• 한국콘텐츠학회논문지
• /
• 제13권5호
• /
• pp.303-310
• /
• 2013

초음파영상은 갑상선 질병에서 결절성 갑상선 질병을 진단하는 검사로서 결절의 위치, 크기, 개수, 내부 에코 특성에 대한 정보를 제공하여 암의 가능성이 높은 고위험 결절을 선별하며, 세침흡인 검사 시 정확한 유도를 가능하게 한다. 갑상선 결절 중 악성으로 진단되는 경우는 5% 미만이지만 초음파에서 감별진단이 중요하다. 그러므로 본 연구에서는 병리학적으로 갑상선 유두암으로 진단된 증례를 실험 대상으로 하며, 영역을 묘사하는 알고리즘으로 그 질감을 정량화하는 방법으로 질감특징 분석(TFA)를 적용하여 컴퓨터자동진단의 검출 효율을 실험하였다. 초음파영상에서 관심영역을 설정하여 $50{\times}50$ 픽셀 크기, 히스토그램 평활화로 전처리하여 실험영상을 획득하였다. 전체영상 70증례에서 갑상선 유두암의 영상 35증례를 테스트 영상으로 하고, 고유영상 생성의 정상영상 35증례를 학습영상으로 실험하였다. 질감특징 분석 알고리즘을 적용한 실험결과 GLavg, SKEW, UN, ENT 4개 파라미터의 질병 검출 효율이 91~100%로 높게 나타났다. 이는 갑상선 결절 질병을 감별하는 컴퓨터자동진단의 응용을 나타내며, 갑상선 질병의 감별진단에 전처리 자동진단 가능성을 나타낸다. 향후 추가적인 관련 알고리즘의 연구가 계속 진행된다면 갑상선 질병의 컴퓨터자동진단의 실용화기반을 마련할 수 있을 것이고, 다양한 초음파영상의 질병에 대한 적용이 가능할 것으로 사료된다.

• 한국컴퓨터정보학회지
• /
• 제14권2호
• /
• pp.185-197
• /
• 2006

스타 스키마는 중앙에 사실테이블이 있고 이 주변에 여러 개의 차원테이블이 감싸고 있는 형태로 되어있다. 사실테이블에서의 각 행은 여러 외래키로 구성된 하나의 복합키와 이 복합키와 관련된 여러 측정값으로 구성된다. 복합키의 구성원인 각 외래키는 각 하나씩의 차원테이블과 관련을 맺고 있다. 그런데 문제가 되는 것은 OLAP 스키마에서는 사실테이블에서의 복합키와 측정값이 1 : 1의 관계를 맺고 있는 것으로 되어있는데 비해서 실제의 애플리케이션 특히 금융 애플리케이션에 있어서는 복합키와 측정값이 1 : N의 관계를 맺게 된다는 점이다. 따라서 1 : N의 관계를 1 : 1로 만들기 위해서 예를 들면 SQL 데이터베이스에서 미리 필요한 처리를 한 다음 이 선처리 결과를 OLAP 데이터베이스에 입력하는 방법을 취하게 되는데, 이 방법에도 여러 문제가 있는 것으로 알려져 있다. 특히 어떤 경우에는 결과값이 틀리게 나오기도 한다. 본 연구에서는 1 : N의 관계를 사실테이블에 유지를 하면서도 어떠한 선처리도 하지 않고 정확한 결과값을 산출할 수 있는 사실테이블의 모델링과 MDX 쿼리문 작성법을 제안하고 있다.

• 한국재료학회지
• /
• 제1권3호
• /
• pp.156-167
• /
• 1991

본 연구의 목적은 항공기용 터어보팬 엔진의 재료선정을 위한 데이타 베이스를 구축하는 것이다. 터어보팬 엔진은 고성능이면서도 연료소모율이 적어 경제적인 운용이 가능하므로 최근 여러 용도로 사용되고 있는 엔진이다. 현재 서로 다른 특성을 가진 수백종의 초내열재료들이 개발되어 있는데, 한 엔진설계자가 어떤 엔진요소에 사용할 재료를 선택한다는 것은 매우 어려운 작업이다. 따라서 수 많은 재료에 대한 정보를 관리할 수 있는 데이타 베이스가 절실히 요구되고 있으나, 국내에서는 아직 이 방면의 기초연구가 이루어져 있지 않은 실정이다. 본 연구에서는 재료공학적 관점에서 초내열재료의 대표적 성질로서 고온강도, 내식성, 내산화성, 항복강도, 열팽창계수, 융정등을 고려해서 후보재료를 선정할 수 있도록 하였다. 이외에도 성 형성이나 제조단가등도 고려해야할 변수가 된다. 본 연구에 의해 사용자의 편의를 고려한 전산프로그램이 개발되었으며, 이를 이용하여 새로운 재료정보의 입력, 요구 재료선정 및 선정결과의 출력등이 가능하다. 끝으로 선정된 재료에 대한 성능검토도 실시하였다.

• 한국정보과학회논문지:시스템및이론
• /
• 제37권3호
• /
• pp.172-183
• /
• 2010

가상 메모리 시스템(VM)에서 페이지 부재로 발생하는 디스크 I/O를 감소시키기 위해 페이지 선반입 기법을 사용한다. 이 기법은 부재 페이지와 함께 추가적인 페이지들을 한 번의 디스크 I/O로 미리 읽는다. 그런데, 4.4BSD와 같은 운영체제의 VM은 응용 프로그램의 페이지 참조 패턴을 고려하지 않고 항상 가능한 많은 페이지들을 선반입하고자 한다. 이 방법은 선반입된 페이지들 중 일부만 사용하는 참조패턴에서 디스크 참조 시간을 증가시키며, 유용한 페이지들을 메모리에서 내보내는 메모리 오염을 야기한다. 이런 문제를 해결하기 위해 본 논문은 적응적 페이지 선반입 제어 기법(APC)을 제안한다. APC는 선반입 페이지들 중에서 메모리에 존재하는 동안 참조된 페이지들의 비율을 프로세스 단위로 주기적으로 측정하고, 이 비율을 사용하여 4.4BSD VM이 선반입하고자 하는 페이지의 개수를 조절한다. 그래서 실행도중 페이지 참조 패턴이 바뀌더라도 적절한 수의 페이지를 선반입할 수 있다. 성능 검증을 위해 APC를 4.4BSD 기반의 FreeBSD 6.2에 구현하였으며, SOR, SMM, FFT 벤치마크를 통해 성능을 측정하였다. 성능 측정 결과 APC는 기존 BSD VM보다 벤치마크의 실행 시간을 최대 57% 단축하였다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제8권9호
• /
• pp.209-216
• /
• 2019

출판-구독 모델은 정보 생산자와 사용자를 느슨하게 연결해 주어 다양한 기기들의 연결에 많이 사용되고 있다. 출판-구독 모델에서 네트워크 대역폭을 효과적으로 활용하기 위한 방안으로 조건에 따른 메시지 필터링이 사용되고 있으며, 이에 따른 다양한 연구 결과들이 제안되어왔다. Peer-to-Peer(p2p)기반의 출판-구독 모델은 높은 확장성을 장점으로 다양한 분야에서 널리 사용되고 있지만, p2p 기반특성에 따라 일반적인 필터링 과정이 구독자단에서 이루어지게 되어 구독자에게 추가적인 성능 부담으로 작용하고 있다. 본 논문에서는 이러한 문제점들을 해결하기 위해 subscription사이의 종속 관계를 가지는 계층적인 subscription 구조와 이를 기반으로 하는 계층적 메시지 전송 방식을 제안한다. 본 제안을 통해 subscription 부모가 존재하는 구독자들은 부모로 부터 필터링 된 메시지를 전송 받게 되어 메시지 수가 증가하더라도 상대적으로 적은 수의 불필요한 메시지를 수신하게 되며, 구독자들 간 트리 구조를 통해 메시지 전송 과정을 출판자에서 구독자로 분산시킴으로써 속도 측면에서의 성능 향상을 얻을 수 있다. 제안 기법의 검증을 위해 제안 기법과 기존 기법들 간의 비교 실험을 진행하였으며, 본 제안 기법에서 메시지 유통량과 전체 throughput의 향상을 확인하였다.

• 지능정보연구
• /
• 제22권4호
• /
• pp.177-192
• /
• 2016

기계학습(Machine Learning)은 인공 지능의 한 분야로, 데이터를 이용하여 기계를 학습시켜 기계 스스로가 데이터 분석 및 예측을 하게 만드는 것과 관련한 컴퓨터 과학의 한 영역을 일컫는다. 그중에서 SVM(Support Vector Machines)은 주로 분류와 회귀 분석을 목적으로 사용되는 모델이다. 어느 두 집단에 속한 데이터들에 대한 정보를 얻었을 때, SVM 모델은 주어진 데이터 집합을 바탕으로 하여 새로운 데이터가 어느 집단에 속할지를 판단해준다. 최근 들어서 많은 금융전문가는 기계학습과 막대한 데이터가 존재하는 금융 분야와의 접목 가능성을 보며 기계학습에 집중하고 있다. 그러면서 각 금융사는 고도화된 알고리즘과 빅데이터를 통해 여러 금융업무 수행이 가능한 로봇(Robot)과 투자전문가(Advisor)의 합성어인 로보어드바이저(Robo-Advisor) 서비스를 발 빠르게 제공하기 시작했다. 따라서 현재의 금융 동향을 고려하여 본 연구에서는 기계학습 방법의 하나인 SVM을 활용하여 매매성과를 올리는 방법에 대해 제안하고자 한다. SVM을 통한 예측대상은 한국형 변동성지수인 VKOSPI이다. VKOSPI는 금융파생상품의 한 종류인 옵션의 가격에 영향을 미친다. VKOSPI는 흔히 말하는 변동성과 같고 VKOSPI 값은 옵션의 종류와 관계없이 옵션 가격과 정비례하는 특성이 있다. 그러므로 VKOSPI의 정확한 예측은 옵션 매매에서의 수익을 낼 수 있는 중요한 요소 중 하나이다. 지금까지 기계학습을 기반으로 한 VKOSPI의 예측을 다룬 연구는 없었다. 본 연구에서는 SVM을 통해 일 중의 VKOSPI를 예측하였고, 예측 내용을 바탕으로 옵션 매매에 대한 적용 가능 여부를 실험하였으며 실제로 향상된 매매 성과가 나타남을 증명하였다.

• 지능정보연구
• /
• 제20권1호
• /
• pp.35-48
• /
• 2014

2013년 건설 경기 전망 보고서에 따르면 주택건설경기 침체 상황의 지속으로 건설 기업의 유동성 위기가 지속될 것으로 전망된다. 건설업은 파산으로 인한 사회적 파급효과가 다른 산업에 비해 큰 편이지만, 업종의 특성상 다른 산업과는 상이한 자본구조와 부채비율, 현금흐름을 가지고 있어서 기업의 파산 예측이 더 어려운 측면이 있다. 건설업은 레버리지가 큰 산업으로 부채비율이 매우 높은 업종이며 현금흐름이 프로젝트 후반부에 집중되는 특성이 있다. 그리고 경기사이클에 따른 부침이 매우 심하여 경기하강국면에선 파산이 급증하는 양상을 보인다. 건설업이 레버리지 산업인 이상 건설업체의 파산율 증가는 여신을 공여한 은행에 큰 부담으로 작용한다. 그럼에도 그간의 파산예측모델이 주로 금융기관에 집중되어 왔고 건설업종에 특화된 연구는 드물었다. 기업의 재무 자료를 바탕으로 한 파산 예측 모델에 대한 연구는 오래 전부터 다양하게 진행되었다. 하지만, 일반적인 기업 전체를 대상으로 하는 모델이기 때문에, 건설 기업과 같이 유동성이 큰 기업의 예측에는 적절하지 못할 수 있다. 건설 산업은 오랜 사업 기간과 대규모 투자, 그리고 투자금 회수가 오래 걸리는 특징을 갖는 자본 집약 산업이다. 이로 인해 다른 산업과는 상이한 자본 구조를 갖기 마련이고, 다른 산업의 기업 재무 위험도를 판단하는 기준과 동일한 적용이 곤란할 수 있다. 최근에는 기계 학습을 바탕으로 한 기업 파산 예측 연구가 활발하다. 기계 학습의 대표적 응용 분야인 패턴 인식을 기업의 파산 예측에 응용한 것이다. 기업의 재무 정보를 바탕으로 패턴을 작성하고 이 패턴이 파산 위험 군에 속하는지 안전한 군에 속하는지 판단하는 것이다. 전통적인 Z-Score와 기계 학습을 이용한 파산 예측과 같은 기존 연구들은 특정 산업 분야가 아닌 일반적인 기업을 대상으로 하기 때문에 기업들의 특성을 전혀 고려하고 있지 못하다. 본 논문에서는 건설 기업을 규모에 따라 각 기법들의 예측 능력을 비교하여 적응형 부스팅이 가장 우수함을 확인하였다. 본 논문은 건설 기업을 자본금 규모에 따라 세 등급으로 분류하고 각각에 대해 적응형 부스팅의 예측력을 분석하였다. 실험 결과 적응형 부스팅이 다른 기법에 비해 예측 결과가 좋았고, 특히 자본금 규모가 500억 이상인 기업의 경우 아주 우수한 결과를 보였다.

• 지능정보연구
• /
• 제22권1호
• /
• pp.107-118
• /
• 2016

2020년경 우리에게 모습을 보이게 될 5G 이동통신은 IoT, V2X 등을 비롯하여 다양한 서비스를 고객들에게 제공할 것으로 예상되며, 이러한 서비스를 제공하기 위한 요구사항은 꾸준히 수준을 높여오던 고속 데이터 속도 외에도, 신뢰도, 그리고 실시간 서비스를 위한 지연 감소 등이 가장 중요한 고려사항이 될 것으로 전망된다. 이러한 이유는 5G의 주요 응용분야로 고려되는 분야인 M2M, IoT, Factory 4.0 등의 서비스를 위해서는 기존의 속도뿐 아니라, 특히 지연 및 신뢰성이 매우 중요하게 고려되어야 한다. 특히, 교통관제 등 자동차를 기반으로 하는 다양한 V2X(Vehicle to X)를 활용한 지능형 교통관제 시스템 및 서비스에서는 요구사항이 가장 높은 수준으로 고려될 수 있다. 5G 이동통신을 위하여 세계 각국의 표준화 기구들은 서비스를 규정하고 이를 요구사항에 따라 그룹화하여, 서비스의 시나리오 와 기술적 요구사항을 도출하였고, 최근에는 이러한 시나리오를 위한 요구사항의 수준이 어느 정도 합의에 다다르고 있다. 도출된 서비스 시나리오는 5개이며 이는 다음과 같다. 첫 번째 시나리오는 빠른 데이터 전송이 필요한 서비스로 가상 사무공간의 3차원 정보의 전송을 위해 높은 품질의 데이터를 요구한다. 두 번째 시나리오는 운동장, 콘서트장, 백화점과 같이 군중이 몰린 곳에서도 합리적인 이동통신 광대역 서비스 제공하는 경우이며, 세 번째는 이동 중에 일정 수준의 서비스를 제공하는 경우이고, 네 번째 경우는 지연 및 신뢰도에 대한 매우 강한 요구사항을 갖는 경우이며, M2M 통신과 같이 실시간성 보안 및 산업을 위한 응용 등의 예가 해당된다. 마지막으로 다섯 번째는 유비퀴터스 통신의 예이며, 다양한 요구사항을 가진 많은 수의 디바이스에 대한 효과적인 조정하는 경우를 예로 들 수 있다. 5G 통신은 또한 차세대 망의 구조를 고려하여 SDN(Software Defined Network)기반의 구조를 채택하고 있는데, 이러한 망의 구조는 지연과 신뢰도와 밀접한 관계를 갖고, 최악조건의 경우를 위한 SDN을 고려한 망 구조측면의 검토가 필요하다. 다양한 요구사항 중 5G에서 가장 주요시 고려 되어야 할 지연 및 신뢰도에 가장 적합한 시나리오는 지능형 교통 시스템 및 서비스 환경에서의 응급상황이다. 자동차는 매우 빠른 속도로 5G의 작은 셀들을 지나가고, 응급상황에 전달해야 하는 메시지는 매우 짧은 시간에 전달 및 처리되어야 하는 시나리오로 지연에 민감한 최악조건의 대표적인 예라고 생각할 수 있다. 본 논문에서는 V2X의 응급상황에서 SDN 망 구조 및 정보흐름의 규모에 대한 시뮬레이션을 통하여 시스템 수준의 분석을 진행하였다.

• 한국정보과학회논문지:시스템및이론
• /
• 제34권8호
• /
• pp.367-376
• /
• 2007

본 논문은 dynamic voltage scaling (DVS)를 지원하는 휴대장치를 대상으로 하여 응용프로그램 특성에 따라 실행 중에 전력관리 기법이 다르게 적용되는 적응형 전력관리 기법에 대하여 소개한다. 본 논문의 전력관리 기법은 멀티태스킹 시스템에서 실행되는 soft real-time 프로그램의 memory subsystem 과 프로세서의 실행 시간(run time) 및 유휴 시간(idle time)을 고려하여 프로그램 실행 중에 최적의 DVS가 적용될 수 있도록 하여 전력을 관리한다. 세부적인 전력 및 실행시간 프로파일 정보를 이용할 수 있도록 adaptive power manager(APM)를 개발하여 운영체제에 연동시켰고, Post-pass 최적화기는 APM을 위한 적응형 API를 프로그램의 실행이미지에 삽입하여 실행 중 DVS가 적용되는 코드영역을 표시한다. APM은 프로그램 실행 중에 cache miss 수 등을 측정하는 CPU의 pertormance counter들을 관찰한다. Performance counter들의 값을 바탕으로 CPU와 memory 중심의 코드 영역을 구분하여 프로세서의 유휴 시간에 대한 분석을 수행하고, 표시된 코드영역들에 대한 최적정 전압과 동작 클락을 결정하여 시스템에 반영한다. 제안하는 기법의 효과를 보이기 위하여 Intel의 XScale 프로세서 상에서 동작하는 Windows CE에 본 기법을 구현하였고, 실험을 통하여 본 논문에서 제시하는 기법이 영상이나 음성 데이타를 해독하는 프로그램과 같이 정기적으로 비슷한 일을 수행하는 프로그램에서 효과적임을 알 수 있었다. 실험 결과 본 기법으로 유휴시간에 프로세서를 저전력모드로 바꾸는 기존의 고전적인 전력 관리 기법보다 전체 시스템 전력 소모를 9% 더 절약할 수 있었다. 위성영상과 DEM 개발기술이 87% 이상의 점수를 받아 가장 시장성 및 활용성이 높은 기술로 평가되었으며, 초다분광영상에 대한 기술은 70%를 겨우 넘는 수준에서 평가가 되었다. 멀티센서 공간영상정보 통합처리 기술 개발은 다목적 실용위성의 보유, 국가 NGIS 사업의 결과물이 상당히 축척이 되어 있고, 라이다(LiDAR) 기술의 도입을 위한 환경이 조성되었기에 다른 국가에 비해 멀티센서 기술의 적용과 산업화가 가시화 될 수 있을 것으로 기대된다. 그러나 멀티센서 자료의 수급이 용이하지 못하고, 법 제도적인 한계, 시장의 성숙도가 기대이하라는 점 등의 한계를 노정하고 있다.a var. sieboldii 3. Pinus densiflora, Q. aliena, Q. acutissima, P. thunbergii, Q. acuta 4. Carpinus laxiflora, Camellia japonicas. C. tschonoskii community의 5개 그룹으로 나타났다. 하류의 부착돌말류는 상대적으로 양호한 수질을 가지고 있는 정점 1에서 다양한 생물상을, 탄천의 영향을 받는 정점 2는 상대적으로 수질이 악화되어 호오염성 종들이 높은 분포를 나타내고 있었다. 또한 부착돌말류 중 Cymbella minuta는 다른 부착돌말류에 비해 강한 오염지표성을 나타내고 있었다.p=0.000, $4.76{\pm}3.31$ vs $1.29{\pm}0.92$, p=0.000). 골전이 병소의 발생부위는 척추골이 가장 많았으며, 골반골, 늑골, 두개골, 흉골, 견갑골, 대퇴골, 쇄골, 상완골 순서였다. 두개골 전이병소에 SUVmax가 가장 높은 값을 나타내었으며, 늑골의 SUVrel가 가장 높은 값을 나타내었다. 경화성 골전이 병소가 다른 형태의 골전이

• 대한핵의학회지
• /
• 제36권6호
• /
• pp.344-356
• /
• 2002

목적: 적혈구 혈액 풀 SPECT는 높은 특이도로 인하여, 간의 대표적인 양성 종양인 혈관종의 진단에 널리 사용되어 왔지만 낮은 해상도가 이 검사의 단점 중 하나였다. 최근 들어 ordered subset expectation maximization (OSEM)이라는 기술이 임상 핵의학 분야에서 단층영상의 재구성에 도입되고 있는 바, 저자들은 간 혈관종을 대상으로 기존의 역투사방식과 새로운 수정된 반복영상구성법인 OSEM을 비교하고자 하였다. 대상 및 방법: 24명의 간 혈관종 환자의 28개의 병변들 각각으로부터 이중 헤드 감마 카메라를 이용하여 단층영상 재구성을 위한 64개의 투사 영상을 얻었다. 이들 raw data는 LINUX운영체계의 개인용 컴퓨터에 보내서, 각각의 header file을 interfile로 대체하여 OSEM프로그램이 인식할 수 있도록 하였다. 최상의 영상을 구성하는 조건을 알아보기 위하여 다양한 subset 수(1, 2, 4, 8, 16 그리고 32) 및 반복계산 수 (1, 2, 4, 8, 그리고 16)하에서 재구성을 시도하여 4번의 반복계산과 16개의 subset일 때를 최적 조건으로 선택하였다. 이후 이 조건 하에서 OSEM과 역투사 방법으로 각각 모든 대상을 재구성한 후에 3명의 핵의학 및 방사선과 전문의가 특별한 정보 없이 모든 영상을 검토하였다. 결과: 28개의 병변을 맹검한 결과, 거의 모든 증례에서 OSEM이 역투사에 비교하여 최소한 대등하거나 우수한 영상의 질을 보여주었다. 비록 3 cm 이상의 큰 병변의 검출에는 차이가 없었으나 1.5-3 cm 크기의 병변 5개는 OSEM을 통하여서만 발견되었다. 하지만 1.5 cm 미만의 작은 병변 4개는 양쪽 모두에서 검출되지 않았다. 결론: OSEM은 작은 크기의 간 혈관종을 발견하는데 보다 높은 민감도를 보였으며 전체적인 영상의 질에 있어서도 보다 좋은 대조도와 윤곽을 보여주었다. OSEM은 이와 같은 장점 뿐만 아니라 높은 사양의 컴퓨터를 요하지않고 계산시간이 길지 않기 때문에 임상에서 간 혈관종의 진단을 위한 적혈구 혈액풀 SPECT에 쉽게 적용될 수 있는 좋은 방법으로 사료된다.