• 스마트미디어저널
• /
• 제12권10호
• /
• pp.71-84
• /
• 2023

넙치 양식은 우리나라 양식 산업의 절반 이상 차지할 정도로 큰 비중을 차지한다. 그러나 연중 총사육량의 25~30% 정도가 질병으로 인한 집단 폐사가 발생하여 양식장의 경제성에 매우 나쁜 영향을 준다. 넙치 양식장의 경제성 성장을 위해서는 넙치 질병 증상 진단을 자동화하여 빠르고 정확하게 질병 진단을 하는 방법이 필요하다. 본 연구에서는 독창적인 학습 데이터 수집 방법과 학습 정제 알고리즘 및 학습 데이터 분리 기법을 사용하여 학습 데이터를 구축하고 4가지 객체 탐지 딥러닝 모델(YOLOv8, Swin, Vitdet, MvitV2)의 넙치 질병증상 감지 성능을 비교한다. 실험 결과 YOLOv8 모델이 평균 인식률(mAP)과 예상 도착 시간(ETA) 관점에서 우수하다는 결론을 얻었다. 본 연구에서 제안하는 AI 모델의 성능이 검증되면 넙치 양식장에서는 실시간으로 넙치 질병을 진단할 수 있고, 진단 결과에 따른 신속한 예방 조치로 양식장의 생산성은 크게 향상될 것이라 기대된다.

• 디지털융복합연구
• /
• 제16권7호
• /
• pp.223-229
• /
• 2018

최근 전기기기로 인한 화재발생이 급증함에 따라 기기에 대한 안전진단의 필요성이 높아지고 있다. 본 연구는 지능형의 Fuzzy기술을 이용한 전기기기의 안전진단에 관한 것으로 기기의 사용전류특성, 누적사용시간, 열화특성 및 Arc특성 등의 복합적인 전기안전 요인을 검출하여 진단한다. 이들 안전요인을 실시간으로 추출하기 위하여 각종 Sensor회로, DSP(Digital Signal Processor) 신호처리회로, 무선통신회로 등으로 구성된 Board를 설계하였고, 추출된 4가지 진단정보를 이용하여, 기기의 안전정도를 퍼지수치 값으로 표시하기 위하여 각 정보마다 Gaussian function을 사용한 퍼지 알고리즘을 설계하고 DSP에 실장 하였다. 지능적인 퍼지알고리즘은 4가지의 진단정보를 입력받아 퍼지엔진으로 추론하고 해당기기의 종합적인 안전 상태를 사람의 감성에 익숙한 100단계의 아날로그 퍼지 값으로 출력한다. 본 연구에서 구현된 DSP 하드웨어와 퍼지 알고리즘을 융합한 보드의 실험을 통하여, 전기기기의 운전 중 실시간 안전 상태를 복합적으로 검출하고, 사람에게 친화적인 감성적 퍼지 값으로 진단결과를 출력하는 기능을 소형의 DSP Board에서 구현할 수 있음을 입증하였다. 향후 인공지능 전용 Micom이 출시된다면 지능을 바탕으로 보다 진보된 진단 시스템을 연구할 수 있을 것으로 기대한다.

• 한국컴퓨터정보학회논문지
• /
• 제25권9호
• /
• pp.37-44
• /
• 2020

AI 기술은 법률, 특허, 금융, 국방의 의사결정지원 기술 형태로 발전하여 질병 진단과 법률 판정 등에 적용되고 있다. Deep Learning으로 실시간 정보를 검색하려면, Big data Analysis과 Deep Learning Algorithm이 필요하다. 본 논문에서는 Deep Learning 모델인 RNN(Recurrent Neural Network)을 이용하여 상위권 대학 진학률을 예측하고자 한다. 우선, 행정구역 사설학원 현황과 행정구역 연령별 학생 수를 분석하고 교육열이 높은 지역에 거주하는 학생이 상위권 대학 진학률이 높다는 사회 통념의 가설을 설정했다. 예측된 가설과 정부의 공공데이터를 활용하여 분석된 자료를 토대로 검증하고자 한다. 예측모델은 2015년부터 2017년까지의 데이터를 활용하여 상위권 진학률을 예상하도록 학습하고, 학습된 모델은 2018년 상위권 진학률을 예측한다. 교육특구지역의 상위권 진학률을 Deep Learning 모델인 RNN을 이용하여 예측 실험을 수행했다. 본 논문은 교육열이 높은 지역의 사설학원 현황, 연령별 학생 수에 미치는 영향에 대해서 가구소득, 사교육의 참여 비율을 분석하여 상위권 진학률의 상관관계를 정의한다.

• 한국수정란이식학회지
• /
• 제33권3호
• /
• pp.149-157
• /
• 2018

The objective of this study was to evaluate the effect of treating dairy cattle with exogenous human chorionic gonadotrophin (hCG), five (5) days post artificial insemination (AI) on serum progesterone (P4) concentration and pregnancy rate. In this experiment, five days after AI, cows were assigned randomly to two groups namely: a) treated group (67) which were administrered with 1500 IU hCG (Chorulon) and b) control group (61), which received no treatment. On day 5, 10, 15 and 20 after the artificial insemination, blood samples from a total of 8 cows (4 from each group) were collected and were analyzed for serum P4 concentration. Cows were detected for estrus according to standing heat by visual observation. Cows that were detected still in estrus after days 18-24 were re-inseminated and recorded as not pregnant (open). Pregnancy diagnosis was conducted by ultrasonographic examination and transrectal palpation of the uterus on approximately 60 days in cows that observed to be not in estrus. The conception rate in hCG treated and control groups were 52.5 and 36.1%, respectively. The results proved that there were no significant differences in conception rate between two groups (p=0.0568). However, pregnancy rates were reduced by hCG treatment. Average serum P4 concentrations did not differ between Hcg-treated and control groups on day 5 (0.377 versus 0.375 ng/ml). On day 20 serum P4 concentrations were greater in the treated group compared with the control group (3.085 versus 2.010 ng/ml). The treatment with hCG seemed to increase P4 level compared with the control. In conclusion, the results of this study showed that 1500 IU of hCG administered on 5 day post AI increased conception rate in dairy cows. This was supported by the results on serum P4 concentration which was greater in hCG treated group.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제11권7호
• /
• pp.233-240
• /
• 2022

최근 대부분의 인공지능 연구는 AI 모델 개발에 중점을 두고 있다. 하지만 최근 인공지능 연구가 모델 중심에서 데이터 중심으로 점차 변경되고 이런 추세를 바탕으로 학습데이터의 중요성이 크게 주목 받고 있다. 그러나 학습데이터의 준비과정이 전체 과정의 상당 부분을 차지하고 라벨링 데이터 생성 또한 개발 목적에 따라 다르기 때문에 많은 시간과 노력이 필요하다. 따라서 기존의 미충족을 해결하기 위한 다양한 라벨링 기능을 갖는 도구 개발이 필요하다. 본 논문에서는 의료영상의 라벨링 데이터를 정교하고 빠르게 생성하기 위한 라벨링 시스템에 대해서 기술한다. 이를 구현하기 위해서 Back Projection, GrabCut 기법을 이용한 반자동 방식과 기계학습 모델을 통해서 예측한 자동 방식의 라벨링 기능을 구현하였다. 우리는 제안한 시스템의 라벨링 데이터 생성에 대한 수행시간의 장점을 보였을뿐만 아니라 정확성에 대한 비교평가를 통해 우수성을 보였다. 또한 1,000여명의 환자 영상 데이터셋을 분석하여 근감소증 진단에 남성과 여성에 의미있는 진단지표를 제시하였다.

• Parasites, Hosts and Diseases
• /
• 제54권3호
• /
• pp.375-380
• /
• 2016

Angiostrongyliasis is difficult to be diagnosed for the reason that no ideal method can be used. Serologic tests require specific equipment and are not always available in poverty-stricken zone and are time-consuming. A lateral flow immunoassay (LFIA) may be useful for angiostrongyliasis control. We established a LFIA for the diagnosis of angiostrongyliasis based on 2 monoclonal antibodies (mAbs) against antigens of Angiostrongylus cantonensis adults. The sensitivity and specificity were 91.1% and 100% in LFIA, while those of commercial ELISA kit was 97.8% and 86.3%, respectively. Youden index was 0.91 in LFIA and 0.84 in commercial ELISA kit. LFIA showed detection limit of 1 ng/ml of A. cantonensis ES antigens. This LFIA was simple, rapid, highly sensitive and specific, which opened an alternative approach for the diagnosis of human angiostrongyliasis.

• Parasites, Hosts and Diseases
• /
• 제55권1호
• /
• pp.55-60
• /
• 2017

Fascioliasis is a foodborne zoonotic parasitic disease. We report 4 cases occurring in the same family, in whom diagnosis of acute fascioliasis was established after series of tests. One case was hospitalized with fever, eosinophilia, and hepatic lesions. MRI showed hypodense changes in both liver lobes. The remaining 3 cases presented with the symptom of stomachache only. Stool analysis was positive for Fasciola eggs in 2 adult patients. The immunological test and molecular identification of eggs were confirmed at the National Institute of Parasitic Diseases, Chinese Center for Disease Control and Prevention, Shanghai, China. The results of serological detection were positive in all the 4 patients. DNA sequencing of PCR products of the eggs demonstrated 100% homology with ITS and cox1 of Fasciola hepatica. The conditions of the patients were not improved by broad-spectrum anti-parasitic drugs until administration of triclabendazole.

• 대한방사선기술학회지:방사선기술과학
• /
• 제43권5호
• /
• pp.397-404
• /
• 2020

Coronavirus disease(COVID-19) is highly infectious disease that directly affects the lungs. To observe the clinical findings from these lungs, the Chest Radiography(CXR) can be used in a fast manner. However, the diagnostic performance via CXR needs to be improved, since the identifying these findings are highly time-consuming and prone to human error. Therefore, Artificial Intelligence(AI) based tool may be useful to aid the diagnosis of COVID-19 via CXR. In this study, we explored various Deep learning(DL) approach to classify COVID-19, other viral pneumonia and normal. For the original dataset and lung-segmented dataset, the pre-trained AlexNet, SqueezeNet, ResNet18, DenseNet201 were transfer-trained and validated for 3 class - COVID-19, viral pneumonia, normal. In the results, AlexNet showed the highest mean accuracy of 99.15±2.69% and fastest training time of 1.61±0.56 min among 4 pre-trained neural networks. In this study, we demonstrated the performance of 4 pre-trained neural networks in COVID-19 diagnosis with CXR images. Further, we plotted the class activation map(CAM) of each network and demonstrated that the lung-segmentation pre-processing improve the performance of COVID-19 classifier with CXR images by excluding background features.

• 융합신호처리학회논문지
• /
• 제20권4호
• /
• pp.226-231
• /
• 2019

한방 설진에서 WTCI(Winkel Tongue Coating Index) 설태 평가는 환자의 설태량 측정을 위한 중요한 객관적인 지표 중의 하나이다. 그러나 이전의 WTCI 설태 평가는 혀영상으로부터 설태 부분을 추출하여 전체 혀 영역에서 추출된 설태 영역의 비율을 정량적으로 측정하는 방법이 대부분으로 혀영상의 촬영 조건이나 설태 인식 성능에 의해서 비객관적 측정의 문제점이 있었다. 따라서 본 논문에서는 빅데이터를 기반으로 하는 인공지능의 딥러닝 방법을 적용하여 설태량을 분류하여 평가하는 딥러닝 기반의 WTCI 평가 방법을 제안하고 검증한다. 설태 평가 방법에 있어서 딥러닝의 유효성 검증을 위해서는 CNN을 학습 모델로 사용하여 소태, 박태, 후태의 3가지 유형의 설태량을 분류한다. 설태 샘플 영상을 학습 및 검증 데이터로 구축하여 CNN 기반의 딥러닝 모델로 학습한 결과 96.7%의 설태량 분류 정확성을 보였다.

• 전자공학회논문지CI
• /
• 제38권6호
• /
• pp.57-69
• /
• 2001

전문가 시스템은 인공지능의 한 분야로서 인간의 사고방식을 모방함으로써 다양한 분야에서 야기되는 문제들을 해결해준다. 대부분의 전문가 시스템은 추론엔진과 지식베이스등과 같은 많은 요소들로 구성된다. 특히 전문가 시스템의 성능은 추론엔진의 효율성에 의해 좌우된다 이러한 추론 엔진은 지식베이스가 구축될 때, 가능한한 적은 제약성을 가져야 함은 물론, 다양한 추론 방법을 제공해야 한다는 특정을 갖고 있어야 한다. 이 논문에서는 도메인 지식 표현을 위한 지식스키마와, 추론을 위한 지식구현 기법, 그리고 블랙보드와 추론엔진을 혼합한 지식베이스 엔진을 제안한다. 그리고 제안한 기법들을 이용하여 구축한 중공업 장비 진단 전문가 시스템에 대해서 설명한다. 이 논문에서 연구한 고장진단 지식기반 시스템은 지식기반 시스템 연구분야의 실질적 기반이 될 수 있을 것이다.