• 전자공학회논문지
• /
• 제53권3호
• /
• pp.46-55
• /
• 2016

본 논문에서는 IF 대역의 고속 신호처리 시스템 응용을 위해 높은 동적성능을 가지는 13비트 100MS/s ADC를 제안한다. 제안하는 ADC는 45nm CMOS 공정에서 동작 사양을 최적화하기 위해 4단 파이프라인 구조를 기반으로 하며, 광대역 고속 샘플링 입력단을 가진 SHA 회로는 샘플링 주파수를 상회하는 높은 주파수의 입력신호를 적절히 처리한다. 입력단 SHA 및 MDAC 증폭기는 요구되는 DC 이득 및 넓은 신호범위를 얻기 위해 이득-부스팅 회로 기반의 2단 증폭기 구조를 가지며, 바이어스 회로 및 증폭기에 사용되는 소자는 부정합을 최소화하기 위해 동일한 크기의 단위 소자를 반복적으로 사용하여 설계하였다. 한편, 온-칩 기준전류 및 전압회로에는 배치설계 상에서 별도의 아날로그 전원전압을 사용하여 고속 동작 시 인접 회로 블록에서 발생하는 잡음 및 간섭에 의한 성능저하를 줄였다. 또한, 미세공정상의 잠재적인 불완전성에 의한 성능저하를 완화하기 위해 다양한 아날로그 배치설계 기법을 적용하였으며, 전체 ADC 칩은 $0.70mm^2$의 면적을 차지한다. 시제품 ADC는 45nm CMOS 공정으로 제작되었으며, 측정된 DNL 및 INL은 각각 최대 0.77LSB, 1.57LSB의 값을 가지며, 동적성능은 100MS/s 동작 속도에서 각각 최대 64.2dB의 SNDR과 78.4dB의 SFDR을 보여준다. 본 시제품 ADC는 $2.0V_{PP}$의 넓은 입력신호범위를 처리하는 동시에 IF 대역에서 높은 동적성능을 확보하기 위해 사용공정상의 최소 채널 길이가 아닌 긴 채널 기반의 소자를 사용하며, 2.5V의 아날로그 전압, 2.5V 및 1.1V 두 종류의 디지털 전원전압을 사용하는 조건에서 총 425.0mW의 전력을 소모한다.

• 한국방사선학회논문지
• /
• 제15권6호
• /
• pp.919-926
• /
• 2021

본 연구는 무릎뼈의 변형된 접선 방향 검사 시 최적의 입사각에 대해 알아보고자 하였다. 실험은 Kyoto Kagaku사의 PBU-50 phantom을 이용하여 바로 누운 자세에서 넙다리뼈-정강뼈 각도(Femur-tibia angle, F-T angle)를 95°, 105°, 115°, 125°, 135°, 145°로 각각에서 X선 중심선과 정강뼈가 이루는 각도가 5~20° 되도록 5°씩 변경하여(62.5°, 67.5°, 72.5°, 77.5°, 82.5°, 87°, 87.5°) 무릎뼈 접선 방향 영상을 획득하였다. 영상분석을 위해 Image J를 이용하여 Congruence angle, Lateral patellofemoral angle, Patellofemoral index, 대조도 잡음비(Contrast to noise ratio, CNR)를 측정하였다. 통계 분석은 SPSS 22를 이용하여 일원배치분산분석과 대응표본 t-검정으로 Merchant method와 비교하였다. 연구 결과 Congruence angle의 경우 무릎 각도-X선 중심선의 입사각도가 105°-72.5°(20° 접선조사), 115°-72.5°, 77.5°(15, 20° 접선조사), 125°-82.5°(20° 접선조사), Lateral patellofemoral angle은 115°-72.5°, 77.5°(15, 20° 접선조사), 125°-72.5°(10° 접선조사), Patellofemoral index는 115°-72.5°(15° 접선조사), 125°-72.5°(10° 접선조사)에서 Merchant method와 유의한 차이가 없었다(p>.05). CNR의 경우 105°-67.5°, 72.5°(15, 20° 접선조사), 115°-67.5°, 72.5°, 77.5°(10, 15, 20°접선 조사)일 때 Merchant method와 차이가 없는 것으로 나타났다(p>.05). 본 연구의 결과를 통해 무릎뼈의 변형된 접선방향 검사 시 무릎 각도와 X선관의 입사각도를 각각 115°-72.5°(15° 접선 조사)로 설정함으로써 진단적 가치가 높은 영상을 획득할 수 있음을 확인하였다.

• 대한원격탐사학회지
• /
• 제37권3호
• /
• pp.515-530
• /
• 2021

본 연구에서는 Sentinel-1 C-band SAR(Synthetic Aperture Radar) 위성영상을 기반으로 다중선형회귀모형을 활용하여 금강 유역 상류에 위치한 용담댐 유역의 토양수분을 산정하였다. 10 m 공간 해상도의 Sentinel-1A/B SAR 영상은 6일 간격으로 2015년부터 2019년까지 5년 동안 구축하였고, SNAP(SentiNel Application Platform)을 사용하여 기하 보정, 방사 보정 및 잡음(Noise) 보정을 수행하고 VV 및 VH 편파 후방산란계수로 변환하였다. 토양수분 산정 모형의 검증자료로 TDR로 측정된 6개 지점의 실측 토양수분 자료를 구축하였으며, 수문학적 개념인 선행 강우를 고려하기 위해 동지점에 대한 강수량 자료를 구축하였다. 다중선형회귀모형은 전체 기간 및 계절별로 나누어 모의하였으며, 독립변수의 증감에 따른 상관성 분석을 진행하였다. 산정된 토양수분은 결정계수(R²)와 평균제곱근오차(RMSE)를 활용하여 검증하였다. 초지 지역에서 후방산란계수만을 이용한 토양 수분 산정 결과 R²가 0.13, RMSE가 4.83%으로 나타났으며 선행강우를 5일까지 사용했을 경우 R²가 0.37, RMSE가 4.11%로 상관성이 상승하는 모습을 보였다. 이 때, 토양수분의 계절별 변동성과 감소 패턴의 반영을 위해 무강우누적일수의 적용과 계절별 회귀식을 작성한 결과 R²가 0.69, RMSE가 2.88%로 상관성이 크게 상승하였다. SAR 기반 토양수분 추정 시 선행강우 및 무강우누적일수의 활용이 효과적이었다.

• 대한영상의학회지
• /
• 제84권6호
• /
• pp.1309-1323
• /
• 2023

목적 크론병 환자의 자기공명영상 장운동기록(MR enterography; 이하 MRE)에서 단발 고속 스핀 에코기법(single-shot fast spin-echo; 이하 SSFSE)을 이용한 단일호흡영상(singlebreath-hold; 이하 SBH)과 다호흡영상(multiple-breath-hold; 이하 MBH)을 딥러닝 기반 재구성(deep-learning based reconstruction; 이하 DLR)의 유무에 따라 네 개의 영상에서 품질을 비교했다. 대상과 방법 이 연구는 후향적 연구로서, 크론병으로 MRE를 시행한 61명의 환자가 포함되었다. SBH와 MBH SSFSE 영상에서 각각 DLR과 고식적 재구성(conventional reconstruction; 이하 CR)을 시행한 영상을 획득했다. 두 명의 영상의학과 전문의가 네 가지 영상을 분석하여 전반적인 영상의 품질, 인공물, 선명도와 움직임 관련 신호 손실에 대하여 각각 5점 척도를 이용해 점수를 부여했다. 회장과 말단 회장, 결장에서 염증을 시사하는 세 가지 소견을 평가했다. 각 영상에 대해서 공간적 불일치 여부를 확인했고, 네 가지 영상에서 각각 다른 두 위치에서 신호 대 잡음비(signal-to-noise ratio; 이하 SNR)를 계산했다. 결과 SBH SSFSE 영상에서 DLR을 적용한 경우 CR보다 영상의 품질, 인공물, 선명도가 통계학적으로 유의하게 개선되었다. 네 가지 영상 중 SBH-DLR 영상에서 SNR이 가장 높게 나타났다(p < 0.001). 염증 소견에 대한 판독자 간 일치율은 좋음에서 매우 좋음으로 나타났고(κ = 0.76-0.95) 시퀀스 간 일치율은 매우 좋음으로 측정되었다(κ = 0.92-0.94). 공간적 불일치는 SBH 영상보다 MBH 영상에서 통계학적으로 유의하게 빈도가 높았다(p < 0.001). 결론 SBH-DLR 영상은 MBH-CR 영상과 비교했을 때 동등한 영상 품질과 성능을 보여주었다. 또한, MBH 영상에 비해 절반 이하의 시간과 단일 호흡만으로 영상을 획득할 수 있으며 공간 불일치를 줄일 수 있는 대체제로 사용할 수 있다.

• 핵의학기술
• /
• 제18권1호
• /
• pp.49-61
• /
• 2014

인구의 고령화와 함께 골다공증성 척추압박골절 환자의 발병률은 매년 증가하는 추세이며 경피적 척추성형(percutaneous vertebroplasty, PVP)은 가장 많이 시행되는 표준화된 치료 방법이다. 시술 전 후의 정확한 진단평가에 있어 SPECT/CT 검사의 유용성이 우수하다는 연구 보고가 있으나 시술에 사용되는 골 시멘트(bone cement) 물질은 CT 영상에서 인공물(artifact)을 생성하여 영상품질에 영향을 미친다. 이에 본 연구에서는 골 시멘트가 SPECT/CT 영상에 미치는 영향을 평가하는 데 목적을 두었다. NEMA-1994 팬텀(phantom)에 배후방사능(3.6 kBq/ml), 열소(29.6 kBq/ml), 냉소(물)를 설정한 후 각 원통(cylinder)에 모형 시멘트를 삽입하여 영상 획득하였다. Astonish (Iterative: 4, Subset: 16)으로 재구성하였고, CT 보정 방법은 비감쇠보정(NAC), 감쇠보정(AC+SC-), 감쇠 및 산란보정(AC+SC+) 3가지 방법을 사용하였다. 각각의 보정방법에 따른 평균계수와 시멘트물질의 유 무에 따른 계수 변화율을 비교하고 대조도 회복 계수(contrast recovery coefficient, CRC)를 구했다. 또한, 압박골절 진단을 받은 환자 107명 중 PVP를 시행한 20명을 선별하여 추체를 골절, 정상, 시멘트로 나누고 연조직(척추기립근)을 포함 4곳의 평균 계수를 측정한 후, 뼈/연조직 간 계수 비(bone/soft tissue ratio, B/S ratio)을 구했다. NAC를 기준으로 AC+SC-, AC+SC+의 평균계수는 증가하였고, AC+SC-의 평균계수가 가장 높았으며, AC+SC+는 AC+SC-에 비해 상대적으로 낮았다. 시멘트 물질의 유 무에 따른 평균계수는 시멘트가 존재할 때 NAC, AC+SC-, AC+SC+에 따라 팬텀의 열소에서 12.4%, 6.5%, 1.5%, 냉소 75.2%, 85.4%, 102.9%, 배후방사능 13.6%, 18.2%, 9.1%, 임상영상의 골절부에서 33.1%, 41.4%, 63.5%, 정상부 53.1%, 61.6%, 67.7%, 연조직 10.0%, 4.7%, 3.6%의 증가율을 보였다. 반면 원통 내부의 시멘트 인접부에서 상대적 계수감소를 확인할 수 있었고, 병소에 대한 팬텀영상과 임상영상간의 계수 증가율은 상반된 양상을 보였다. 대조도 비를 나타내는 CRC와 B/S ratio는 NAC, AC+SC-, AC+SC+순으로 향상되었고, 팬텀의 냉소에서는 큰 변화 없이 일정하였다. 정량적 계수는 AC+SC-가, 대조도 비는 AC+SC+가 가장 높게 분석되었다. PVP 시행 환자의 척추 뼈 SPECT/CT 검사에서 AC+SC- 의 사용은 영상계수를 대폭 향상시켜 특히 병소의 농도가 높은 영상을 얻는 반면에 골 시멘트의 영향과 함께, 연부조직 및 산란영역의 영상잡음 계수까지 증가시키므로 대조도비를 향상시키는 AC+SC+의 적용을 병행한다면 임상진단에 유용할 것으로 사료된다.

• 지능정보연구
• /
• 제23권2호
• /
• pp.107-122
• /
• 2017

주식시장의 주가 수익률에 나타나는 변동성은 투자 위험의 척도로서 재무관리의 이론적 모형에서뿐만 아니라 포트폴리오 최적화, 증권의 가격 평가 및 위험관리 등 투자 실무 영역에서도 매우 중요한 역할을 하고 있다. 변동성은 주가 수익률이 평균을 중심으로 얼마나 큰 폭의 움직임을 보이는가를 판단하는 지표로서 보통 수익률의 표준편차로 측정한다. 관찰 가능한 표준편차는 과거의 주가 움직임에서 측정되는 역사적 변동성(historical volatility)이다. 역사적 변동성이 미래의 주가 수익률의 변동성을 예측하려면 변동성이 시간 불변적(time-invariant)이어야 한다. 그러나 대부분의 변동성 연구들은 변동성이 시간 가변적(time-variant)임을 보여주고 있다. 이에 따라 시간 가변적 변동성을 예측하기 위한 여러 계량 모형들이 제안되었다. Engle(1982)은 변동성의 시간 가변적 특성을 잘 반영하는 변동성 모형인 Autoregressive Conditional Heteroscedasticity(ARCH)를 제안하였으며, Bollerslev(1986) 등은 일반화된 ARCH(GARCH) 모형으로 발전시켰다. GARCH 모형의 실증 분석 연구들은 실제 증권 수익률에 나타나는 두터운 꼬리 분포 특성과 변동성의 군집현상(clustering)을 잘 설명하고 있다. 일반적으로 GARCH 모형의 모수는 가우스분포로부터 추출된 자료에서 최적의 성과를 보이는 로그우도함수에 대한 최우도추정법에 의하여 추정되고 있다. 그러나 1987년 소위 블랙먼데이 이후 주식 시장은 점점 더 복잡해지고 시장 변수들이 많은 잡음(noise)을 띠게 됨에 따라 변수의 분포에 대한 엄격한 가정을 요구하는 최우도추정법의 대안으로 인공지능모형에 대한 관심이 커지고 있다. 본 연구에서는 주식 시장의 주가 수익률에 나타나는 변동성의 예측 모형인 GARCH 모형의 모수추정방법으로 지능형 시스템인 Support Vector Regression 방법을 제안한다. SVR은 Vapnik에 의해 제안된 Support Vector Machines와 같은 원리를 회귀분석으로 확장한 모형으로서 Vapnik의 e-insensitive loss function을 이용하여 비선형 회귀식의 추정이 가능해졌다. SVM을 이용한 회귀식 SVR은 두터운 꼬리 분포를 보이는 주식시장의 변동성과 같은 관찰치에서도 우수한 추정 성능을 보인다. 2차 손실함수를 사용하는 기존의 최소자승법은 부최적해로서 추정 오차가 확대될 수 있다. Vapnik의 손실함수에서는 입실론 범위내의 예측 오차는 무시하고 큰 예측 오차만 손실로 처리하기 때문에 구조적 위험의 최소화를 추구하게 된다. 금융 시계열 자료를 분석한 많은 연구들은 SVR의 우수성을 보여주고 있다. 본 연구에서는 주가 변동성의 분석 대상으로서 KOSPI 200 주가지수를 사용한다. KOSPI 200 주가지수는 한국거래소에 상장된 우량주 중 거래가 활발하고 업종을 대표하는 200 종목으로 구성된 업종 대표주들의 포트폴리오이다. 분석 기간은 2010년부터 2015년까지의 6년 동안이며, 거래일의 일별 주가지수 종가 자료를 사용하였고 수익률 계산은 주가지수의 로그 차분값으로 정의하였다. KOSPI 200 주가지수의 일별 수익률 자료의 실증분석을 통해 기존의 Maximum Likelihood Estimation 방법과 본 논문이 제안하는 지능형 변동성 예측 모형의 예측성과를 비교하였다. 주가지수 수익률의 일별 자료 중 학습구간에서 대칭 GARCH 모형과 E-GARCH, GJR-GARCH와 같은 비대칭 GARCH 모형에 대하여 모수를 추정하고, 검증 구간 데이터에서 변동성 예측의 성과를 비교하였다. 전체 분석기간 1,487일 중 학습 기간은 1,187일, 검증 기간은 300일 이다. MLE 추정 방법의 실증분석 결과는 기존의 많은 연구들과 비슷한 결과를 보여주고 있다. 잔차의 분포는 정규분포보다는 Student t분포의 경우 더 우수한 모형 추정 성과를 보여주고 있어, 주가 수익률의 비정규성이 잘 반영되고 있다고 할 수 있다. MSE 기준으로, SVR 추정의 변동성 예측에서는 polynomial 커널함수를 제외하고 linear, radial 커널함수에서 MLE 보다 우수한 예측 성과를 보여주었다. DA 지표에서는 radial 커널함수를 사용한 SVR 기반의 지능형 GARCH 모형이 가장 우수한 변동성의 변화 방향에 대한 방향성 예측력을 보여주었다. 추정된 지능형 변동성 모형을 이용하여 예측된 주식 시장의 변동성 정보가 경제적 의미를 갖는지를 검토하기 위하여 지능형 변동성 거래 전략을 도출하였다. 지능형 변동성 거래 전략 IVTS의 진입규칙은 내일의 변동성이 증가할 것으로 예측되면 변동성을 매수하고 반대로 변동성의 감소가 예상되면 변동성을 매도하는 전략이다. 만약 변동성의 변화 방향이 전일과 동일하다면 기존의 변동성 매수/매도 포지션을 유지한다. 전체적으로 SVR 기반의 GARCH 모형의 투자 성과가 MLE 기반의 GARCH 모형의 투자 성과보다 높게 나타나고 있다. E-GARCH, GJR-GARCH 모형의 경우는 MLE 기반의 GARCH 모형을 이용한 IVTS 전략은 손실이 나지만 SVR 기반의 GARCH 모형을 이용한 IVTS 전략은 수익으로 나타나고 있다. SVR 커널함수에서는 선형 커널함수가 더 좋은 투자 성과를 보여주고 있다. 선형 커널함수의 경우 투자 수익률이 +526.4%를 기록하고 있다. SVR 기반의 GARCH 모형을 이용하는 IVTS 전략의 경우 승률도 51.88%부터 59.7% 사이로 높게 나타나고 있다. 옵션을 이용하는 변동성 매도전략은 방향성 거래전략과 달리 하락할 것으로 예측된 변동성의 예측 방향이 틀려 변동성이 소폭 상승하거나 변동성이 하락하지 않고 제자리에 있더라도 옵션의 시간가치 요인 때문에 전체적으로 수익이 실현될 수도 있다. 정확한 변동성의 예측은 자산의 가격 결정뿐만 아니라 실제 투자에서도 높은 수익률을 얻을 수 있기 때문에 다양한 형태의 인공신경망을 활용하여 더 나은 예측성과를 보이는 변동성 예측 모형을 개발한다면 주식시장의 투자자들에게 좋은 투자 정보를 제공하게 될 것이다.

• 핵의학기술
• /
• 제18권2호
• /
• pp.22-27
• /
• 2014

PET/CT검사는 장비의 발전과 더불어 환자의 피폭을 줄이기 위하여 저 선량을 사용하는 추세에 있다. 이에 PET/CT scanner의 영상의 질을 유지하기 위하여 주입선량의 변화에 따른 적정한 bed당 획득시간을 평가하고자 한다. 모형 실험은 NEMA NU2-1994 phantom으로 hot cylinder의 농도를 3, 4.3, 5.5, 6.7 MBq/kg 으로 증가시키고 bed당 획득시간을 30 sec, 1 min, 1 min 30 sec, 2 min, 2 min 30 sec, 3 min, 3 min 30 sec, 4 min, 4 min 30sec, 5 min, 5 min 30 sec 10 min, 20 min, 30 min로 늘려가며 영상을 획득 후 hot cylinder의 농도와 배후 방사능에 4개의 ROI (Region of Interest)을 설정하고 hot cylinder의 농도 와 bed당 획득시간에 따른 변화를 최대 표준섭취계수(Standard Uptake Value maximum, $SUV_{max}$)를 측정 후 신호 대 잡음비(Signal to Noise Ratio, SNR), BKG (Background)의 표준편차를 계산하여 비교해 보았다. 또한 4.3 MBq phantom을 이용하여 검사 대기시간의 변화(15분과 1시간)에 따른 각각의 $SUV_{max}$, SNR, BKG의 표준편차를 비교하였다. 단위 질량당 방사능의 농도가 3, 4.3, 5.5, 6.7 MBq으로 증가하고 또한 각 농도의 time/bed을 1분30초에서 30분까지 늘렸을 때 hot cylinder의 $SUV_{max}$ 값은 bed당 획득시간이 각 방사능의 농도에 따라 30초에서 2분까지는 최대 18.3에서 최소 7.3까지 변화가 심했고 2분 30초에서 30분까지는 최대 8에서 최소 5.6으로 일정한 $SUV_{max}$ 값을 나타내었다. 단위 질량당 방사능의 변화에 따른 SNR은 3 MBq에서는 최소 0.41에서 최대 0.49까지 일정하였고 4.3 MBq과 5.5 MBq에서는 각각 최소 0.23, 0.39에서 최대 0.59, 0.54로 bed당 획득시간이 늘수록 상승하였다. 방사능 농도 6.7 MBq에서는 30초에서 최대 0.59로 높았지만 이후 0.43에서 0.53으로 일정하게 유지하였다. BKG (Background)의 표준편차는 3 MBq에서 2분 30초 후부터 0.38에서 0.06으로 낮아졌고 4.3 MBq과 5.5 MBq에서는 1분 30초 후부터 0.38에서 0으로 낮아졌고 6.7 MBq에서는 30초에서 30분 전 구간에서 낮은 0.33에서 0.05이었다. 4.3 MBq 팬텀으로 검사대기시간을 15분과 1시간으로 변화시킨 결과에서는 bed당 획득시간이 2분 30초부터 $SUV_{max}$값이 서로 일정한 값을 보였고 SNR은 1분 30초부터 비슷한 값을 보였다. 위 결과와 같이 단위 질량당 주입된 방사능의 농도를 3, 4.3, 5.5, 6.7 MBq으로 증가시켰을 때 bed당 획득시간이 2분 30초 이상에서는 $SUV_{max}$와 SNR의 값이 서로 일정하게 유지되고 검사 대기시간의 변화(15분과 1시간)에서도 bed당 획득시간이 2분 30초 이상에서는 $SUV_{max}$와 SNR의 값이 일정하게 유지되는 것을 알 수 있었다. 이 NEMA NU2-1994 phantom 실험의 결과에서 주입되는 방사능의 농도의 변화에도 일정한 $SUV_{max}$와 SNR의 값을 구하기 위한 최소 bed당 획득시간은 2분 30초이라는 것을 알 수 있었다. 하지만 이 획득시간은 장비의 사양과 특성에 따라 차이가 있을 수 있다.