• 대한의용생체공학회:의공학회지
• /
• 제43권5호
• /
• pp.341-352
• /
• 2022

Medical image segmentation is the most important task in radiation therapy. Especially, when segmenting medical images, the liver is one of the most difficult organs to segment because it has various shapes and is close to other organs. Therefore, automatic segmentation of the liver in computed tomography (CT) images is a difficult task. Since tumors also have low contrast in surrounding tissues, and the shape, location, size, and number of tumors vary from patient to patient, accurate tumor segmentation takes a long time. In this study, we propose a method algorithm for automatically segmenting the liver and tumor for this purpose. As an advantage of setting the boundaries of the tumor, the liver and tumor were automatically segmented from the CT image using the 2D CoordConv DeepLab V3+ model using the CoordConv layer. For tumors, only cropped liver images were used to improve accuracy. Additionally, to increase the segmentation accuracy, augmentation, preprocess, loss function, and hyperparameter were used to find optimal values. We compared the CoordConv DeepLab v3+ model using the CoordConv layer and the DeepLab V3+ model without the CoordConv layer to determine whether they affected the segmentation accuracy. The data sets used included 131 hepatic tumor segmentation (LiTS) challenge data sets (100 train sets, 16 validation sets, and 15 test sets). Additional learned data were tested using 15 clinical data from Seoul St. Mary's Hospital. The evaluation was compared with the study results learned with a two-dimensional deep learning-based model. Dice values without the CoordConv layer achieved 0.965 ± 0.01 for liver segmentation and 0.925 ± 0.04 for tumor segmentation using the LiTS data set. Results from the clinical data set achieved 0.927 ± 0.02 for liver division and 0.903 ± 0.05 for tumor division. The dice values using the CoordConv layer achieved 0.989 ± 0.02 for liver segmentation and 0.937 ± 0.07 for tumor segmentation using the LiTS data set. Results from the clinical data set achieved 0.944 ± 0.02 for liver division and 0.916 ± 0.18 for tumor division. The use of CoordConv layers improves the segmentation accuracy. The highest of the most recently published values were 0.960 and 0.749 for liver and tumor division, respectively. However, better performance was achieved with 0.989 and 0.937 results for liver and tumor, which would have been used with the algorithm proposed in this study. The algorithm proposed in this study can play a useful role in treatment planning by improving contouring accuracy and reducing time when segmentation evaluation of liver and tumor is performed. And accurate identification of liver anatomy in medical imaging applications, such as surgical planning, as well as radiotherapy, which can leverage the findings of this study, can help clinical evaluation of the risks and benefits of liver intervention.

• 한국HCI학회논문지
• /
• 제12권4호
• /
• pp.65-73
• /
• 2017

전력 수요가 증가하고 재생 가능 에너지에 대한 관심이 증폭됨에 따라, 수요를 억제하여 필요한 공급량을 줄일 수 있는 '수요반응' 프로그램에 대한 관심이 증가하고 있다. 본 연구는 가정에 스마트미터를 구비한 국내 사용자들을 대상으로 진행된 에너지 수요반응 실증사업에 대한 실증분석으로, 사전심층 인터뷰, 설문 및 기술수용모델 분석을 통하여 가정 전력 사용자들이 수요반응 프로그램을 받아들이는 데 중요한 요인들을 살펴본다. 수요반응의 목표는 피크시간대에 미션이 발령되면 전력사용량을 평소보다 줄이는 것이며, 실험대상은 스마트미터 구입 경로와 에너지를 절감했을 때 보상받는 방식에 따라 2개의 상이한 집단으로 구성되었다. 집단 A는 주로 IoT플랫폼 서비스에 가입하는 과정에서 마케터와의 대화를 통해 전체 서비스 중 하나인 스마트미터 서비스에 함께 가입하는 경로로 수요반응 프로그램에 유입되었고, 보상으로는 통신비 할인을 받았다. 반면 집단 B는 스마트미터를 자발적으로 구매하거나 에너지 자립 마을 지역주민으로서 지자체 지원을 통해 스마트미터를 지원 받아 프로그램에 유입되었고, 미션 성공에 대한 보상은 사회적 기부를 통해 이루어졌다. 분석 결과 집단 A는 인지된 용이성과 인지된 유용성 외에 인지된 유희성도 포함된 확장된 기술수용모델이 적합함을 알 수 있었고,집단 B는 모델의 적합도가 떨어지기는 하지만 집단 A에 비해 인지된 유용성에 대한 중요도가 높음을 확인할 수 있었다. 이와 같은 결과는 집단 특성에 따른 프로그램 설계방향을 제시하여 향후 수요반응 프로그램을 효과적으로 운영하는 데에 도움을 줄 것으로 보인다.

• 한국습지학회지
• /
• 제21권spc호
• /
• pp.61-68
• /
• 2019

최근 장기적인 기후 변동성을 고려하기 위하여 대기-해양 순환 패턴을 수치화한 기상인자가 수문 변수 예측에 널리 사용되고 있다. 또한 정확하고 안정적인 예측을 위해 인공신경망 기반의 예측 모형이 꾸준히 발전하고 있다. 기상인자를 활용하여 기후 변동성을 고려한 수문량 예측은 수자원 및 환경 보존의 장기적인 관리에 효율적으로 활용될 수 있으므로 수문 변수에 유의한 인자의 파악과 이를 활용한 예측 모형의 적용은 꾸준한 도전이 될 것이다. 본 연구에서는 우리나라 한강 유역 댐 유입량에 통계적으로 유의한 상관성이 있는 대표 기상인자를 선정하고, 이를 인공신경망 앙상블 모형에 적용하여 댐 유입량 예측을 수행하였다. 이를 위해 앙상블 경험적 모드분해법을 활용하여 댐 유입량과 기상인자간의 통계적 상관성을 확인하였으며, 기존 단일 인공신경망 모형의 한계를 보완한 인공신경망 앙상블 모형을 구축하였다. 예측 수행 결과, 5개 댐 상관계수 평균이 훈련 기간에서 0.88, 검증 기간에서 0.68의 예측력을 보이는 것을 확인하였으며, 본 연구에서의 절차를 토대로 우리나라의 다양한 수문 변수와 기후 변동성간의 관계를 활용한 다양한 적용 사례가 나오길 기대한다.

• 대한토목학회논문집
• /
• 제40권3호
• /
• pp.303-314
• /
• 2020

수자원분야에서 이용되는 강우에 따른 유역의 수문학적 시스템, 도시지역 및 하천에 대한 수리학적 시스템은 비선형성이 강하고 많은 변수들을 포함하고 있다. 이러한 특성을 가진 시계열 자료에서 기계학습을 통한 예측은 예측시점 이전의 자료 특성을 반영하지 못하는 등 기본적인 신경망으로는 부족한 상황이 발생하기도 한다. 본 연구에서 적용할 강우-유출량과 같이 비선형성이 강하고 시간종속성이 높은 복잡한 시계열 자료를 예측하기 위해 신경망의 학습능력을 극대화한 순환형 동적 신경망(Recurrent Dynamic Neural Network)의 한 종류인 동시에, 시간 지연 신경망(Time-Delay Neural Network)의 특성을 가진 비선형 자기회귀(NARX, Nonlinear Autoregressive Exogenous Model) 인공신경망을 사용하였다. 이를 태화강 지방하천 구간에 적용하여 NARX 인공신경망의 시간 지연 매개변수를 10분에서 120분까지 조정하며 모의한 결과에 대해 여러 통계지표를 이용해 정량적으로 평가하였다. 그 결과 지연시간이 증가할수록 효율계수(NSE)가 0.530에서 0.988으로 증가하고, 평균제곱근편차(RMSE)가 379.9 ㎥/s에서 16.1 ㎥/s로 감소하는 등 정교한 예측이 가능함을 확인하였다.

• 기술혁신학회지
• /
• 제17권2호
• /
• pp.309-333
• /
• 2014

새로운 혁신활동에 대응하기 위해서는 혁신의 사회적 맥락과 사용자의 잠재적 니즈를 파악하여 기술과 사회를 동시에 구성하는 노력이 필요하다. 사용자 경험 활용, 사회 기술기획 등으로 표현되는 '수요 구체화' 활동이 효과적으로 이루어져야 새로운 궤적을 형성하는 탈추격 혁신을 수행할 수 있고 사회 문제를 해결할 수 있기 때문이다. 리빙랩(Living Lab)은 사용자가 혁신활동에 능동적으로 참여하는 "사용자 주도형 혁신" 모델로서 최근 유럽을 중심으로 부각되고 있다. 본 연구는 사용자 주도형 혁신모델로서 리빙랩의 이론적 논의와 주요 사례를 살펴보고 우리나라에서의 적용 가능성을 탐색하였다. 리빙랩은 특정 공간 또는 지역에서 최종 사용자들이 적극적으로 참여해 문제를 해결하는 개방형 혁신모델로 지역사회의 문제 해결력을 증대함과 동시에 새로운 사회 기술시스템을 구현하기 위한 선구적 활동이다. 더 나아가 리빙랩은 탈추격 혁신, 수요지향적 혁신, 지역혁신, 사회문제 해결형 혁신, 생태계 형성 지원, 사회 기술시스템 전환 등 최근에 등장하고 있는 혁신정책의 패러다임 변화를 반영한 정책 수단으로서 우리 사회의 변화를 탐색할 수 있는 기반이 된다.

• 인터넷정보학회논문지
• /
• 제19권5호
• /
• pp.43-54
• /
• 2018

연무가 있는 상황에서 촬영된 영상은 낮은 대비로 인해 시인성이 낮아지는 문제가 있다. 이렇게 연무로 인해 흐릿한 영상에서 연무의 효과를 제거하는 과정을 연무제거라고 한다. 연무제거에서 가장 중요한 문제 중 하나는 전달지도 (transmission map) 또는 깊이지도 (depth map)를 정확하게 추정하는 것이다. 본 논문에서는 정확한 깊이지도 추정을 위해 생성적 대립쌍 신경망 (Generative Adversarial Network: GAN)을 이용한 정확한 깊이 영상 추정 방법을 제안한다. 제안된 GAN 모델은 흐릿한 입력영상과 이에 상응하는 깊이지도 간의 비선형 매핑을 학습한다. 그리고 연무제거단계에서는 훈련된 모델을 사용하여 입력영상의 깊이지도를 추정하고 이것을 전달지도를 계산하는데 사용한다. 이어서 guided filter를 사용하여 전달지도를 다듬는다. 마지막으로 대기 산란 모델을 기반으로 연무가 제거된 영상을 복원한다. 제안된 GAN 모델은 합성실내영상으로 훈련되었다. 하지만 실제 연무영상에 대해서도 적용할 수 있다. 이를 실험을 통해 증명하였다. 또한 실험에서 제안된 방법이 이전에 연구된 방법에 비해 시각적 및 정량적 측면에서 우수한 결과를 나타냈다.

• 시큐리티연구
• /
• 제17호
• /
• pp.361-381
• /
• 2008

기계경비시스템이 제공하는 서비스에는 유 무형의 서비스가 모두 포함되어 그에 대한 품질 평가가 쉽지 않은 것이 사실이다. 그럼에도 불구하고 본 연구는 서브퀼 모형을 도입하여 기계경비시스템의 서비스품질 구성차원을 확인하고, 서비스품질과 고객만족과의 관계를 실증적으로 검증하고자 하였다. 이를 위하여 대구지역에서 기계경비서비스를 이용하고 있는 소규모 상점을 대상으로 경험적 연구를 진행하였으며 연구결과와 시사점은 다음과 같다. 첫째, 서비스품질을 구성하는 요인들이 고객만족에 영향을 주는지 검증한 결과, 서비스품질의 4가지 구성요소는 모두 고객만족에 유의미한 영향을 미치는 것으로 나타났다. 또한 그 영향력의 크기는 공감성, 확신 신뢰성, 응답성, 유형성의 순서로 확인되었다. 따라서 회사가 제공하는 최신식 설비 장비도 중요하지만 그보다는 고객에 대한 배려와 개별적 관심 및 신뢰성과 확신성을 심어줄 수 있는 직원들의 능력이 더욱 중요함을 알 수 있었다. 둘째, 서브퀼 모형을 도입하여 기계경비시스템의 서비스품질을 측정하고자 하였으나 요인 분석결과 서비스품질을 구성하는 차원은 확신 신뢰성, 공감성, 유형성, 응답성 4가지로 확인되었다. 따라서 향후의 연구에서는 확신성과 신뢰성의 개념을 보다 명확히 구분하는 한편, 국내 기계경비업체의 서비스품질 평가에 보다 적합한 모형으로의 개발을 고려해보아야 할 것이다.

• 대한전자공학회논문지SP
• /
• 제43권6호
• /
• pp.28-35
• /
• 2006

통계적 데이터를 이용하여 모양 변이가 가능한 능동모양모델(Active Shape Model, ASM)은 이차원 영상의 분할 및 인식에 성공적으로 사용되고 있다. 삼차원 모델 기반 기법은 객체 경계의 인식 및 묘사(delineating)를 위한 더욱 현실적인 모양 억제력(constraint)을 갖는다는 점에서 이차원 모델 기반 기법에 비해 좋은 결과를 가져온다. 그러나 삼차원 모델 기반 기법을 위해서는 분할된 객체들의 집합인 훈련(training) 데이터로부터 삼차원 모양모델을 생성하는 것이 가장 중요하고 필수적인 단계이며, 현재까지도 커다란 도전 과제로 남아있다. 삼차원 모양모델 생성에서 가장 중요한 단계는 포인트 분산모델(PDM)을 생성하는 것이다. PDM 생성을 위해서는 상응하는 특징점(landmark)을 모든 훈련 데이터의 대응하는 위치에서 선택해야 한다. 그러나 현재까지 많이 사용되는 특징점의 수동 선택 기법은 시간이 많이 소비되며, 많은 오류를 발생한다. 본 논문에서는 삼차원 통계적 모양모델의 생성을 위한 새로운 자동 기법을 제안한다. 주어진 삼차원 훈련 모양 데이터에서, 삼차원 모델은 다음 방법에 의해 생성된다. 1) 훈련 모양 데이터의 거리 변환(distance transform)으로부터 평균(mean) 모양 생성, 2) 평균 모양에서 자동적으로 특징점을 선택하기 위한 사면체(tetrahedron) 기법 사용, 3) 거리 표식(distance labeling) 기법을 통한 각 훈련 모양에서 특징점의 전파(propagating). 본 논문에서는 50명의 복부 CT 영상으로부터 간(liver)을 위한 삼차원 모델을 생성하고, 평가를 위i괘 정확성과 밀집도(compactness)를 조사한다. 기존의 삼차원 모델 생성 기법들은 객체의 모양과 기하학적 및 위상학적으로 심각한 제한을 갖지만, 본 논문에서 제안한 기법은 위와 같은 제한 없이 어느 데이터 집합에도 적용할 수 있다.3mW이며, 시제품 ADC의 칩 면적은 $0.47mm^2$ 이다. 각각 56dB, 65dB이고, 전력 소모는 1.2V 전원 전압에서 각각 4.8mW, 2.4mW이며 제작된 ADC의 칩 면적은 $0.8mm^2$이다.quential scan) 알고리즘과 성능을 비교한다. 실험결과, 제안된 알고리즘은 순차 검색에 비하여 최대 13.2배까지 성능이 향상되었으며, 인덱스의 개수 k가 증가함에 따라 검색 성능도 함께 증가하였다.라서 보다 안전성과 효율성이 뛰어난 2차 대사물질을 찾아내는 연구와 아울러 방제기능이 있는 물질의 생합성경로를 구명하고 대사공학적으로 이용하므로 병해충에 저항성이 있고 잡초 방제효과를 갖는 형질전환 식물을 육성하는 연구가 지속적으로 이루어져야 할 것이다.{\sim}83.8%$ 범위(範圍)를 차지 하였다. 5) 칼슘 섭취량(攝取量)은 권장량 500 mg 에 비(比)하여 양구지역(楊口地域) 아동(兒童)이 $282.4{\sim}355.0mg$이었고 여주지역(麗州地域) 아동(兒童)이 $284.6{\sim}429.0mg$ 이었다. 6) 철(鐵) 섭취량(攝取量)은 권장량 10mg에 비(比)하여 양구지역(楊口地域) 아동(兒童)이 $6.0{\sim}12.1mg$ 범위(範圍)이었고 여주지역(麗州地域) 아동(兒童)이 $6.4{\sim}16.7mg$ 범위(範圍)로 상당수의 아동(兒童)이 권장량에 미달(未達) 되었다. 7) 비터민 A 섭취량(攝取量)은 양구지역(楊口地域)이 $703.4{\sim}1495.6\;IU$ 범위(範圍)이었고 여주지역(麗州地域) 아동(兒童)이 $750.5{\sim}1521.2\;IU$ 범위(範圍)로서 ${\beta}-carotene$으로서의 권장량 5100 I.U,에 비(比)하여 매우 부족되었다

• 지능정보연구
• /
• 제28권1호
• /
• pp.89-106
• /
• 2022

최근 영상 데이터의 급증으로 이를 효과적으로 처리하기 위해 객체 탐지 및 추적, 행동 인식, 표정 인식, 재식별(Re-ID)과 같은 다양한 컴퓨터비전 기술에 대한 수요도 급증했다. 그러나 객체 탐지 및 추적 기술은 객체의 영상 촬영 장소 이탈과 재등장, 오클루전(Occlusion) 등과 같이 성능을 저하시키는 많은 어려움을 안고 있다. 이에 따라 객체 탐지 및 추적 모델을 근간으로 하는 행동 및 표정 인식 모델 또한 객체별 데이터 추출에 난항을 겪는다. 또한 다양한 모델을 활용한 딥러닝 아키텍처는 병목과 최적화 부족으로 성능 저하를 겪는다. 본 연구에서는 YOLOv5기반 DeepSORT 객체추적 모델, SlowFast 기반 행동 인식 모델, Torchreid 기반 재식별 모델, 그리고 AWS Rekognition의 표정 인식 모델을 활용한 영상 분석 시스템에 단일 연결 계층적 군집화(Single-linkage Hierarchical Clustering)를 활용한 재식별(Re-ID) 기법과 GPU의 메모리 스루풋(Throughput)을 극대화하는 처리 기법을 적용한 행동 및 표정 검출용 영상 분석 시스템을 제안한다. 본 연구에서 제안한 시스템은 간단한 메트릭을 사용하는 재식별 모델의 성능보다 높은 정확도와 실시간에 가까운 처리 성능을 가지며, 객체의 영상 촬영 장소 이탈과 재등장, 오클루전 등에 의한 추적 실패를 방지하고 영상 내 객체별 행동 및 표정 인식 결과를 동일 객체에 지속적으로 연동하여 영상을 효율적으로 분석할 수 있다.

• 경영정보학연구
• /
• 제12권1호
• /
• pp.209-227
• /
• 2010

최근 경영정보와 마케팅 분야의 최근 연구들은 다양한 미디어 플랫폼 환경에서 소비자들의 지속사용을 유발하는 요인들을 밝히고자 노력하고 있다. 유사한 맥락에서 본 연구는 모바일 데이터 서비스(Mobile Data Services: MDS) 플랫폼에서 사용자들의 서비스 지속사용 의지에 영향을 미치는 선행변수들을 밝히고자 한다. MDS 소비자들은 서비스 사용에 대한 비용을 직접 지불한다. 그러므로 해당서비스의 사용을 통해서 획득할 수 있는 이득과 사용할 때 지불해야 하는 비용이 지속사용을 결정하는 중요한 변수들이 될 수 있다. 이러한 의사결정 과정을 반영하기 위해서 본 연구는 소비자들이 얻을 수 있는 이득으로 인지된 유용성과 인지된 즐거움을 고려하였으며, 지불해야 하는 비용으로 재무적 비용과 정신적 비용을 고려하였다. 본 연구는 고려된 변수들을 기대일치모형(Expectation Confirmation Model: ECM)에 결합하여 MDS 사용자 지속사용을 설명할 수 있는 연구 모형을 제안하였다. 연구 모형에서 제안된 가설들 검증하기 위해서, 설문 응답 시점에서 3개월 이내에 MDS를 이용한 경험이 있는 대학생들을 대상으로 설문조사를 수행하여 총 204부의 설문지를 수집하였다. 수집된 데이터는 PLS(partial least squares)를 이용해서 분석되었다. 분석 결과, 인지된 유용성과 인지된 즐거움은 서비스 지속사용 의지를 형성하는데 도움을 주는 것으로 밝혀졌다. 반대로, 재무적 비용과 정신적 비용은 사용자들의 서비스 지속사용 의지를 저해하는 요인들임이 밝혀졌다. 본 연구의 결과는 MDS 플랫폼에서 소비자들의 지속사용 행태에 대한 깊은 이해를 제공하며, 서비스 활성화를 위한 전략 개발과 시사점 제공에 도움을 줄 것으로 기대된다.