• 한국재난정보학회 논문집
• /
• 제17권4호
• /
• pp.864-881
• /
• 2021

연구목적: 본 연구는 빅데이터와 인공지능 기술을 기반으로 다양한 위험 특성과 개개인의 상황을 고려한 맞춤형 예방 솔루션을 제공하는 생활안전 예방서비스 연구개발의 일환으로, 일상 생활안전과 관련하여 개인의 현재 안전수준을 정량적 수치로 나타내는 생활안전지수를 산출하는 방안을 제시하여, 안전사고를 예방하고 대응하기 위한 맞춤형 종합지수 서비스를 제공하는 데 목적이 있다. 연구방법: 본 연구의 핵심이 되는 모델은 AHP(Analysis Hierarchy Process)와 리커트 척도(Likert Scale)를 혼용하는 방법으로, 전문가 그룹의 합의형성 모델을 기반으로 산출된다. 생활안전 예방서비스를 평가할 수 있는 평가항목을 위험지표, 취약지표, 예방지표 등으로 구분하고, 이를 AHP 의사결정 방법론에 따라 AHP 계층구조로 정의하여 각 레벨 항목의 쌍대비교를 통해 평가항목 간 상대적 가중치를 산출하는 방법을 제안한다. 또한 평가항목을 적용한 개별 예방서비스에 대한 평가는 향후 생활안전 예방서비스의 확대를 고려하여 AHP 쌍대비교를 대신하여 리커트 척도 기반으로 절대평가하고 그 결과를 상대비교하는 방법으로 개별서비스 간 가중치를 산출하는 방안도 함께 제시한다. 연구결과: 생활안전 예방서비스에 대한 서비스 가중치를 도출하고, 이를 생활안전 예방서비스의 인공지능 예측모델을 통해 산출된 개별위험지수에 반영하여 종합지수를 산출하였다. 결론: 구현한 모델의 적용을 위하여 생활안전 예방서비스 앱과 플랫폼으로 구성된 테스트 환경을 구축하고, 사용자 시나리오를 바탕으로 기능에 대한 효능을 평가하였다. 이를 통해 본 연구에서 제시된 생활안전지수는 사용자에게 현재 자신의 안전수준을 종합하여 나타냄으로써 안전 위험에 진단과 대응 및 예방 골든타임을 지원하는 것으로 기대된다.

• 해양환경안전학회지
• /
• 제28권spc호
• /
• pp.30-36
• /
• 2022

수처리 후 직접 해양으로 배출하는 산업시설 등에서 Hazardous and Noxious Substance (HNS) 농도 변화를 연속 자동 측정하기 위한 센서의 기본적 성능으로 상온에서도 ppb 수준의 검출이 가능한 센서가 필요하다고 판단하여 기존의 센서의 감도를 높이기 위한 방법을 제안하였다. 우선 나노입자 박막에 전도성 탄소계 첨가물을 이용하여 필름의 전도도를 높이는 방법과 촉매 금속을 이용하여 표면에서의 이온 흡착도를 높이는 방법에 대해서 각각 연구하였다. 전도성 개선을 위해서 ITO 나노입자를 활용한 필름에 carbon black을 첨가물로 선택하여, 첨가물 함유량에 따른 센서의 성능변화를 관찰하였다. 그 결과 CB 함량 5 wt% 정도에서 전도성 증가에 의한 저항과 응답시간의 변화를 관찰할 수 있었고, 유기용제를 대상으로 한 실험에서 검출하한은 250 ppb 정도까지 낮아지는 것을 확인하였다. 또한 액체 중 이온 흡착도를 높이기 위하여 센서 표면에 촉매로 Au를 스퍼터로 제작한 표면 촉매층을 형성한 시료를 이용한 실험에서 센서의 응답은 20% 이상 증가하고 평균 검출하한은 61 ppm까지 낮아지는 것을 확인하였다. 이 결과로부터 금속산화물 나노입자를 활용한 화학저항형 센서가 상온에서도 수십 ppb 정도의 HNS를 검출할 수 있다는 것을 확인하였다.

• 서비스연구
• /
• 제13권3호
• /
• pp.172-189
• /
• 2023

본 연구는 공공디자인 정책 결정에 있어 거대 언어 및 정보 모델인 ChatGPT가 기여할 가능성이 있는지에 대해 공공디자인 가진 특징을 중심으로 연구했다. 공공디자인은 디자인의 원리와 접근법을 사용하여 사회문제를 해결하고, 공공서비스 개선을 목표로 한다. 공공디자인 정책과 계획을 수립하기 위해서는 지역의 일반 현황, 인구 현황, 인프라 현황, 자원 현황, 안전 현황, 정책 현황, 법규 현황, 경관 현황, 공간 현황, 공공디자인 현황, 지역 이슈 등 방대한 자료를 기반으로 한다. 따라서 공공디자인은 방대한 자료와 더불어 방대한 언어를 수록하는 디자인 연구 분야다. 인공지능 기술의 급속한 발전과 공공디자인의 중요성을 고려해 ChatGPT와 같은 거대 언어 및 정보 모델이 공공디자인 정책에 어떻게 기여할 수 있는지 알아보고자 한다. 이와 함께, 공공디자인의 개념 및 원칙, 그리고 정책 개발과 실행에 대한 역할을 검토하고, ChatGPT의 개요 및 특징, 적용 사례나 ChatGPT의 선행 연구를 살펴 공공디자인 정책 결정에 활용할 수 있는지 연구했다. 연구 결과, ChatGPT는 공공디자인 정책 수립과정에서 방대한 언어 정보를 제공하고, 의사결정의 지원 역할이 가능하다는 사실을 밝혔다. 특히, ChatGPT는 정책 수립과정에서 다양한 관점을 제공하고, 정책 결정에 필요한 정보를 신속하게 제공하는 데 유용함이 있었다. 이와 함께 정부 정책 개발에 인공지능을 활용하는 추세라는 것이 여러 논문을 통해 확인되었다. 하지만, ChatGPT의 활용에는 윤리적, 법적, 개인 프라이버시 등의 문제 또한 발견되었다. 무엇보다 윤리적인 문제가 제기되었으며, 편향성과 공정성 관련 문제 또한 나타났다. ChatGPT를 공공디자인의 정책 결정에 실질적으로 활용하려면, 첫째, 정책 개발자와 공공디자인 전문가의 역량을 일정부분 키워 활용해야 한다. 둘째, 가칭 '인공지능 정책 활용에 관한 조례'라는 법령(法令)을 마련해 법률(法律)적 정비가 이뤄지기 전까지 지속해서 보완해가면서 활용하는 것이다. 현재로서는 이 두 가지 방안을 적용해 활용하는 것이 필요하다. 따라서 공공디자인 정책 결정에 있어 ChatGPT와 같은 거대 언어 및 정보 모델의 활용은 방대한 언어를 수록하는 디자인 분야에서는 활용할 가치가 충분하다는 것이다.

• 한국조경학회지
• /
• 제50권6호
• /
• pp.110-123
• /
• 2022

남산공원은 1954년 대공원으로 지정되어 현재는 1개의 도시자연공원구역과 4개의 근린공원으로 운영되고 있는 넓은 면적의 오래된 도시공원이다. 공원으로서 역사·문화적 가치가 높음에도 불구하고 그동안 남산공원은 주로 '산' 이나 '도성'이라는 틀 속에서 논의되었다. 본 연구는 공원사(公園史) 관점에서 남산공원 연구를 심화하기 위해 서울기록원에서 소장하고 있는 서울시의 공공기록에 주목하여 살펴보았다. 연구는 서울기록원 소장 남산공원 관련 기록물을 모두 열람하여 공원 사료로 분석할 기록을 1,359건으로 정리하고, 기록별 주요 내용을 검토하였다. 보다 구체적인 연구 내용으로는 첫째, 기록 생산연대, 기록 유형, 공개 유형을 통해 기록물의 개괄적인 특성을 파악하였다. 둘째, 기록물에서 도출한 조직/단체, 인물, 공간/지역, 주제, 업무기능의 주요어를 분석하였다. 셋째, 주요 공간에 대한 기록물을 분석하여 공공기록이 담고 있는 공원에 관한 내용과 특징을 자세히 고찰하였다. 연구 결과, 남산공원 공공기록을 통해 그동안 알려지지 않았던 공원 도면, 사진, 식물 현황과 목록, 운영관리상의 주요 논의 및 결정 사항 등과 같은 중요한 정보를 확인하였다. 이와 함께 공공기록이 공원의 역사 전체에 대한 기록을 담고 있지는 않지만, 공원의 역사적 변천 과정에서 중요한 시점의 기록을 담고 있기에 공원사 연구에 기여할 수 있는 부분이 크다고 판단하였다. 따라서 공원별로 기록을 해석하고 서술하는 연구가 지속하여야 할 것으로 보았다. 더 나아가 공원의 공공기록이 불완전성이란 한계가 있는 만큼, 이를 보완하기 위해 향후 다른 기록으로의 확장과 시민, 설계가, 연구자, 관련 기관 등과의 네트워크도 필요하다는 점을 제언하였다.

• Biomolecules & Therapeutics
• /
• 제30권2호
• /
• pp.203-211
• /
• 2022

Melanogenesis is the production of melanin from tyrosine by a series of enzyme-catalyzed reactions, in which tyrosinase and DOPA oxidase play key roles. The melanin content in the skin determines skin pigmentation. Abnormalities in skin pigmentation lead to various skin pigmentation disorders. Recent research has shown that the expression of EMP2 is much lower in melanoma than in normal melanocytes, but its role in melanogenesis has not yet been elucidated. Therefore, we investigated the role of EMP2 in the melanogenesis of MNT1 human melanoma cells. We examined TRP-1, TRP-2, and TYR expression levels during melanogenesis in MNT1 melanoma cells by gene silencing of EMP2. Western blot and RT-PCR results confirmed that the expression levels of TYR and TRP-2 were decreased when EMP2 expression was knocked down by EMP2 siRNA in MNT1 cells, and these changes were reversed when EMP2 was overexpressed. We verified the EMP2 gene was knocked out of the cell line (EMP2 CRISPR/Cas9) by using a CRISPR/Cas9 system and found that the expression levels of TRP-2 and TYR were significantly lower in the EMP2 CRISPR/Cas9 cell lines. Loss of EMP2 also reduced migration and invasion of MNT1 melanoma cells. In addition, the melanosome transfer from the melanocytes to keratinocytes in the EMP2 KO cells cocultured with keratinocytes was reduced compared to the cells in the control coculture group. In conclusion, these results suggest that EMP2 is involved in melanogenesis via the regulation of TRP-2 expression.

• 지능정보연구
• /
• 제29권2호
• /
• pp.57-84
• /
• 2023

현대사회는 정보통신기술 및 빅데이터 기술의 발전으로 누구나 인터넷을 통해 손쉽게 방대한 데이터를 얻고 활용할 수 있는 시대로, 양질의 데이터를 수집하는 능력을 넘어 수많은 정보 속에서 올바른 데이터만을 선별하는 능력이 더욱 중요해지고 있다. 이러한 기조는 학계에서도 이어지고 있는데, 축적되는 연구물 속에서 양질의 연구를 선별하여 올바른 지식구조를 형성하기 위해, 다양한 연구 분야에서 체계적 고찰(systematic review) 및 비체계적 고찰(non-systematic review)과 같은 문헌연구(literature review)가 수행되고 있다. 한편, 코로나19 팬데믹 이후 의료산업에서도 그동안 합의에 이르지 못했던 원격의료가 제한적으로나마 허용되고, 인공지능 및 빅데이터 기술이 응용된 건강추천시스템(health recommender systems: HRS)과 같은 새로운 의료서비스가 각광을 받고 있다. 하지만, 실무적으로 HRS가 미래 의료산업 발전을 이끌 중요한 기술로 평가받고 있음에도 불구하고, 학술적인 문헌연구는 다른 분야에 비해 매우 부족한 실정이다. 더불어 HRS는 학제적 성격이 강한 융합 분야임에도 불구하고, 기존의 문헌연구는 비체계적 고찰과 체계적 고찰 방법만을 주로 활용하여 이뤄졌기 때문에, 다른 연구 분야와의 상호작용이나 동적인 관계를 유추하기에는 한계가 존재한다. 이에, 본 연구에서는 인용네트워크 분석(citation network analysis: CNA)을 활용하여 HRS 및 주변 연구 분야의 전체적인 네트워크 구조를 파악하였다. 또한, 이 과정에서 최신 논문이 인용 관계가 잘 나타나지 않는 문제를 보완하기 위해 GraphSAGE 알고리즘을 적용함으로써, HRS 연구에 있어 'recommender system', 'wireless & IoT', 'computer vision', 'text mining' 등과 같은 연구 분야들의 중요도가 높아지고 있음을 파악하였으며, 이와 동시에 개인화(personalization) 및 개인정보보호(privacy) 등과 같은 새로운 키워드가 주요 이슈로 등장하고 있음을 확인하였다. 본 연구를 통해 HRS 연구 커뮤니티의 구조를 파악하고, 관련된 연구 동향을 살펴보며, 미래 HRS 연구 방향을 설계함에 있어 실질적인 통찰을 제공할 수 있을 것으로 기대한다.

• Korean Journal of Radiology
• /
• 제24권8호
• /
• pp.807-820
• /
• 2023

Objective: To assess whether computed tomography (CT) conversion across different scan parameters and manufacturers using a routable generative adversarial network (RouteGAN) can improve the accuracy and variability in quantifying interstitial lung disease (ILD) using a deep learning-based automated software. Materials and Methods: This study included patients with ILD who underwent thin-section CT. Unmatched CT images obtained using scanners from four manufacturers (vendors A-D), standard- or low-radiation doses, and sharp or medium kernels were classified into groups 1-7 according to acquisition conditions. CT images in groups 2-7 were converted into the target CT style (Group 1: vendor A, standard dose, and sharp kernel) using a RouteGAN. ILD was quantified on original and converted CT images using a deep learning-based software (Aview, Coreline Soft). The accuracy of quantification was analyzed using the dice similarity coefficient (DSC) and pixel-wise overlap accuracy metrics against manual quantification by a radiologist. Five radiologists evaluated quantification accuracy using a 10-point visual scoring system. Results: Three hundred and fifty CT slices from 150 patients (mean age: 67.6 ± 10.7 years; 56 females) were included. The overlap accuracies for quantifying total abnormalities in groups 2-7 improved after CT conversion (original vs. converted: 0.63 vs. 0.68 for DSC, 0.66 vs. 0.70 for pixel-wise recall, and 0.68 vs. 0.73 for pixel-wise precision; P < 0.002 for all). The DSCs of fibrosis score, honeycombing, and reticulation significantly increased after CT conversion (0.32 vs. 0.64, 0.19 vs. 0.47, and 0.23 vs. 0.54, P < 0.002 for all), whereas those of ground-glass opacity, consolidation, and emphysema did not change significantly or decreased slightly. The radiologists' scores were significantly higher (P < 0.001) and less variable on converted CT. Conclusion: CT conversion using a RouteGAN can improve the accuracy and variability of CT images obtained using different scan parameters and manufacturers in deep learning-based quantification of ILD.

• 인터넷정보학회논문지
• /
• 제25권1호
• /
• pp.99-107
• /
• 2024

경제성장과 산업 발전에 따라 반도체 제품부터 SMT 제품, 전기 배터리 제품에 이르기 까지 많은 전자통신 부품들의 제조과정에서 발생하는 철, 알루미늄, 플라스틱 등의 이물질로 인해 제품이 제대로 동작하지 않거나, 전기 배터리의 경우 화재를 발생하는 문제까지 심각한 문제로 이어질 가능성이 있다. 이러한 문제를 해결하기 위해 초음파나 X-ray를 이용한 비파괴 방법으로 제품 내부에 이물질이 있는지 판단하여 문제의 발생을 차단하고 있으나, X-ray 영상을 취득하여 이물질이 있는지 판정하는 데에도 여러 한계점이 존재한다. 특히. 크기가 작거나 밀도가 낮은 이물질들은 X-Ray장비로 촬영을 하여도 보이지 않는 문제점이 있고, 잡음 등으로 인해 이물들이 잘 안 보이는 경우가 있으며, 특히 높은 생산성을 가지기 위해서는 빠른 검사속도가 필요한데, 이 경우 X-ray 촬영시간이 짧아지게 되면 신호 대비 잡음비율(SNR)이 낮아지면서 이물 탐지 성능이 크게 저하되는 문제를 가진다. 따라서, 본 논문에서는 저화질로 인해 이물질을 탐지하기 어려운 한계를 극복하기 위한 5단계 방안을 제안한다. 첫번째로, Global 히스토그램 최적화를 통해 X-Ray영상의 대비를 향상시키고, 두 번째로 고주파 영역 신호의 구분력을 강화하기 위하여 Local contrast기법을 적용하며, 세 번째로 Edge 선명도 향상을 위해 Unsharp masking을 통해 경계선을 강화하여 객체가 잘 구분되도록 한다, 네 번째로, 잡음 제거 및 영상향상을 위해 Resdual Dense Block(RDB)의 초고해상화 방법을 제안하며, 마지막으로 Yolov5 알고리즘을 이용하여 이물질을 학습한 후 탐지한다. 본 연구에서 제안하는 방식을 이용하여 실험한 결과, 저밀도 영상 대비 정밀도 등의 평가기준에서 10%이상의 성능이 향상된다.

• 한국습지학회지
• /
• 제26권2호
• /
• pp.147-159
• /
• 2024

부족한 하천유출 관측 데이터는 모델 보정 작업을 어렵게 만들어 모델의 성능 향상을 제한한다. 위성 기반 원격탐사 자료는 수문 관련 데이터의 확보에 적극적으로 활용될 수 있으므로 새로운 대안이 될 수 있다. 최근에는 여러 연구를 통하여 기존의 개념적/물리적 모델보다는 인공지능을 이용한 해법이 더 적절하다는 평가를 받고 있다. 본 연구에서는 다양한 순환 신경망들과 의사결정나무 기반 알고리즘들을 결합한 자료 기반 접근 방식을 제안하였다. 또한 인공지능 학습을 위하여 인공위성 원격탐사 정보의 활용성을 조사하였다. 본 연구에서 위성영상은 MODIS와 SMAP의 자료가 사용된다. 공적으로 공개된 25개 유역의 자료를 사용하여 제안된 접근 방식을 검증하였다. 전통적인 지역화 접근법에서 착안하여 모든 유역의 자료를 통합하여 하나의 자료 기반 모델을 학습하는 전략을 채택하였으며, Leave-one-out cross-validation 지역화 설정을 이용하여 하나의 모델이 다양한 유역의 하천유출을 예측함으로써 제안된 접근 방식의 잠재력을 평가하였다. GRU + Light GBM 모델이 대상 유역에 적합한 모델 조합으로 판명되었으며(25개 미계측 유역 일 하천유량 예측 모형효율계수 평균 0.7187) 하천유출이 매우 작은 시기를 제외하면 우수한 미계측 유역의 하천유출 예측 성능을 보여주었다. 인공위성 원격탐사 정보의 영향력은 최대 10% 정도로 파악되었으며, 위성 정보의 추가 적용이 풍수기 또는 평수기보다는 저수기 또는 갈수기의 하천유출 예측에 더 큰 영향을 미쳤다.

• Nuclear Engineering and Technology
• /
• 제56권4호
• /
• pp.1501-1512
• /
• 2024

Plasma disruption in tokamak experiments is a challenging issue that causes damage to the device. Reliable prediction methods are needed, but the lack of full understanding of plasma disruption limits the effectiveness of physics-driven methods. Data-driven methods based on supervised learning are commonly used, and they rely on labelled training data. However, manual labelling of disruption precursors is a time-consuming and challenging task, as some precursors are difficult to accurately identify. The mainstream labelling methods assume that the precursor onset occurs at a fixed time before disruption, which leads to mislabeled samples and suboptimal prediction performance. In this paper, we present disruption prediction methods based on anomaly detection to address these issues, demonstrating good prediction performance on J-TEXT and EAST. By evaluating precursor onset times using different anomaly detection algorithms, it is found that labelling methods can be improved since the onset times of different shots are not necessarily the same. The study optimizes precursor labelling using the onset times inferred by the anomaly detection predictor and test the optimized labels on supervised learning disruption predictors. The results on J-TEXT and EAST show that the models trained on the optimized labels outperform those trained on fixed onset time labels.