• Asian-Australasian Journal of Animal Sciences
• /
• 제9권3호
• /
• pp.299-302
• /
• 1996

Milk samples(n = 78) were taken 19d, 20d, 21d, 22d after artificial insemination(AI) for early pregnancy diagnosis by using the Enzyme immunoassay(EIA) kit. The progesterone ($P_4$) concentration in the whole milk was measured on the same day of pregnancy diagnosis. Rectal palpation(RP) was accomplished between 60d and 70d after AI to estimate the ovary condition and pregnancy status. Milk progesterone concentrations measured by Radio-immunoassay(RIA) method, in the pregnant cows at 17d, 19d, 21d after insemination were $17.10{\pm}0.91$, $17.60{\pm}0.46$, and $18.43{\pm}0.79nmol/l$, whereas those in the not-pregnant cows were $6.57{\pm}1.03$, $2.63{\pm}0.29$, and $0.67{\pm}0.08nmol/l$, respectively. When the progesterone concentration was less than 7 nmol/l, the color of the EIA kit was lighter and when the progesterone concentration was ${\geq}16nmol/l$, the color of the EIA kit was darker compared to the standard color. The detection rates of error by judging the color differences were 5.1% and 20.7%, respectively. In the early pregnancy diagnosis by the EIA kit and RIA method, the accuracy rates in the pregnancy of cows were 82% and 87%, and those in not-pregnant cows were 86% and 91%, respectively. For ovarian status estimated by the RIA method and certified by RP, the accuracy rates of the ovarian atrophy, follicular cyst and luteal cyst were 80, 91 and 83% and the progesterone concentrations were 2.51, 2.03, and 26.7 nmol/l, respectively.

• International Journal of Computer Science & Network Security
• /
• 제22권9호
• /
• pp.195-207
• /
• 2022

COVID-19 has remained one of the most serious health crises in recent history, resulting in the tragic loss of lives and significant economic impacts on the entire world. The difficulty of controlling COVID-19 poses a threat to the global health sector. Considering that Artificial Intelligence (AI) has contributed to improving research methods and solving problems facing diverse fields of study, AI algorithms have also proven effective in disease detection and early diagnosis. Specifically, acoustic features offer a promising prospect for the early detection of respiratory diseases. Motivated by these observations, this study conceptualized a speech-based diagnostic model to aid in COVID-19 diagnosis. The proposed methodology uses speech signals from confirmed positive and negative cases of COVID-19 to extract features through the pre-trained Visual Geometry Group (VGG-16) model based on Mel spectrogram images. This is used in addition to the K-means algorithm that determines effective features, followed by a Genetic Algorithm-Support Vector Machine (GA-SVM) classifier to classify cases. The experimental findings indicate the proposed methodology's capability to classify COVID-19 and NOT COVID-19 of varying ages and speaking different languages, as demonstrated in the simulations. The proposed methodology depends on deep features, followed by the dimension reduction technique for features to detect COVID-19. As a result, it produces better and more consistent performance than handcrafted features used in previous studies.

• KNOM Review
• /
• 제24권1호
• /
• pp.13-19
• /
• 2021

최근 산업 분야에서는 공장 자동화 뿐만 아니라 장애 진단/예측을 통해 고장/사고를 사전에 방지하여 생산량을 극대화하기 위한 연구가 진행되고 있으며, 이를 구성하기 위해 많은 양의 데이터 축적을 위한 클라우드 기술, 데이터 처리를 위한 빅 데이터 기술, 그리고 데이터 분석을 쉽게 진행하기 위한 AI(Artificial Intelligence)기술이 도입되고 있다. 또한 최근에는 장애 진단/예측의 발전으로 인해 설비 유지보수(PM: Productive Maintenance) 방식도 정기적으로 설비를 유지보수 하는 방식인 TBM(Time Based Maintenance)에서 설비 상태에 따라 유지보수 하는 방식인 CBM(Condition Based Maintenance)을 조합하는 방식으로 발전하고 있다. CBM 기반 유지보수를 수행하기 위하여 설비의 상태(condition)의 정의와 분석이 필요하다. 따라서 본 논문에서는 머신 러닝(Machine Learning) 기반의 장애 진단을 위한 시스템 및 데이터 모델(Data Model)을 제안하며, 이를 기반으로 장애를 사전 예측한 사례를 제시하고자 한다.

• Journal of Korean Neurosurgical Society
• /
• 제66권6호
• /
• pp.632-641
• /
• 2023

Central nervous system tumors are identified as tumors of the brain and spinal cord. The associated morbidity and mortality of cerebrospinal tumors are disproportionately high compared to other malignancies. While minimally invasive techniques have initiated a revolution in neurosurgery, artificial intelligence (AI) is expediting it. Our study aims to analyze AI's role in the neurosurgical management of cerebrospinal tumors. We conducted a scoping review using the Arksey and O'Malley framework. Upon screening, data extraction and analysis were focused on exploring all potential implications of AI, classification of these implications in the management of cerebrospinal tumors. AI has enhanced the precision of diagnosis of these tumors, enables surgeons to excise the tumor margins completely, thereby reducing the risk of recurrence, and helps to make a more accurate prediction of the patient's prognosis than the conventional methods. AI also offers real-time training to neurosurgeons using virtual and 3D simulation, thereby increasing their confidence and skills during procedures. In addition, robotics is integrated into neurosurgery and identified to increase patient outcomes by making surgery less invasive. AI, including machine learning, is rigorously considered for its applications in the neurosurgical management of cerebrospinal tumors. This field requires further research focused on areas clinically essential in improving the outcome that is also economically feasible for clinical use. The authors suggest that data analysts and neurosurgeons collaborate to explore the full potential of AI.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권10호
• /
• pp.445-454
• /
• 2023

최근에는 협동 로봇의 데이터를 활용한 다양한 결함진단 연구가 수행되고 있다. 협동 로봇의 결함진단을 수행하는 기존 연구들은 기존 연구의 학습 데이터는 미리 정의된 기기의 동작을 가정하고 수집한 정적 데이터를 사용한다. 따라서 결함진단 모델은 학습한 데이터 패턴에 대한 의존성이 높아지는 한계가 있다. 또한 단일 모터를 사용한 실험으로 다관절이 동작하는 협동 로봇의 특성을 반영한 진단이 이루어지지 못했다는 한계가 있다. 본 논문에서는 앞서 언급한 두 가지 한계점을 해결할 수 있는 LSTM 진단 모델을 제안한다. 제안하는 방법은 단일 축 및 다중 축 작업 환경에서의 진동 및 전류 데이터의 상관분석을 사용하여 정상 대표 패턴을 선정하고, 정상 대표 패턴과의 차이를 통해 잔차 패턴을 생성한다. 생성된 잔차 패턴을 입력으로 축별 기어 마모 진단을 수행할 수 있는 LSTM 모델을 생성한다. 해당 결함진단 모델은 동작별 대표 패턴을 통해 모델의 학습 데이터 패턴에 대한 의존성을 낮출 수 있을 뿐 아니라 다중 축 동작 수행 시 발생하는 결함을 진단할 수 있다. 마지막으로, 내부 및 외부 데이터의 특성을 모두 반영하여 결함진단 성능을 개선한 결과 98.57%의 높은 진단 성능을 보였다.

• Parasites, Hosts and Diseases
• /
• 제50권2호
• /
• pp.99-102
• /
• 2012

Serum samples, 100 in the total number, were collected from different laboratories in Tehran, Iran and tested for anti-Toxoplasma specific IgG and IgM antibodies using indirect immunofluorescent antibody test (IFAT). Using the IgG (chronic) and IgM (acute) positive samples, the IgG avidity test was performed by ELISA in duplicate rows of 96-well microtiter plates. One row was washed with 6 M urea and the other with PBS (pH 7.2), then the avidity index (AI) was calculated. Sixteen out of 18 (88.9%) sera with acute toxoplasmosis showed low avidity levels ($AI{\leq}50$), and 76 out of 82 (92.7%) sera in chronic phase of infection showed high avidity index (AI>60). Six sera had borderline ranges of AI. The results showed that the IgG avidity test by ELISA could distinguish the acute and chronic stages of toxoplasmosis in humans.

• Journal of Chest Surgery
• /
• 제26권11호
• /
• pp.821-826
• /
• 1993

Between January 1983 and December 1992, we had experienced 79 patients of ventricular septal defect [ VSD ] associated with aortic insufficiency [AI] which constitute 4.6 % of total numbers of VSD. The mean age of the patients was 10.2 years with a range of 1 to 35 years and the average degree of aortic insufficiency classified by Sellers was 2.1. The type of VSD was subpulmonic in 57 patients and perimembranous in 22. Most common pathologic finding causing AI was prolapse of right coronary cusp [ 54 cases ; 71.4% ] ,followed by prolapse of both right and non-coronary cusp[ 12 cases ; 7.9% ]. VSD closure alone was performed in 51 patients and their mean age was 7.7 years [ ranged 1 to 13 years ]. VSD closure and aortic valve reconstruction was performed in 22 patients, VSD closure and aortic valve replacement in 6 patients, and the mean age of the patients was 14.5 years [ ranged 2 to 28 years ], 20.4 years [ ranged 18 to 35 years ] respectively. There was no hospital mortality. All patients were followed up from 1 month to 9 year 4 months [average; 21.4 months ] and there was one late death. Our data suggests that, early closure of VSD without any manipulation on the valve may be sufficient procedure to improve or at least withhold progression of AI in children and furthermore patients with VSD associated AI should be corrected promptly after diagnosis.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2019년도 춘계학술대회
• /
• pp.355-357
• /
• 2019

고령화 사회로 진입하고 있는 지금, 시니어 세대에게는 새로운 디바이스나 IoT기술에 대한 사용자 접점은 매우 불편하다. 이를 개선하기 위하여 우리는 AI 기술 기반 지능형 시니어 도우미 음성인식 시스템을 제안한다. 제안 시스템은 Cloud platform기반 API를 구현하여 머신러닝 처리 활용을 위한 데이터를 축적하며, 치매진단, 치매예방활동을 위한 콘텐츠를 제공하며,시니어 세대를 위한 챗봇 콘텐츠를 제공한다. 우리가 제안한 개념모델을 이용한 서비스를 API로 제공함으로서 시니어 세대에 대한 IoT기반 등 새로운 디바이스의 접근성 및 편리성을 증대하는 계기가 될 것으로 기대한다.

• 지능정보연구
• /
• 제28권1호
• /
• pp.217-242
• /
• 2022

AI 기술이 결합된 지능형 제품은 기술적 차별화를 실현하며 시장 경쟁력을 높일 수 있는 잠재성을 지닌다. 하지만 시장 수용도를 극대화 할 수 있는 AI 기반의 신제품 개발 방법론은 부재하다. 본 연구는 AI 기반의 지능형 제품 개발에 대한 방법론으로서 KANO-QFD 통합 모델을 제안한다. 실증적인 분석을 위한 구체적 사례로 탈모 예측 및 치료 기기에 대한 소비자 요구조건(Customer Requirements)의 유형을 분류하고, 이를 구현하기 위한 기술적 요구사항(Engineering Characteristics)의 상대적 중요도 및 우선순위를 도출하여 지능형 메디컬 신제품 개발의 방향을 제시하였다. 소비자 130명을 대상으로 실시한 설문조사 분석 결과, KANO 카테고리 중 매력적 품질(Attractive Quality) 요소로 미래 탈모 진행 상황에 대한 정확한 예측, 미래 탈모 모습 및 치료 후 개선된 미래 모습을 실물화하여 스마트폰으로 보고, 세련된 디자인, 레이저와 LED 빛 복합 에너지를 이용한 치료 등이 도출되었다. QFD의 품질의 집(House of Quality)을 기반으로 분석한 결과, 탈모 진단 및 예측을 위한 학습 데이터, 두피 스캔용 Micro 카메라 해상도, 탈모 유형 분류 모델, 맞춤화를 위한 개인별 계정 관리, 탈모 진행상황 진단 모델 순으로 상대적 중요도 및 우선순위가 도출되었다. 본 연구는 기존에 선행되지 않았던 AI 기반의 지능형 메디컬 제품 개발에 대한 방향을 제시하였다는 면에서 의의를 지닌다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제12권3호
• /
• pp.119-126
• /
• 2023

근감소증은 국내는 2021년 질병으로 분류되었을 만큼 잘 알려져 있지 않지만 고령화사회에 진입한 선진국에서는 사회적 문제로 인식하고 있다. 근감소증 진단은 유럽노인근감소증 진단그룹(EWGSOP)과 아시아근감소증진단그룹(AWGS)에서 제시하는 국제표준지침을 따른다. 최근 진단방법으로 절대적 근육량 이외에 신체수행평가로 보행속도 측정과 일어서기 검사 등을 통하여 근육 기능을 함께 측정할 것을 권고하고 있다. 근육량을 측정하기 위한 대표적인 방법으로 DEXA를 이용한 체성분 분석 방법이 임상에서 정식으로 실시하고 있다. 또한 MRI 또는 CT의 복부 영상을 이용하여 근육량을 측정하는 다양한 연구가 활발하게 진행되고 있다. 따라서 본 논문에서는 근감소증 진단을 위해서 비교적 짧은 촬영시간을 갖는 CT의 복부영상기반으로 AI 영상 분할 모델을 개발하고 다기관 검증한 내용을 기술한다. 우리는 CT 영상 중에 요추의 L3 영역을 분류하여 피하지방, 내장지방, 근육을 자동으로 분할할 수 있는 인공지능 모델을 U-Net 모델을 사용하여 개발하였다. 또한 모델의 성능평가를 위해서 분할영역의 IOU(Intersection over Union)를 계산하여 내부검증을 진행했으며, 타 병원의 데이터를 활용하여 동일한 IOU 방법으로 외부검증을 진행한 결과를 보인다. 검증 결과를 토대로 문제점과 해결방안에 대해서 검증하고 보완하고자 했다.