• Journal of the Korea Society of Computer and Information
• /
• v.26 no.12
• /
• pp.45-52
• /
• 2021

In this paper, we propose a prediction model for osteopenia and osteoporosis based on a convolutional neural network(CNN) using computed tomography(CT) images. In a single CT image, CNN had a limitation in utilizing important local features for diagnosis. So we propose a compound model which has two identical structures. As an input, two different texture images are used, which are converted from a single normalized CT image. The two networks train different information by using dissimilarity loss function. As a result, our model trains various features in a single CT image which includes important local features, then we ensemble them to improve the accuracy of predicting osteopenia and osteoporosis. In experiment results, our method shows an accuracy of 77.11% and the feature visualize of this model is confirmed by using Grad-CAM.

• KDI Journal of Economic Policy
• /
• v.21 no.1
• /
• pp.3-58
• /
• 1999

본고는 위기 이전 우리나라의 상위 재벌기업이 과연 정부의 암묵적 투자손실보전(implicit loss-protection)에 기인하여 위험이 큰 사업에 과다하게 투자하였는가를 실증적으로 규명하여 보고자 하였다. 본고는 먼저 이론적 모형을 통하여 한 경제에 투자손실보전에 대한 기대하에서 투자를 한 기업과 그렇지 않은 기업이 공존할 때, 전자는 후자에 비하여 1) 투자를 많이 하게 될 뿐 아니라, 2) 불확실성의 증가에 대하여 투자를 더욱 늘릴 유인이 존재한다는 것을 보여주었다. 본고는 실증분석에서는 우리나라 상장기업(제조업 및 전산업)의 투자함수를 1992년~97년 기간에 대해 매출액 가속도모형(sales accelerator model)을 이용하여 추정한 결과, 투자손실보전에 대한 기대가 투자결정시 가장 중요하게 작용하였을 것으로 선험적으로 판단되는 5대 재벌기업과 이러한 기대가 가장 작았을 것으로 판단되는 독립기업간에 이론적으로 예상되었던 차이가 관찰되었다. 먼저 전체표본기업에 대한 분석(pooled regressions)에서는 5대 재벌기업은 여타기업에 비하여 매출액의 시차분포와 같은 통상적인 투자의 결정요인으로 설명될 수 없는 높은 투자수준의 차이가 두 그룹간 미래 수익성 전망의 차이, 유동성제약의 정도에 있어서의 차이, 기업규모에서의 차이 등에 기인할 가능성은 작은 것으로 나타났다. 한편 그룹별 분석(regressions by group)에서 5대 재벌기업은 수익률의 불확실성이 증가할 때 오히려 투자를 늘리는 것으로 관찰되었는데, 이는 여타기업에서 불확실성의 계수가 유의하지는 않지만 음수로 추정된 것과는 대조적이었다. 위의 결과는 과거 우리나라의 상위 재벌기업들이 재벌의 부도를 정부가 정치 경제적으로 수용하기 어려울 것이라는 대마불사(大馬不死)의 기대하에 고위험사업에 과다하게 투자하였다는 주장을 뒷받침한다고 판단된다. 향후 유사한 문제의 재발 방지를 위해서는 투자결과에 대한 책임을 투자자인 기업이 져야 함을 철저히 인식하도록 제도 및 관행상 개선노력이 필요하다고 판단되며, 특히 부실기업정리과정에서 부실에 대한 책임을 투자자가 지는 선례(先例)를 확립해 나가는 것이 무엇보다 중요할 것이다.

• Journal of the Korean Society of Radiology
• /
• v.16 no.3
• /
• pp.295-302
• /
• 2022

Sparse-view computed tomography (CT) imaging technique is able to reduce radiation dose, ensure the uniformity of image characteristics among projections and suppress noise. However, the reconstructed images obtained by the sparse-view CT imaging technique suffer from severe artifacts, resulting in the distortion of image quality and internal structures. In this study, we proposed a convolutional neural network (CNN) with wavelet transformation and residual learning for reducing artifacts in sparse-view CT image, and the performance of the trained model was quantitatively analyzed. The CNN consisted of wavelet transformation, convolutional and inverse wavelet transformation layers, and input and output images were configured as sparse-view CT images and residual images, respectively. For training the CNN, the loss function was calculated by using mean squared error (MSE), and the Adam function was used as an optimizer. Result images were obtained by subtracting the residual images, which were predicted by the trained model, from sparse-view CT images. The quantitative accuracy of the result images were measured in terms of peak signal-to-noise ratio (PSNR) and structural similarity (SSIM). The results showed that the trained model is able to improve the spatial resolution of the result images as well as reduce artifacts in sparse-view CT images effectively. Also, the trained model increased the PSNR and SSIM by 8.18% and 19.71% in comparison to the imaging model trained without wavelet transformation and residual learning, respectively. Therefore, the imaging model proposed in this study can restore the image quality of sparse-view CT image by reducing artifacts, improving spatial resolution and quantitative accuracy.

• The Journal of Korean Institute of Next Generation Computing
• /
• v.15 no.5
• /
• pp.64-74
• /
• 2019

Although a non-rigid registration has high demands in clinical practice, it has a high computational complexity and it is very difficult for ensuring the accuracy and robustness of registration. This study proposes a method of applying a non-rigid registration to 3D magnetic resonance images of brain in an unsupervised learning environment by using a deep-learning network. A feature vector between two images is produced through the network by receiving both images from two different patients as inputs and it transforms the target image to match the source image by creating a displacement vector field. The network is designed based on a U-Net shape so that feature vectors that consider all global and local differences between two images can be constructed when performing the registration. As a regularization term is added to a loss function, a transformation result similar to that of a real brain movement can be obtained after the application of trilinear interpolation. This method enables a non-rigid registration with a single-pass deformation by only receiving two arbitrary images as inputs through an unsupervised learning. Therefore, it can perform faster than other non-learning-based registration methods that require iterative optimization processes. Our experiment was performed with 3D magnetic resonance images of 50 human brains, and the measurement result of the dice similarity coefficient confirmed an approximately 16% similarity improvement by using our method after the registration. It also showed a similar performance compared with the non-learning-based method, with about 10,000 times speed increase. The proposed method can be used for non-rigid registration of various kinds of medical image data.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.21 no.1
• /
• pp.87-92
• /
• 2021

Bias, variance, error and learning are important factors for performance in modeling a big data based recommendation system. The recommendation model in this system must reduce complexity while maintaining the explanatory diagram. In addition, the sparsity of the dataset and the prediction of the system are more likely to be inversely proportional to each other. Therefore, a product recommendation model has been proposed through learning the similarity between products by using a factorization method of the sparsity of the dataset. In this paper, the generalization ability of the model is improved by applying the max-norm regularization as an optimization method for the loss function of this model. The solution is to apply a stochastic projection gradient descent method that projects a gradient. The sparser data became, it was confirmed that the propsed regularization method was relatively effective compared to the existing method through lots of experiment.

• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 1992.10a
• /
• pp.3-3
• /
• 1992

타이어 Curing공정은 공기압 타이어의 제조시 상당히 정교한 단계를 거쳐서 이루어지며, 이는 타이어 설계에 큰 영향을 줄 뿐만아니라, 타이어의 성능에도 관건이 있다. 본 연구에서는 유한요소법을 이용하여 타이어의 molding 공정을 분석하였다. 유한요소해석 프로그램인 MARC가 Cured 타이어 내부의 Curing Bladder 팽창과정해석에 이용되었다. 비압축성 요소로 Curing Bladder를 모형화하였으며, MARC의 접촉문제해석기법(contact option)을 이용하여 Cured 타이어 내부와 Curing Bladder 외부의 접촉부위를 Simulation하였다. 본 연구의 주요 관심내용으로서는 Curing Bladder의 형상변화에 따른 Curing Bladder의 팽창거동해석과, Cured타이어와 Curing Bladder의 접촉부위에서 얻을 수 있는 접촉압력의 비교.검토이다. 타이어 Curing시 타이어와 Bladder의 Contact과정을 해석하여, 아래와 같은 결과를 도출하였다. Bladder의 형상은 Cylinderical 형상 보다는 Toroidal 형태가 접촉압 분포의 균일성 및 크기 측면에 서 우수한 것으로 판단된다. Curing Bladder의 증심선 부위 보다 이에서 약간 떨어진 부위에서 최대 접촉압력이 발생되며, 이는 타이어 내면의 굴곡현상과 깊은 관련이 있윰 것으로 사료된다. 타이어 Bead부의 Carcass 자연평형현상이 유지된 제품을 얻기위해서는, Side-Bead구간의 접촉압력 증가가 필요하며, 이를 위하여는 Bladder 형상이 Cylinderical 보다는 Toroidal 형태가 유리하고, Bead부의 Gage Down, 전체직경의 증가 및 높이의 증가가 유리한 것으로 판단된다. 본 연구 결과를 이용하여, 타이어 Curing과정에서 발생되는 불량제품의 원인파악 및 타이어 설계자가 원하는 제품생산의 불가능한 원인을 파악하는데 도움을 줄 것이다.를 C의 structure와 pointer를 기반으로 하게끔 변경시키고 이에 따르는 제반 변경 사항을 수정 보완하여 프로그램의 분석을 용이하게 하며 기능의 변경 및 추가가 수월하게 하였고 메모리를 동적으로 관리할 수 있게 하였다. 또한 기존의 smpl에 디버깅용 함수 및 설비(facility) 제어용 함수를 추가하여 시뮬레이션 프로그램 작성을 용이하게 하였다. 예를 들면 who_server(), who_queue(), pop_Q(), push_Q(), pop_server(), push_server(), we(), wf(), printfct() 같은 함수들이다. 또한 동시에 발생되는 사건들의 순서를 조종하기 위해, 동시에 발생할 수 있는 각각의 사건에 우선순위를 두어 이 우선 순위에 의하여 사건 리스트(event list)에서 자동적으로 사건들의 순서가 결정되도록 확장하였으며, 설비 제어방식에 있어서도 FIFO, LIFO, 우선 순위 방식등을 선택할 수 있도록 확장하였다. SIMPLE는 자료구조 및 프로그램이 공개되어 있으므로 프로그래머가 원하는 기능을 쉽게 추가할 수 있는 장점도 있다. 아울러 SMPLE에서 새로이 추가된 자료구조와 함수 및 설비제어 방식등을 활용하여 실제 중형급 시스템에 대한 시뮬레이션 구현과 시스템 분석의 예를 보인다._3$", chain segment, with the activation energy of carriers from the shallow trap with 0.4[eV], in he amorphous regions.의 증발산율은 우기의 기상자료를 이용하여 구한 결과 0.05 - 0.10 mm/hr 의 범위로서 이로 인한 강우손실량은 큰 의미가 없음을 알았다.재발이 나타난 3례의 환자를 제외한 9례 (75%)에서는 현재까지 재발소견을 보이지 않고 있다. 이러한 결과는 다른 보고자들과 유사한 결과를 보이고 있지만 아직까지 증례가 많지 않기 때문에 생존율을 얻

• The Journal of the Acoustical Society of Korea
• /
• v.34 no.6
• /
• pp.470-478
• /
• 2015

A heuristic method treating a layered ocean bottom in a ray modeling is to use the plane wave reflection coefficient for multiple-layered structure, named an one-layer assumption in this paper. We examine the validity of one-layer assumption in the case of two-layered ocean bottom, and obtain a simple inequality condition depending on the sound speed ratio, the ratio of layer thickness to source-receiver range, and the grazing angle of first reflected ray. From this inequality condition, it is shown that an one-layer assumption can be applicable to ray propagation problems at mid frequencies. Finally, numerical experiments are performed in the ocean environment similar to the East Sea in Korea. Incoherent transmission loss is calculated by the geometrical beam model with the plane wave reflection coefficient for multiple-layered ocean bottom and compared with the result of SNUPE 2.0, which is a parabolic equation package developed in Seoul National University.