• Proceedings of the Korea Water Resources Association Conference
• /
• 1987.07a
• /
• pp.31-42
• /
• 1987

본 연구는 유역의 지형인자를 대기행렬이론(Queueing theory)에 적용하여 하천유역의 강우-유출 관계를 해석하고, 미 계측 유역이나 자료가 결핍된 유역에 적용할 수 있는 GIUH(Geomorphologic Instantaneous Unit Hydrograph)모델의 매개변수를 결정하는데 그 목적을 두었다. GIUH모델의 개념은 유역 시스템내의 강우의 지속기간동안 유역의 출구에서 가능한 많은 경로를 추적 할 수 있을것이라는 강우 대기행렬이론의 원리에 기초를 두었으며, 적용기법은 분할법(Sub-area method)과 평균치법(Mean-value method)을 적용하였다. GIUH모델의 적용성을 증명하기 위해서, 낙동강 위천유역(유역면적 472.53km)에 적용하였으며, 분할법과 평균치법은 유역의 분할을 위해서 채택하였다. 계산된 직접 유출 수문곡선과 관측 직접 유출 수문곡선을 비교한 결과는 첨두 유출량, 도달시간, 효률계수가 매우 근접한 결과를 나타내고 있었다. 따라서, GIUH모델은 미 계측 유역이나 자료가 결핍된 유역의 유출량 산정에 광범위하게 적용할 수 있음을 알 수 있었다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.10a
• /
• pp.271-274
• /
• 2004

기존의 참조서명과 입력서명을 비교하는 방법 중 분절 단위 비교 방법은 전역적 방법과 점단위 방법에 비하여 우수한 장점을 가지고 있다. 그러나 분절 단위 비교 방법은 인식률과 직접적인 관계가 있는 분절의 불안정 문제점이 있다. 본 연구에서는 분절 단위 비교 방법을 이용한 서명검증의 신뢰도를 향상시키기 위해 두 가지 형태의 모델을 구축하였다. 우선 기존에 사용된 구간 분할 매칭 방법을 사용하여 매칭도를 산출하였다. 다음으로 서명의 분할된 영역을 주성분 분석 기법에 의해 특징 벡터를 산출한 후 HMM에 의해 서명 모델을 구축하였다. 산출된 두 특징을 융합하는 방법으로는 SVM 분류기를 사용하였다 실험 결과 제안된 기법은 분절 단위 기반의 구간분할매칭 기법에 비해 우수한 성능을 나타냈다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.05a
• /
• pp.546-548
• /
• 2023

인공지능 기술을 도입한 의료분야에서 진단 및 예측을 위한 관련 연구가 활발하게 진행되고 있다. 특히, 인공지능 기술 적용에 가장 많이 활용되고 있는 의료영상을 기반으로 하는 질환에 관한 진단 연구는 매우 복잡한 과정이 필요한 질환의 진단에 큰 영향을 미치고 있다. 복부 장기들의 분할은 환자의 질환 진단 지원 및 복강경등의 수술 지원에 매우 중요한 부분을 차지한다. 본 논문에서는 의료영상을 통해 13가지 복부 장기들을 분할하는 모델을 만들고 그 결과를 보인다. 본 논문에서 제안한 모델을 통해 13가지 복부 장기에 대한 분할로 영상분석을 통해 진단 지원이 가능할 것으로 기대한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.05a
• /
• pp.660-662
• /
• 2023

3차원 포인트 클라우드의 의미적 분할은 환경을 구성하는 물체 단위로 포인트 클라우드를 분할하는 작업으로서, 환경의 3차원적 구성을 이해하고 환경과 상호작용에 필수적인 시각 지능을 요구한다. 본 논문에서는 포인트 클라우드에서 추출하는 3차원 기하학적 특징과 함께 멀티-뷰 영상에서 추출하는 2차원 시각적 특징들도 활용하는 새로운 3차원 포인트 클라우드 의미적 분할 모델 MFNet을 제안한다. 제안 모델은 서로 이질적인 2차원 시각적 특징과 3차원 기하학적 특징의 효과적인 융합을 위해, 새로운 중기 융합 전략과 멀티-모달 교차 주의집중을 이용한다. 본 논문에서는 ScanNetV2 벤치마크 데이터 집합을 이용한 다양한 실험들을 통해, 제안 모델 MFNet의 우수성을 입증한다.

• KIPS Transactions on Computer and Communication Systems
• /
• v.9 no.2
• /
• pp.37-44
• /
• 2020

In this paper, we proposed that a fully automatic multi-class whole heart segmentation algorithm using deep learning. The proposed method is based on U-Net architecture which consist of recurrent convolutional block, residual multi-dilated convolutional block. The evaluation was accomplished by comparing automated analysis results of the test dataset to the manual assessment. We obtained the average DSC of 96.88%, precision of 95.60%, and recall of 97.00% with CT images. We were able to observe and analyze after visualizing segmented images using three-dimensional volume rendering method. Our experiment results show that proposed method effectively performed to segment in various heart structures. We expected that our method can help doctors and radiologist to make image reading and clinical decision.

• Journal of KIISE:Computing Practices and Letters
• /
• v.16 no.11
• /
• pp.1096-1100
• /
• 2010

In this paper, we propose an automatic segmentation of the meniscus based on active shape model using interpolated shape information in MR images. First, the statistical shape model of meniscus is constructed to reflect the shape variation in the training set. Second, the generation technique of interpolated shape information by using the weight according to shape similarity is proposed to robustly segment the meniscus with large variation. Finally, the automatic meniscus segmentation is performed through the active shape model fitting. For the evaluation of our method, we performed the visual inspection, accuracy measure and processing time. For accuracy evaluation, the average distance difference between automatic segmentation and semi-automatic segmentation are calculated and visualized by color-coded mapping. Experimental results show that the average distance difference was $0.54{\pm}0.16mm$ in medial meniscus and $0.73{\pm}0.39mm$ in lateral meniscus. The total processing time was 4.87 seconds on average.

• Journal of the Institute of Electronics Engineers of Korea SP
• /
• v.42 no.4 s.304
• /
• pp.39-48
• /
• 2005

This paper proposes novel texture segmentation method using Bayesian estimation method and neural networks. We use multi-scale wavelet coefficients and the context information of neighboring wavelets coefficients as the input of networks. The output of neural networks is modeled as a posterior probability. The context information is obtained by HMT(Hidden Markov Tree) model. This proposed segmentation method shows better performance than ML(Maximum Likelihood) segmentation using HMT model. And post-processed texture segmentation results as using multi-scale Bayesian image segmentation technique called HMTseg in each segmentation by HMT and the proposed method also show that the proposed method is superior to the method using HMT.

• Proceedings of the Acoustical Society of Korea Conference
• /
• spring
• /
• pp.175-178
• /
• 2002

본 논문에서는 Hidden Markov Model(HMM)을 이용하여 corpus 기반 TTS에 사용할 DB를 자동 음소 분할 해주는 시스템을 구현하였다. HMM을 이용해서 음소 분할 할 경우 HMM을 모델링 하는 방법에 따라 많은 성능의 차이가 난다. 따라서 본 논문에서는 HMM 모델링 방법에 따른 몇 가지 실험 및 성능 평가를 하였다. 실험 결과 음성 인식과는 달리 HMM모델링 시 triphone 모델보다 monophone 모델의 성능이 더 우수하였으며, 에너지 기반의 후처리를 통해 성능 향상을 얻을 수 있었다.

• Journal of the Korean Society of Radiology
• /
• v.9 no.6
• /
• pp.417-420
• /
• 2015

We obtained Surviving Fraction (SF) after irradiation carbon beam to compare the applicability of the Linear-Quadratic model, Incomplete Repair model, Marchese model. Mathematica software(ver 9.0) used to calcurate parameters and compared result. LQ model could not explain the entire response of fractionated carbon beam irradiation. It becomes necessary to construct models that extend the LQ model of conventional radiotherapy for the carbon beam therapy. By combining both Potentially Lethal Damage Repair (PLDR) and Sublethal Damage Repair (SLDR) a new LQ model can develop that aptly modeled the cellular response to fractionated irradiation.

• Tunnel and Underground Space
• /
• v.33 no.6
• /
• pp.508-518
• /
• 2023

This paper presents a new approach for the automatic mapping of discontinuities in a tunnel face based on its 3D digital model reconstructed by LiDAR scan or photogrammetry techniques. The main idea revolves around the identification of discontinuity areas in the 3D digital model of a tunnel face by segmenting its 2D projected images using a deep-learning semantic segmentation model called U-Net. The proposed deep learning model integrates various features including the projected RGB image, depth map image, and local surface properties-based images i.e., normal vector and curvature images to effectively segment areas of discontinuity in the images. Subsequently, the segmentation results are projected back onto the 3D model using depth maps and projection matrices to obtain an accurate representation of the location and extent of discontinuities within the 3D space. The performance of the segmentation model is evaluated by comparing the segmented results with their corresponding ground truths, which demonstrates the high accuracy of segmentation results with the intersection-over-union metric of approximately 0.8. Despite still being limited in training data, this method exhibits promising potential to address the limitations of conventional approaches, which only rely on normal vectors and unsupervised machine learning algorithms for grouping points in the 3D model into distinct sets of discontinuities.