본 논문에서는 복부CT 영상에서 국소 간 병변분류를 위한 심층 합성곱 신경망 학습에 다양한 데이터 증강 기법을 적용하여 의료 영상에서의 효과를 분석한다. 이를 위해 어파인 변환 기반, StyleGAN, Mixup, Augmix 기반 데이터 증강 기법을 각각 VGG16 심층 합성곱 신경망에 적용하여 국소간병변을 낭종, 혈관종, 전이암으로 분류하는 학습을 수행한다. 실험을 위해 각 데이터 증강 기법에 의해 훈련된 모델의 분류 결과에 대하여 정확도, 민감도, 특이도 분석을 통해 정량적 평가를 진행하고, 증강 영상 예시 분석과 tSNE 분석을 통해 정성적 평가를 수행하여 데이터 증강 기법의 효과를 분석한다.

안와 뼈는 두껍고 높은 밝기값의 피질골과 매우 얇고 낮은 밝기값의 얇은 뼈로 이루어져 있어 일관된 분할이 어렵다. 또한 안와 내측벽과 하벽은 뼈의 두께가 얇아 부분용적효과로 인해 주변 연조직과 밝기값 구분이 어렵다는 한계가 있다. 본 논문은 안면부 CT 영상에서 다양한 두께를 갖는 안와 뼈의 해부학적 구조와 낮은 밝기값과 작은 영역을 갖는 얇은 뼈의 특성을 고려하여 분할 성능을 개선하기 위해 MSDA-Net을 제안한다. U-Net의 스킵 연결 부분에 다중 스케일 모듈과 채널 및 공간 어텐션을 순차적으로 수행하는 듀얼 어텐션 모듈을 함께 적용하여 주의 집중할 특징을 강조한 특징 맵을 디코더에 전달한다. 실험을 통해 다중 스케일 계층 모듈의 효과와 싱글 어텐션과 듀얼 어텐션 효과를 제시하였고, 제안 방법 사용 시 전역적 및 지역적 평가 영역의 DSC가 92%, 86%, 87%로 우수한 성능을 보였다.

최근의 COVID-19 팬데믹으로 인하여 많은 공연이 컴퓨터 매개 통신 기술을 이용하여 수행되었다. 많은 공연이 공연자의 모습을 생중계하는 온라인 콘서트의 형태를 취했으며, 일부 아티스트들은 더욱 높은 몰입감과 다양한 연출을 선보이기 위해 가상 현실 플랫폼을 활용한 가상 아바타 콘서트를 진행하기도 했다. 일반적인 가상 아바타 콘서트는 공연자의 움직임을 실시간으로 추적하기 위해 불가피하게 모션캡쳐 장비의 착용을 요구하는데, 이는 하나의 공연을 가상 아바타 콘서트와 온라인 콘서트로 동시에 수행하기 어렵게 만드는 장애물로 작용했다. 본 연구에서는 공연자의 의상에 제약을 주는 기존 가상 아바타 공연의 한계를 극복하기 위해 RGB-D 센서를 이용하여 공연자의 움직임을 추적함으로써 가상 아바타 콘서트와 온라인 콘서트를 동시에 수행할 수 있는 시스템을 제안한다. 우리는 Microsoft Azure Kinect 3대와 iPhone 1대를 이용하여 제안된 시스템의 프로토타입을 구현하고, 시스템의 성능을 측정하였다. 또한, 국내 유명 아티스트, 그룹 V.O.S의 김경록과 함께 시험 공연을 시행하여 본 연구의 프로토타입 시스템을 검증하였다. 마지막으로, 본 연구에서 확인한 한계점들을 바탕으로 공연자의 의상과 움직임에 있어 더욱 유연하고 창의성을 발휘할 수 있는 가상 아바타 콘서트 시스템의 향후 연구 방향을 제언하였다. 우리는 본 연구의 시스템이 하나의 공연을 여러 플랫폼에서 동시에 활용할 수 있도록 하여 공연 제작의 효율성을 높이고, 다양한 공연 콘텐츠를 제작하여 더 많은 관객을 모집하는 데 도움이 될 수 있을 것으로 기대한다.