-CT를 이용한 양성자치료에서의 Range 검증 (Analysis of the Range Verification of Proton using PET-CT)

  • 장준영;홍건철;박세준;박용철;최병기
    • 대한방사선치료학회지
    • /
    • 제29권2호
    • /
    • pp.101-108
    • /
    • 2017
  • 목 적: 양성자치료에 이용되는 양성자선은 종양 부위 앞에 있는 정상 조직에는 적은 선량을 주는 반면 암 조직 부위에서는 브래그 피크(Bragg peak)를 형성하며 최대 선량을 주고 바로 소멸하는 특징을 가지고 있으며 양성자치료의 장점을 극대화하기 위해서는 양성자의 도달 위치 검증이 매우 중요하다. 본 연구에서는 Off-line PET CT 방법을 이용하여 양성자 조사 후 양성자 궤적을 따라 생성된 11 C(반감기=20분), 150(반감기=2분), 13N (반감기=10분) 등의 핵자에서 방출되는 양전자의 분포를 측정하여 양성자의 Range와 Distal falloff 지점을 검증하게 되었다. 대상 및 방법: IEC 2001 Body 팬텀안에는 37 mm, 28 mm, 22 mm 구체를 삽입할 수 있게 구성되어 있으며 팬텀안에 물을 가득 채워 각 구체크기별로 CT image를 획득하였고 양성자의 Range와 Distal falloff 지점을 검증하기 위하여 양성자치료계획시스템으로 각 구체 크기 별로 37 mm 구체에서 46 mm, 28 mm에서 37 mm, 22 mm 구체에서 33 mm의 SOBP를 설정하였고, Scanning 방법으로 Gantry 0도의 Single beam으로 동일한 센터에서 양성자를 조사하였다. 조사된 팬텀은 PET-CT 장비를 이용하여 스캔하였고, PET-CT 영상획득방법은 1분씩 50개의 영상을 획득하여 팬톰 내의 구체를 포함하여 4개의 ROI를 설정한 후 10개씩 영상을 합산하여 재구성 하였다. 치료계획 시 수립한 구체크기에 따른 Dose profile과 비교하기 위하여 Depth에 따른 Activity profile로 나타냈다 결 과: 37 mm, 28 mm, 22 mm 구체에서 모두 Distal falloff position 에서 Dose profile과 같이 PET-CT의 Activity profile 역시 급격히 감소하는 양상을 나타냈다. 하지만 Range를 평가하는 구간인 SOBP구간에서는 Activity profile의 경우 Proximal 부분에서의 측정치가 Dose profile 양상과 다른 결과가 나왔으며, Distal falloff position을 구체 크기별로 양성자 치료계획과 PET-CT 측정치와의 차이를 비교해 본 결과 37 mm 구체에서는 Max dose의 50 % 지점에서 최대 1.4 mm, 28 mm 구체에서는 45 % 지점에서 최대 1.1 mm, 22 mm 구체에서의 차이는 40 % 지점에서 최대 1.2 mm로 모두 1.5 mm 미만의 차이를 보였다. 결 론: 양성자치료의 장점을 최대한 활용하기 위해서는 양성자빔의 Range를 검증하는 것이 매우 중요하다. 본 연구에서는 PET-CT 장비를 이용하여 양성자빔의 SOBP 와 Distal falloff 위치를 통해 양성자 Range를 확인하였고 그 결과 PET-CT 장비를 이용해 측정한 Activity 분포와 양성자 치료계획과의 Distal falloff position의 차이는 1.4 mm 내에서 일치함을 확인하였다. 이는 본원에서 양성자치료계획 시 적용하는 선량마진에 참고자료로 활용될 수 있을 것으로 사료된다.

  • PDF

SNS에서의 개선된 소셜 네트워크 분석 방법 (Improved Social Network Analysis Method in SNS)

  • 손종수;조수환;권경락;정인정
    • 지능정보연구
    • /
    • 제18권4호
    • /
    • pp.117-127
    • /
    • 2012
  • 최근 온라인 소셜 네트워크 서비스(SNS)의 사용자가 크게 늘어나고 있으며 다양한 분야에서 SNS의 사용자 관계 구조 및 메시지를 분석하기 위한 연구를 진행하고 있다. 그러나 대부분의 소셜 네트워크 분석 방법들은 노드 사이의 최단 거리를 기초로 하고 있으므로 계산 시간이 오래 걸린다. 이는 점차 대형화 되어가는 SNS의 데이터를 여러 분야에서 활용하는데 걸림돌이 되고 있다. 이에 따라 본 논문에서는 SNS의 사용자 그래프에서 사용자간 최단거리를 빠르게 찾기 위한 휴리스틱 기반의 최단 경로 탐색 방법을 제안한다. 제안하는 방법은 1) 트리로 표현된 소셜 네트워크에서 시작 노드와 목표 노드를 설정한다. 그리고 2) 만약 목표 노드가 경사 트리의 단말에 있다면 경사 트리가 시작하는 노드를 임시 골 노드로 설정한다. 마지막으로 3) 연결의 차수를 평가값으로 하는 휴리스틱 기반 최단거리 탐색을 수행한다. 이렇게 최단거리를 탐색한 후 매개 중심성 분석(Betweenness Centrality) 및 근접 중심성(Closeness Centrality)를 계산한다. 제안하는 방법을 사용하면 소셜 네트워크 분석에서 가장 많은 시간이 필요한 최단거리 탐색을 빠르게 수행할 수 있으므로 소셜 네트워크 분석의 효율성을 기대할 수 있다. 본 논문에서 제안하는 방법을 검증하기 위하여 약 16만 명으로 구성된 SNS에서의 실제 데이터를 이용하여 매개 중심성 분석과 근접 중심성 분석을 수행하였다. 실험 결과, 제안하는 방법은 전통적 방식에 비하여 매개 중심성, 근접 중심성의 계산 시간이 각각 6.8배, 1.8배 더 빠른 결과를 보였다. 본 논문에서 제안한 방법은 소셜 네트워크 분석의 시간을 향상시켜 여러 분야에서 사회 현상 및 동향을 분석하는데 유용하게 활용될 수 있다.

Word2Vec을 활용한 제품군별 시장규모 추정 방법에 관한 연구 (A Study on Market Size Estimation Method by Product Group Using Word2Vec Algorithm)

  • 정예림;김지희;유형선
    • 지능정보연구
    • /
    • 제26권1호
    • /
    • pp.1-21
    • /
    • 2020
  • 인공지능 기술의 급속한 발전과 함께 빅데이터의 상당 부분을 차지하는 비정형 텍스트 데이터로부터 의미있는 정보를 추출하기 위한 다양한 연구들이 활발히 진행되고 있다. 비즈니스 인텔리전스 분야에서도 새로운 시장기회를 발굴하거나 기술사업화 주체의 합리적 의사결정을 돕기 위한 많은 연구들이 이뤄져 왔다. 본 연구에서는 기업의 성공적인 사업 추진을 위해 핵심적인 정보 중의 하나인 시장규모 정보를 도출함에 있어 기존에 제공되던 범위보다 세부적인 수준의 제품군별 시장규모 추정이 가능하고 자동화된 방법론을 제안하고자 한다. 이를 위해 신경망 기반의 시멘틱 단어 임베딩 모델인 Word2Vec 알고리즘을 적용하여 개별 기업의 생산제품에 대한 텍스트 데이터를 벡터 공간으로 임베딩하고, 제품명 간 코사인 거리(유사도)를 계산함으로써 특정한 제품명과 유사한 제품들을 추출한 뒤, 이들의 매출액 정보를 연산하여 자동으로 해당 제품군의 시장규모를 산출하는 알고리즘을 구현하였다. 실험 데이터로서 통계청의 경제총조사 마이크로데이터(약 34만 5천 건)를 이용하여 제품명 텍스트 데이터를 벡터화 하고, 한국표준산업분류 해설서의 산업분류 색인어를 기준으로 활용하여 코사인 거리 기반으로 유사한 제품명을 추출하였다. 이후 개별 기업의 제품 데이터에 연결된 매출액 정보를 기초로 추출된 제품들의 매출액을 합산함으로써 11,654개의 상세한 제품군별 시장규모를 추정하였다. 성능 검증을 위해 실제 집계된 통계청의 품목별 시장규모 수치와 비교한 결과 피어슨 상관계수가 0.513 수준으로 나타났다. 본 연구에서 제시한 모형은 의미 기반 임베딩 모델의 정확성 향상 및 제품군 추출 방식의 개선이 필요하나, 표본조사 또는 다수의 가정을 기반으로 하는 전통적인 시장규모 추정 방법의 한계를 뛰어넘어 텍스트 마이닝 및 기계학습 기법을 최초로 적용하여 시장규모 추정 방식을 지능화하였다는 점, 시장규모 산출범위를 사용 목적에 따라 쉽고 빠르게 조절할 수 있다는 점, 이를 통해 다양한 분야에서 수요가 높은 세부적인 제품군별 시장정보 도출이 가능하여 실무적인 활용성이 높다는 점에서 의의가 있다.

정위적체부방사선치료시 ExacTrac과 CBCT를 이용한 Combine IGRT의 유용성 평가 (Evaluation of Combine IGRT using ExacTrac and CBCT In SBRT)

  • 안민우;강효석;최병준;박상준;정다이;이건호;이두상;전명수
    • 대한방사선치료학회지
    • /
    • 제30권1_2호
    • /
    • pp.201-208
    • /
    • 2018
  • 목 적 : 본 연구에서는 정위적체부방사선치료시 ExacTrac과 CBCT를 단계적으로 적용한 Combine IGRT를 사용하여 Set-up 오차를 비교 및 분석하여 Combine IGRT의 유용성을 평가하고자 한다. 대상 및 방법 : 2014년 5월에서 2017년 11월까지 본원에 내원하여 trueBEAM Stx(Varian medical System, USA)에서 정위적체부방사선치료를 받은 환자 중 부위별로 뇌(Brain) 3명, 척추(Spine) 9명, 골반(Pelvis) 3명으로 분류하였다. 치료전 ExacTrac을 사용하여 Lateral(Lat), Longitudinal(Lng), Vertical(Vrt) 방향과 Roll, Pitch, Yaw 방향으로 Set-up 오차를 보정하였고, ExacTrac 이동 값을 적용 후 CBCT를 추가적으로 수행하여 Lat, Lng, Vrt, Rotation(Rtn) 방향으로 보정하였다. 결 과 : ExacTrac 사용시 뇌 부위의 오차는 Lat $0.18{\pm}0.25cm$, Lng $0.23{\pm}0.04cm$, Vrt $0.30{\pm}0.36cm$, Roll $0.36{\pm}0.21^{\circ}$, Pitch $1.72{\pm}0.62^{\circ}$, Yaw $1.80{\pm}1.21^{\circ}$, 척추 부위는 Lat $0.21{\pm}0.24cm$, Lng $0.27{\pm}0.36cm$, Vrt $0.26{\pm}0.42cm$, Roll $1.01{\pm}1.17^{\circ}$, Pitch $0.66{\pm}0.45^{\circ}$, Yaw $0.71{\pm}0.58^{\circ}$, 골반 부위는 Lat $0.20{\pm}0.16cm$, Lng $0.24{\pm}0.29cm$, Vrt $0.28{\pm}0.29cm$, Roll $0.83{\pm}0.21^{\circ}$, Pitch $0.57{\pm}0.45^{\circ}$, Yaw $0.52{\pm}0.27^{\circ}$로 나타났다. Couch 이동 후 CBCT를 하였을 때, 뇌 부위는 Lat $0.06{\pm}0.05cm$, Lng $0.07{\pm}0.06cm$, Vrt $0.00{\pm}0.00cm$, Rtn $0.0{\pm}0.0^{\circ}$, 척추 부위는 Lat $0.06{\pm}0.04cm$, Lng $0.16{\pm}0.30cm$, Vrt $0.08{\pm}0.08cm$, Rtn $0.00{\pm}0.00^{\circ}$, 골반 부위는 Lat $0.06{\pm}0.07cm$, Lng $0.04{\pm}0.05cm$, Vrt $0.06{\pm}0.04cm$, Rtn $0.0{\pm}0.0^{\circ}$ 오차가 발생하였다. 결 론 : 정위적체부방사선치료시 ExacTrac에 추가적으로 CBCT를 사용한 Combine IGRT의 경우는 ExacTrac만 사용한 경우보다 환자의 Set-up 오차를 줄일 수 있게 나타났다. 그러나 Combine IGRT를 적용함으로 환자 Set-up 확인시간, 영상획득을 위한 체내 흡수선량이 증가한다. 그러므로 환자 상황에 따라 Combine IGRT를 사용하여 환자의 Set-up 오차를 적게 함으로써 방사선치료 효과비를 증가시킬 수 있을 것으로 사료된다.

  • PDF

이미지 감성분류를 위한 CNN과 K-means RGB Cluster 이-단계 학습 방안 (A Two-Stage Learning Method of CNN and K-means RGB Cluster for Sentiment Classification of Images)

  • 김정태;박은비;한기웅;이정현;이홍주
    • 지능정보연구
    • /
    • 제27권3호
    • /
    • pp.139-156
    • /
    • 2021
  • 이미지 분류에서 딥러닝 모형을 사용하는 가장 큰 이유는 이미지의 전체적인 정보에서 각 지역 특징을 추출하여 서로의 관계를 고려할 수 있기 때문이다. 하지만 이미지의 지역 특징이 없는 감정 이미지 데이터는 CNN 모델이 적합하지 않을 수 있다. 이러한 감정 이미지 분류의 어려움을 해결하기 위하여 매년 많은 연구자들이 감정 이미지에 적합한 CNN기반 아키텍처를 제시하고 있다. 색깔과 사람 감정간의 관계에 대한 연구들도 수행되었으며, 색깔에 따라 다른 감정이 유도된다는 결과들이 도출되었다. 딥러닝을 활용한 연구에서도 색깔정보를 활용하여 이미지 감성분류에 적용하는 연구들이 있어왔으며, 이미지만을 가지고 분류 모형을 학습한 경우보다 이미지의 색깔 정보를 추가로 활용한 경우가 이미지 감성 분류 정확도를 더 높일 수 있었다. 본 연구는 사람이 이미지의 감정을 분류하는 기준 중 많은 부분을 차지하는 색감을 이용하여 이미지 감성 분류 정확도를 향상시키는 방안을 제안한다. 이미지의 RGB 값에 K 평균 군집화 방안을 적용하여 이미지를 대표하는 색을 추출하여, 각 감성 클래스 별 해당 색깔이 나올 확률을 가중치 식으로 변형 후 CNN 모델의 최종 Layer에 적용하는 이-단계 학습방안을 구현하였다. 이미지 데이터는 6가지 감정으로 분류되는 Emotion6와 8가지 감정으로 분류되는 Artphoto를 사용하였다. 학습에 사용한 CNN 모델은 Densenet169, Mnasnet, Resnet101, Resnet152, Vgg19를 사용하였으며, 성능 평가는 5겹 교차검증으로 CNN 모델에 이-단계 학습 방안을 적용하여 전후 성과를 비교하였다. CNN 아키텍처만을 활용한 경우보다 색 속성에서 추출한 정보를 함께 사용하였을 때 더 좋은 분류 정확도를 보였다.

캡스톤디자인 및 현장실습이 취업률에 미치는 영향: 산학협력선도대학(LINC)을 중심으로 (The Study on the Influence of Capstone Design & Field Training on Employment Rate: Focused on Leaders in INdustry-university Cooperation(LINC))

  • 박남규
    • 벤처창업연구
    • /
    • 제18권4호
    • /
    • pp.207-222
    • /
    • 2023
  • 대부분의 대학은 취업률 향상을 위하여 산헙혁력선도대학(LINC) 선정 여부와 상관없이 학생들의 취·창업역량강화 프로그램을 운영하고 있다. 특히 비수도권대학의 경우 취업률 향상을 위하여 사활을 걸고 있다. 취업률에 절대적으로 영향을 미치는 대학설립유형과 대학소재지에 대한 한계를 극복하기 위하여, 취·창업역량강화를 위하여 기업가정신 함양을 위한 창업교육·지원 프로그램을 운영하고 있으며, 지역 및 기관과 연계한 PBL(Problem Based Learning) 컨셉이 반영된 캡스톤디자인과 현장실습 프로그램을 상시 운용하고 있다. 기존 연구에서는 산헙혁력선도대학(LINC)을 중심으로 효과성 검증에 관한 연구는 수행되었으나, 공시지표를 기반으로 취업률에 미치는 요인으로서 대학요인, 창업교육·지원, 산학연계교육 요인 모두를 대상으로 한 종단연구 사례는 보고되지 않았다. 본 연구는 취업률에 미치는 요인으로 대학요인, 창업교육·지원, 산학연계교육에 대하여 최근까지 공개된 2018년부터 2020년까지 대학공시지표를 기반으로 조건을 만족시키는 116개 대학을 대상으로 51개의 산학협력선도대학(LINC) 참여대학과 64개의 비참여대학 집단간 차이분석을 하였다. 또한 공시지표의 한계로 인하여, 참여 학생의 중복참여에 대한 이력 정보가 없는 점을 고려하여 취·창업역량강화 프로그램에 장기간 노출된다면 역량강화를 통한 취업률에 영향을 미칠 것이라는 노출효과(Exposure Effect)이론을 기반으로 종단적 인과관계 분석을 통하여 2017년부터 2021년까지 2차 사회맞춤형 산학협력 선도대학 육성사업(LINC+)의 효과성을 검증하였다. 연구결과 사회맞춤형 산학협력 선도대학 육성사업(LINC+)의 창업교육·지원 및 산학연계교육 프로그램은 취업률에 영향을 미치지 않는 것으로 나타났다. 종단적 인과관계 분석결과 기존 대학요인으로 수도권대학이 비수도권대학보다 여전히 취업률이 높으며, 사립대학이 국립대학보다 취업률이 높은 것을 재확인하였다. 취·창업역량강화 프로그램 중 창업강좌 이수자수, 캡스톤디자인 이수자수, 캡스톤디자인 지급액, 전담교직원수는 취업률에 연도별 부분적으로 영향을 미치며, 현장실습은 연도별로 전혀 영향을 미치지 않으며, 취·창업역량강화 프로그램의 장기간 노출이 취업률에 영향을 미치지 않음을 확인하였다. 그러므로, 대학의 취업률 향상을 위해서는 비수도권, 국·공립대의 한계를 극복해야만 함을 재확인하였다. 이를 극복하기 위한 취·창업역량강화 프로그램으로서 창업강좌 참여를 통하여 기업가정신의 강화와 PBL(Problem Based Learning) 컨셉이 강화된 캡스톤디자인 프로그램의 적극적인 도입 및 확신이 중요하며, 현장실습 프로그램이 취업률 향상에 도움이 되기 위해서는 전반적인 학사제도 및 조직의 재정비를 통한 내실 있는 프로그램 진행이 요구된다.

  • PDF