• 한국방사선학회논문지
• /
• 제18권3호
• /
• pp.187-201
• /
• 2024

골다공증은 전 세계적으로 주요한 건강 문제임에도 불구하고, 골절 발생 전까지 쉽게 발견되지 않는 단점을 가지고 있습니다. 본 연구에서는 골다공증 조기 발견 능력 향상을 위해, 복부 컴퓨터 단층 촬영(Computed Tomography, CT) 영상을 활용하여 정상-골감소증-골다공증으로 구분되는 골다공증 단계를 체계적으로 분류할 수 있는 딥러닝(Deep learning, DL) 시스템을 개발하였습니다. 총 3,012개의 조영제 향상 복부 CT 영상과 개별 환자의 이중 에너지 X선 흡수 계측법(Dual-Energy X-ray Absorptiometry, DXA)으로 얻은 T-점수를 활용하여 딥러닝 모델 개발을 수행하였습니다. 모든 딥러닝 모델은 비정형 이미지 데이터, 정형 인구 통계 정보 및 비정형 영상 데이터와 정형 데이터를 동시에 활용하는 다중 모달 방법에 각각 모델 구현을 실현하였으며, 모든 환자들은 T-점수를 통해 정상, 골감소증 및 골다공증 그룹으로 분류되었습니다. 가장 높은 정확도를 갖는 모델 우수성은 비정형-정형 결합 데이터 모델이 가장 우수하였으며, 수신자 조작 특성 곡선 아래 면적이 0.94와 정확도가 0.80를 제시하였습니다. 구현된 딥러닝 모델은 그라디언트 가중치 클래스 활성화 매핑(Gradient-weighted Class Activation Mapping, Grad-CAM)을 통해 해석되어 이미지 내에서 임상적으로 관련된 특징을 강조했고, 대퇴 경부가 골다공증을 통해 골절 발생이 높은 위험 부위임을 밝혔습니다. 이 연구는 DL이 임상 데이터에서 골다공증 단계를 정확하게 식별할 수 있음을 보여주며, 조기에 골다공증을 탐지하고 적절한 치료로 골절 위험을 줄일 수 있는 복부 컴퓨터 단층 촬영 영상의 잠재력을 제시할 수 있습니다.

• 한국멀티미디어학회논문지
• /
• 제6권1호
• /
• pp.148-160
• /
• 2003

현재 세계 48개국의 의료기관에서 임상을 위해 널리 사용 중인 모발분석(TMA)은 중요 미네랄 비율을 분석하여 체내에 과잉, 결핍 및 불균형 상태를 평가하고 인체에 미치는 영향을 예측하여 건강유지 방향을 제시하는 임상 영양학 및 독성학 검사방법을 말한다. 그러나 국내 모발분석방법에는 몇 가지 문제점이 있다. 즉, 모발분석결과를 처리하고 해석할 수 있는 한국형 의료정보 데이터베이스가 없으므로 미국에 의뢰하고 있는데, 외화낭비는 물론 보내오는 모발분석 검사결과지가 영문이고 철저한 보안 위주파일이므로 국내의료 기관에서의 활용도가 매우 낮다. 또한 모발분석 결과가 서구식 데이터베이스로부터 분석된 것이므로 검사결과의 신뢰성 문제도 발생한다. 따라서 본 논문에서는 이러한 문제점을 해결하기 위해 국내 최초로 TMA 기반 한국형 의료정보시스템을 구축하였다. 이 시스템은 복잡한 모발분석 자료의 분류를 다단계 통계분석 방법에 의한 결정트리 분류기를 통해 수행하고, 다중 퍼지 규칙방식의 데이터베이스를 구축하여 지능형 퍼지추론 방법에 의해 모발분석 자료를 분석한다. 본 시스템의 성능을 실제 작업 환경에서 측정한 결과, 시스템을 사용하는 경우가 사용하지 않았을 경우보다 업무능률과 사용자 만족도가 각각 86%, 92% 증가하였다.

• 정보처리학회논문지B
• /
• 제9B권6호
• /
• pp.775-782
• /
• 2002

전자상거래 시스템의 보급이 활성화되기 시작하면서 사용자의 구매 행위에 적응형으로 대처하는 지능형 전자상거래 에이전트의 필요성이 증대되고 있다. 이와 같은 적응형 전자상거래 에이전트는 사용자의 구매 행위를 모니터하면서, 각 분야별 고객의 구매 행위를 자동 분류하고, 분류된 각 클러스터로부터 사용자의 취향을 학습하는 하는 기능을 필요로 한다. 이러한 기능을 가지는 적응형 전자상거래 에이전트를 구축하기 위해서 본 논문에서는다음 3가지 부분에 중점을 두고 시스템을 설계하였다. 첫째, 사용자의 구매 행위를 포괄적으로 모니터하여 사용자 행위로 추상화하는 모니터 에이전트, 둘째, 고객 구매 행위 데이터로부터 유사한 분야 구매 데이터들로 클러스터 하는 개념적 클러스터 에이전트, 셋째, 각 클러스터로부터 사용자 프로파일을 구축하는 사용자 프로파일 에이전트를 중심으로 설계하는 방안을 제안하고 있다 특히, 본 논문에서는 보다 정확한 고객 구매 행위를 학습하기 위해서 개념적 클러스터링 방식과 귀납적 기계학습 방식을 적용하는 2단계 구조를 제안하고 있다.이와 같은 구조는 여러 분야의 상품을 구매한 정보로부터 사용자의 다중 취향을 학습할 때발생하는 문제를 해결함으로, 사용자 프로파일을 정확하게 구축할 수 있는 장점이 있다. 이러한 정확한 사용자 프로파일을 기반으로 사용자에게 보다 적절한 정보를 제공하는 적응형 전자상거래 시스템을 만들 수 있다.

• 지능정보연구
• /
• 제16권4호
• /
• pp.99-112
• /
• 2010

앙상블 학습은 분류 및 예측 알고리즘의 성과개선을 위하여 제안된 기계학습 기법이다. 그러나 앙상블 학습은 기저 분류자의 다양성이 부족한 경우 다중공선성 문제로 인하여 성과개선 효과가 미약하고 심지어는 성과가 악화될 수 있다는 문제점이 제기되었다. 본 연구에서는 기저 분류자의 다양성을 확보하고 앙상블 학습의 성과개선 효과를 제고하기 위하여 유전자 알고리즘 기반의 범위 최적화 기법을 제안하고자 한다. 본 연구에서 제안된 최적화 기법을 기업 부실예측 인공신경망 앙상블에 적용한 결과 기저 분류자의 다양성이 확보되고 인공신경망 앙상블의 성과가 유의적으로 개선되었음을 보여주었다.

• 한국멀티미디어학회논문지
• /
• 제14권1호
• /
• pp.33-43
• /
• 2011

고밀도 파장 분할 다중화 방식(DWDM: Dense-Wavelength Division Multiplexing)을 백본 기술에 활용한 IP/DWDM 차세대 광 인터넷 백본망에서 중요한 문제점 중 하나는, 다양한 하이퍼미디어 응용 서비스들이 요구하는 서비스 품질(QoS: Quality-of-Service)을 고려하여 효율적인 유니캐스트 및 멀티캐스트 라우팅 방법을 제공하는 것이다. 백본망에서 DWDM 기술을 적용하면 파이버 당 여러 개의 파장을 사용할 수 있으므로, 클래스 별로 결합된 IP 트래픽 들을 QoS별로 분류하여 파장 별로 차등화한 전송이 가능하므로 망 대역폭의 효율적인 사용이 가능하다. QoS별로 여러 가지 제약조건을 만족하는 광 파장 패스를 찾는 문제는 일반적으로 NP-complete 문제로 간단한 알고리즘으로 해결하기가 쉬지 않다. 일반적으로 DWDM 망에서 연구된 대부분의 휴리스틱 방법들은 현재 인터넷 라우팅 패러다임 하에서 연구된 개념을 확장하여 활용하는 데, 망 자체가 견고하지 않고 노드 수가 많을 때에는 더더욱 복잡하고 구현하기가 쉽지 않다. 본 논문에서는 이를 해결하기 위해 가상소스와 플러딩에 기초한 QoS 제공 유니캐스트 라우팅 및 멀티캐스트 라우팅 방법인 VS-QUR(Virtual Source-Qualified Unicast Routing)과 VS-QMR(Virtual Source-Qualified Multicast Routing) 방법을 제안한다. 제안된 방법들은 라우팅 패스를 찾기 위해 훨씬 적은 수의 메시지 오버헤드와 같은 조건에서 더 많은 수의 연결이 보장됨을 시뮬레이션 결과로 증명한다.

• 정보보호학회논문지
• /
• 제21권6호
• /
• pp.183-190
• /
• 2011

감시카메라 환경에서 군중의 비정상 집단행동 탐지란 감시카메라로부터 유입되는 영상에서 다중 객체가 위험에 처한 상황을 신속하고 정확하게 탐지하는 분야를 말한다. 본 논문에서는 CCTV 등과 같은 감시카메라 환경에서 움직임 벡터와 SVDD를 이용하여 집단내의 비정상 상황을 탐지하는 프로토타입 시스템을 제안한다. 제안된 시스템은 H.264 압축과정에서의 움직임 벡터 정보를 이용하여 영상내의 움직임 정보를 추출 표현하였으며, 비정상 집단행동의 판별 문제를 실용적 차원의 단일 클래스 분류 문제로 재해석하여 단일 클래스 SVM의 대표적 모델인 SVDD를 탐지기로 설계하였다. 제안된 시스템은 H.264 압축 과정에서 얻어지는 움직임 벡터를 이용함으로써, 실시간성을 보장하며 SVDD의 점증적 갱신 학습 능력으로 인하여 비정상 집단행동 데이터베이스의 변화에도 능동적으로 적응할 수 있다. 공개적으로 사용 가능한 벤치마크 데이터 셋인 PETS 2009와 UMN을 이용하여 본 논문에서 제안한 비정상 집단행동 탐지 시스템의 성능을 실험적으로 검증한다.

• 지능정보연구
• /
• 제24권2호
• /
• pp.1-19
• /
• 2018

주가 예측은 학문적으로나 실용적으로나 중요한 문제이기에, 주가 예측에 관련된 연구가 활발히 진행되었다. 빅 데이터 시대에 도입하면서, 빅 데이터를 결합한 주가 예측 연구도 활발히 진행되고 있다. 다수의 데이터를 기반으로 기계 학습을 이용한 연구가 주를 이룬다. 특히 언론의 효과를 접목한 연구 방법들이 주목을 받고 있는데, 그중 온라인 뉴스를 분석하여 주가 예측에 활용하는 연구가 주를 이루고 있다. 기존 연구들은 온라인 뉴스가 개별 회사에 대한 미치는 영향을 주로 살펴보았다. 또한, 관련성이 높은 기업끼리 서로 영향을 주는 것을 고려하는 방법도 최근에 연구되고 있다. 이는 동질성을 가지는 산업군에 대한 효과를 살펴본 것인데, 기존 연구에서 동질성을 가지는 산업군은 국제 산업 분류 표준에 따른다. 즉, 기존 연구들은 국제 산업 분류 표준으로 나뉜 산업군이 동질성을 가진다는 가정하에서 분석을 시행하였다. 하지만 기존 연구들은 영향력을 가지는 회사를 고려하지 못한 채 예측하였거나 산업군 내에서 이질성이 존재하는 점을 반영하지 못했다는 한계점을 가진다. 본 연구는 산업군 내에 이질성이 존재함을 밝히고, 이질성을 반영하지 못한 기존 연구의 한계점을 K-평균 군집 분석을 적용하여, 주가에 영향을 미치는 산업군의 동질적인 효과를 반영할 수 있는 방법론을 제안하였다. 방법론이 적합하다는 것을 증명하기 위해 3년간의 온라인 뉴스와 주가를 통해 실험한 결과, 다수의 경우에서 본 논문에서 제시한 방법이 좋은 결과를 나타냄을 확인할 수 있었으며, 국제 산업 분류 표준 산업군 내에서 이질성이 클수록 본 논문에서 제시한 방법이 좋은 효과를 보인다는 것을 확인할 수 있었다. 본 연구는 국제 산업 분류 표준으로 나누어진 기업들이 높은 동질성을 가지지 않는 다는것을 밝히고 이를 반영한 예측 모형의 효율성을 입증하였다는 점에서 의의를 가진다.

• 지능정보연구
• /
• 제21권3호
• /
• pp.79-99
• /
• 2015

부도 예측은 회계와 재무 분야에서 꾸준히 연구되고 있는 분야이다. 초기에는 주로 다중판별분석(multiple discriminant analysis)와 로짓 분석(logit analysis)과 같은 통계적 방법을 이용하였으나, 1990년대 이후에는 경영 분야의 분류 문제를 위해 많은 연구자들이 인공신경망(back-propagation neural network), 사계기반추론(case-based reasoning), 서포트 벡터 머신(support vector machine) 등과 같은 인공지능을 통한 접근법을 이용하여 통계적 방법보다 분류 성과 측면에서 우수함을 입증해왔다. 기존의 기업의 부도에 관한 연구에서 많은 연구자들이 재무비율을 이용하여 부도 예측 모형을 구축하는 것에 초점을 맞추어왔다. 부도예측에 관한 연구가 꾸준히 진행되고 있는 반면, 부도의 세부적인 유형을 예측하여 제시하는 것에 대한 연구는 미흡한 실정이었다. 따라서 본 연구에서는 수익성, 안정성, 활동성 지표를 중심으로 국내 비외감 건설업 기업들의 부도 여부뿐만 아니라 부도의 세부적인 유형까지 예측 가능한 모형을 개발하고자 한다. 본 연구에서는 부도 유형을 예측하기 위해 두 개의 인공신경망 모형을 결합한 하이브리드 접근법을 제안하였다. 첫 번째 인공신경망 모형은 부도예측을 위한 역전파 인공신경망을 이용한 모형이며, 두 번째 인공신경망 모형은 부도 데이터를 몇 개의 유형으로 분류하는 자기조직화지도(self-organizing map)을 이용한 모형이다. 실험 결과를 통해 정의된 5개의 부도 유형인 심각한 부도(severe bankruptcy), 안정성 부족(lack of stability), 활동성 부족(lack of activity), 수익성 부족(lack of profitability), 회생 가능한 부도(recoverable bankruptcy)는 재무 비율에 따라 유형별로 상이한 특성을 갖는 것을 확인할 수 있었다. 본 연구 결과를 통해 신용 평가 분야의 연구자와 실무자들이 기업의 부도의 유형에 대한 유용한 정보를 얻을 것으로 기대한다.

• 콘크리트학회지
• /
• 제6권6호
• /
• pp.159-172
• /
• 1994

기존 콘크리트 구조물에 대한 콘크리트의 강도나 품질상태를 비파괴적으로 추정하는 방법에는 여러 가지가 있으나, 그 중에서 콘크리트 강도를 추정하는 방법들 중에서 반발경도법과 초음파속도법이 주로 많이 이용되고 있다. 그러나 이들 방법은 구조물의 종류나 재령, 각종 영향인자 등으로 콘크리트의 추정 강도가 서로 상이한 결과를 주며, 어느 경우의 특정 구조물에도 신뢰성있는 결과를 주기 어려운 문제가 있다. 콘크리트 구조물은 시공 후 사용 중에 갖가지 서로 다른 환경의 영향을 받게 되며, 특히 장기간 경과된 구조물은 당초의 건설이력 사항이 불분명하여 콘크리트 강도추정에 더욱 어려운 점이 많은 실정이다. 따라서, 본 연구의 목적은 우리나라 육지 및 해안 구조물에 대한 합리적인 강도 추정을 위하여 비파괴시험법을 이용하여 콘크리트 강도 추정식을 제안하였다. 이를 위하여 본 연구에서는 건설 후 오랜 공용년수를 지닌 기존 콘크리트 구조물들을 육지 구조물과 해안 구조물로 분류하여 대상구조물의 콘크리트에 직접 반발경도와의 관계, 코어 강도와 초음파 속도와의 관계, 코어 강도와 반발경도와 초음파 속도와의 다중상관 관계를 분석하였다. 본 연구 결과 현재 이용되고 있는 강도 추정식이나 환산도표는 오래된 기존 구조물의 강도 추정에 잘 맞지 않는 것으로 나타나고 있으며, 따라서 이들 구조물의 콘크리트 강도 추정을 합리적인 비파괴시험법을 이용한 예측 공식을 유도하여 제시하였다. 본 연구에서 제시된 강도 예측 공식은 오래된 기존 구조물의 콘크리트 강도 추정에 효율적으로 이용될 수 있을 것으로 사료된다.

• 한국데이타베이스학회:학술대회논문집
• /
• 한국데이타베이스학회 1999년도 춘계공동학술대회: 지식경영과 지식공학
• /
• pp.415-421
• /
• 1999

Altman의 연구(1965, 1977)나 Beaver의 연구(1986)와 같은 전통적 예측모형은 분석자의 판단에 따른 예측도가 높은 재무비율을 선정하여 다변량판별분석(MDA： multiple discriminant analysis), 로지스틱회귀분석 등과 같은 통계기법을 주로 이용해 왔으나 1980년 후반부터 인공지능 기법인 귀납적 학습방법, 인공신경망모형, 유전모형 둥이 부실기업예측에 응용되기 시작했다. 최근 연구에서는 인공신경망을 활용한 변수 및 모형개발에 관한 보고가 있다. 그러나 지금까지의 연구가 주로 기업의 재무적 비율지표를 고려한 모형에 치중되었으며 정성적 자료인 비재무지표에 대한 검증과 선정이 자의적으로 이루어져온 경향이었다. 또한 너무 많은 입력변수를 사용할 경우 다중공선성 문제를 유발시킬 위험을 내포하고 있다. 본 연구에서는 부실기업예측모형을 수립하기 위하여 정량적 요인인 재무적 지표변수와 정성적요인인 비재무적 지표변수를 모두 고려하였다. 재무적 지표변수는 상관분석 및 요인분석들을 통하여 유의한 변수들을 도출하였으며 비재무적 지표변수는 조직생태학내에서의 조직군내 조직사멸과 관련된 생태적 과정에 대한 요인들 중 조직군 내적요인으로 조직의 연령, 조직의 규모, 조직의 산업밀도를 도출하여 4개의 실험집단으로 분류하여 비재무적 지표변수를 보완하였다. 인공신경망은 다층퍼셉트론(multi-layer perceptrons)과 역방향 학습(back-propagation )알고리듬으로 입력변수와 출력변수, 그리고 하나의 은닉층을 가지는 3층 퍼셉트론(three layer perceptron)을 사용하였으며 은닉충의 노드(node)수는 3개를 사용하였다. 입력변수로 안정성, 활동성, 수익성, 성장성을 나타내는 재무적 지표변수와 조직규모, 조직연령, 그 조직이 속한 산업의 밀도를 비재무적 지표변수로 산정하여 로지스틱회귀 분석과 인공신경망 기법으로 검증하였다. 로지스틱회귀분석 결과에서는 재무적 지표변수 모형의 전체적 예측적중률이 87.50%인 반면에 재무/비재무적 지표모형은 90.18%로서 비재무적 지표변수 사용에 대한 개선의 효과가 나타났다. 표본기업들을 훈련과 시험용으로 구분하여 분석한 결과는 전체적으로 재무/비재무적 지표를 고려한 인공신경망기법의 예측적중률이 높은 것으로 나타났다. 즉, 로지스틱회귀분석의 재무적 지표모형은 훈련, 시험용이 84.45%, 85.10%인 반면, 재무/비재무적 지표모형은 84.45%, 85.08%로서 거의 동일한 예측적중률을 가졌으나 인공신경망기법 분석에서는 재무적 지표모형이 92.23%, 85.10%인 반면, 재무/비재무적 지표모형에서는 91.12%, 88.06%로서 향상된 예측적 중률을 나타내었다.