• 한국인터넷방송통신학회논문지
• /
• 제23권3호
• /
• pp.199-206
• /
• 2023

본 연구는 건축시 발생되는 폐기물의 자동분류를 위해 딥러닝 알고리즘을 활용해 건출 폐기물 데이터를 각각 목재 폐기물, 플라스틱 폐기물, 콘크리트 폐기물로 분류하는 두 모델들을 통해서 성능 비교를 한다. 건축 폐기물의 분류를 위해 사용된 딥러닝 알고리즘은 합성곱 신경망 이미지 분류 알고리즘 VGG-16과 NLP를 기반으로 이미지를 시퀀스화 시킨ViT, Vision Transformer 모델을 사용했다. 건축 폐기물 데이터 수집을 위해 이미지 데이터를 전 세계 검색엔진에서 크롤링 하였고, 육안으로도 명확히 구분하기 어렵거나, 중복되는 등 실험에 방해되는 이미지는 전부 제외하여 각 분류당 1천장씩 총 3천장의 이미지를 확보했다. 또한, 데이터 학습시에 모델의 정확도 향상에 도움을 주기 위해 데이터 확대 작업을 진행해 총 3만장의 이미지로 실험을 진행 하였다. 수집된 이미 데이터가 정형화 되어있지 않은 데이터 임에도 불구하고 실험 결과는 정확도가 VGG-16는 91.5%, ViT 는 92.7%의 결과가 나타났다. 이는 실제 건축폐기물 데이터 관리 작업에 실전 활용 가능성을 제시한 것으로 보인다. 본 연구를 바탕으로 추후에 객체 탐지 기법이나 의미론적 분할 기법까지 활용한다면, 하나의 이미지 안에서도 여러 세밀한 분류가 가능해 더욱 완벽한 분류가 가능할 것이다.

• 분석과학
• /
• 제20권4호
• /
• pp.347-354
• /
• 2007

본 연구에서는 축산 식품으로 소고기, 돼지고기, 닭고기를 선택하고, 수산 식품으로는 광어와 뱀장어를 선택하여 축 수산 식품 중에 잔류하는 노보비오신의 신속하고 간단한 고속액체크로마토그래피(HPLC) 분석법을 확립하였다. 각 대상 조직시료 일정량에 메탄올을 가하여 균질화한 후, 헥산 용매를 가하여 분석에 방해가 되는 지용성 불순물을 추출 제거하였다. 남은 액을 질소 기류 하에서 완전 건고하고, 여기에 이동상을 가하여 재분산한 후, $0.45{\mu}m$ syringe filter로 여과하고, 이 중 $20{\mu}L$를 HPLC에 주입하였다. HPLC 칼럼으로 phenyl hexyl 칼럼($4.6{\times}150mm$, $5{\mu}m$)을 사용하였고, 이동상으로는 아세토니트릴과 10 mM 인산수소나트륨(monobasic sodium phosphate, pH 2.5)의 혼액(50/50, v/v)을 사용하였으며, 유속은 1.0 mL/min, UV 검출 파장은 254 nm이었다. 각 대상 조직시료에 $0.5{\sim}5{\mu}g/g$의 농도 범위로 표준품을 가하고 검량선을 작성한 결과, 상관계수($r^2$)는 모든 조직 시료에서 CODEX 기준에 적합한 직선성($r^2$ > 0.95)을 보였으며, 정량한계는 $0.5{\mu}g/g$이었다. 각 조직별 평균 회수율은 소 등심 시료가 99.8%, 돼지 삼겹살 시료가 102.4%, 닭 가슴살 시료가 91.0%, 광어 살코기 시료가 104.0%, 뱀장어 살코기 시료가 93.0 %이었다. CODEX 기준을 참조하여 분석법에 대한 검증을 실시한 결과, 양호한 직선성, 정밀성, 정확성 및 회수율을 얻었다.

• 분석과학
• /
• 제22권1호
• /
• pp.44-50
• /
• 2009

본 연구에서는 퍼지 & 트랩 GC-MS를 이용한 퇴적물 중의 메틸수은 분석방법을 제시하고, 국내 주요 하천 퇴적물 중의 총수은 및 메틸수은 등을 분석하였다. 분석방법의 검증을 위하여 고농도 및 저농도의 인증표준물질 2종을 분석하였으며, 현장시료 81건에 대하여 EPA 1630 method 원리의 GCCVAFS 방법으로 분석한 결과와 GC-MS 방법의 분석결과를 비교하였다. 방법검출한계 (MDL)는 0.06 ng/g, 정량한계 (MQL)는 0.20 ng/g이었으며 정밀도와 정확도는 각각 11.2% 및 $102{\pm}11.4%$로 나타났다. 조사된 81건에 대한 하천 퇴적물의 총수은 및 메틸수은 농도는 $2.43{\sim}1.56{\times}10^3$ ng/g 및 N.D.~5.95 ng/g 로 나타났다. 총수은의 분포특성은 외부오염원에 의한 영향으로 인해 유기물, 황함량 및 납, 크롬, 니켈 등의 중금속 농도와 유의한 상관성이 나타났으나, 메틸수은의 경우, 총수은을 제외한 다른 인자들과의 유의한 상관성이 조사되지 않았다.

• 분석과학
• /
• 제20권1호
• /
• pp.84-90
• /
• 2007

식품중 설폰아마이드계 동물용의약품 11종을 분석하기 위하여 고속액체크로마토그라피를 이용하여 동시분석을 시도하였다. 대상물질은 설파클로로피리다진(SCP), 설파디아진(SDZ), 설파디메톡신(SDM), 설피속사졸(SSX), 설파메라진(SMZ), 설파메타진(SMT), 설파메톡사졸(SMX), 설파메톡시피리다진(SMP), 설파모노메톡신(SMM), 설파퀴녹살린(SQX) 및 설파치아졸(STZ)이었다. 대상식품은 축산식품인 소고기, 돼지고기, 닭고기, 우유 및 계란 5품목이었으며, 전국 6대도시인 서울, 부산, 대전, 인천, 목포, 강릉에서 수집하였다. 시료에 인산나트륨 및 아세토니트릴을 가하여 균질화한 후 핵산을 가하여 추출하고 고속액체크로마토그라피로 분석하였다. 이동상으로는 5 mM 제1인산칼륨용액(pH 3.25)과 메탄올의 혼합용액을 100:0에서 30:70까지 그래디언트로 사용하였으며 UV의 검출파장은 270 nm이었다. 평균 회수율은 75~95%이었으며, 검출한계는 신호대 잡음비 3 이상에서 대상물질에 따라 최저 SMT 0.004에서 최고 STZ 0.007 mg/kg로 나타났다. 대부분의 시료에서 설폰아미이드계 동물용의약품은 검출되지 않았으나, 소고기(2시료)에서 설파모노메톡신이 각각 0.03, 0.06 mg/kg 수준으로 검출되었으며 잔류허용기준 이하로 평가되었다.

• 분석과학
• /
• 제20권4호
• /
• pp.331-338
• /
• 2007

한약과 기능성식품으로 널리 활용되는 감초의 지표물질인 glycyrrhizin과 liquiritin을 HPLC-MS/MS 로 정성, 정량분석을 실시하였다. 두 가지 지표성분 모두 positive ion mode에서 검출이 가능하였고, precursor ion과 product ion을 조합한 multiple-reaction monitoring (MRM) mode에서 liquiritin은 m/z $436.2{\rightarrow}257.0$로 관찰되었고, glycyrrhizin은 m/z $823.4{\rightarrow}453.4$ 로 각각 검지되었다. 감초 물 추출물을 분무건조기로 건조한 분말에서 glycyrrhizin의 경우 5.8%, liquiritin의 경우 2.3% 각각 함유되어 있었다. 회수율은 103-113%였고, 일간, 일내 정밀도 실험에서 상대표준편차는 0.95-1.8% 였다. 본 실험 조건에서 liquiritin과 glycyrrhizin의 검출한계는 각각 0.4 ng/mL과 0.01 ng/mL 이었다.

• Journal of Digestive Cancer Research
• /
• 제6권1호
• /
• pp.25-31
• /
• 2018

Background: In Korea, stomach cancer is the second most common malignancy and the third leading cause of cancer-related deaths. the time of diagnosis is very important for treatment so early detection and surgery are currently considered the mainstay of treatment, when diagnosed advanced with tumor extension through the gastric wall and direct extension into other organs, with metastatic involvement. Recently, new drugs, drug combinations, and multimodal approaches have been used to treat this disease and In cancers over expressing or amplifying HER2, the combination of cisplatin-fluoropyrimidine-trastuzumab is considered to be the treatment of reference. but At present, the choice of treatment schedule for HER2-negative tumors is based on the medical institution's preferences and adverse effects profile. The aim of this study was to evaluate the effectiveness and safety of using FOLFOX regimen as a first-line therapy or a salvage therapy in the patients with HER2-negative advanced or metastatic gastric cancer. Methods: We retrospective reviewed the patient medical record from March 2012 to July 2017. This study evaluated 113 patients. Sixty-eight patients were treated with the FOLFOX regimen for the first time (first-line group) and 45 patients were treated with the FOLFOX regimen as a second (35 patients) or third (10 patients) chemotherapy (salvage group). Results: In the first-line group, the response rate was 54.9%. In the salvage therapy group, the response rate was 24.4% and The difference was statistically significant (p=0.205). The median TTP of the first-line group was 10.7 months (95% confidence interval [95% CI], 7.8-13.7 months) and that of salvage line group was 6.1 months (95% CI, 3.8-8.4 months). The median OS of the first-line group was 15.8 months (95% CI, 12.7-18.9 months) and that of the salvage therapy group was 10.2 months (95% CI, 8.2-11.9 months). drug toxicity was similar andtolerable between two groups. Conclusion: In patients with unresctable metastatic gastric cancer, after failing to respond to first-line therapy, most patients have no alternative other than second-line therapy because the disease is highly progressive. if the performance status of the patient is good enough to be eligible to treatments beyond best supportive care. FOLFOX regimen can be a considerable therapeutic option for salvage treatment.

• 한국정보전자통신기술학회논문지
• /
• 제16권5호
• /
• pp.331-337
• /
• 2023

본 논문에서는 근감소증의 발병 여부와 정도를 확인하기 위해 3번 요추부 (L3) CT 영상을 검출하는 딥러닝 모델을 제안하는 것이다. 또한, CT 데이터 내에 L3 레벨과 L3 레벨이 아닌 부분의 데이터 불균형으로 인한 성능 저하의 문제점을 오버샘플링 비율과 클래스 가중치를 설계변수로 하는 최적화 기법을 제시하고자 한다. 모델 학습 및 검증을 위하여 강릉아산병원에 내원한 전립선암 환자 104명, 방광암 환자 46명의 총 150명의 전신 CT 영상이 활용되었다. 딥러닝 모델은 ResNet50을 활용하였으며, 최적화기법의 설계변수로는 모델 하이퍼파라미터 5종과 데이터 증강비율 및 클래스 가중치로 선정하였다. 제안하는 최적화 기반의 L3 레벨 추출 모델은 대조군 (하이퍼파라미터 5종만을 최적화한 모델)과 비교하여 중간 L3 오차가 약 1.0 슬라이스 감소한 것을 확인할 수 있었다. 본 연구결과를 통하여 정확한 L3 슬라이스 검출이 가능하며, 추가적으로 데이터 증강을 통한 오버 샘플링과 클래스 가중치 조절을 통해 데이터 불균형 문제를 효과적으로 해결할 수 있는 가능성을 제시할 수 있다.

• 인터넷정보학회논문지
• /
• 제24권6호
• /
• pp.73-80
• /
• 2023

최근 최저시급의 가파른 인상으로 인건비에 대한 부담이 늘어남과 함께 코로나19의 여파로 무인 상점의 점유율이 높아지고 있는 추세이다. 그로 인해 무인 점포를 타겟으로 하는 도난 범죄들도 같이 늘어나고 있어 이러한 도난 사고를 방지하기 위해 Just-Walk-Out 시스템을 도입하고 고비용의 LiDAR 센서, 가중치 센서 등을 사용하거나 수동으로 지속적인 CCTV 감시를 통해서 확인하고 있다. 하지만 이런 고가의 센서를 많이 사용할수록 점포 운영에 있어 비용 부담이 늘어나게 되고, CCTV 확인은 관리자가 24시간 내내 감시하기 어려워서 사용이 제한적이다. 본 연구에서는 이런 센서들이나 사람에 의지하는 부분을 해결할 수 있고 무인점포에서 사용할 수 있는 저비용으로 도난 등의 이상행동을 하는 고객을 탐지하여 클라우드 기반의 알림을 제공하는 인공지능 영상 처리 융합 알고리즘을 제안하고자 한다. 또한 본 연구에서는 mediapipe를 이용한 모션캡쳐, YOLO를 이용한 객체탐지 그리고 융합 알고리즘을 통해 무인 점포에서 수집한 행동 패턴 데이터를 바탕으로 각 알고리즘들에 대한 정확도를 확인하며 다양한 상황 실험을 통해 융합 알고리즘의 성능을 증명했다.

• 융합신호처리학회논문지
• /
• 제24권3호
• /
• pp.134-139
• /
• 2023

재활환자는 수술 치료 후 신속한 사회복귀를 목적으로 신체적 기능 회복을 위하여 통원치료 및 일상에서 재활운동을 수행한다. 병원에서 전문 치료사의 도움으로 운동을 수행하는 것과 달리 일상에서 환자 스스로 재활운동을 수행하는 것은 많은 어려움이 있다. 본 논문에서는 일상에서 환자 스스로 효율적이고 올바른 자세로 재활운동을 수행할 수 있도록 CNN-LSTM 기반의 상지 재활운동 실시간 모니터링 시스템을 제안한다. 제안한 시스템은 EMG, IMU가 탑재된 어깨 착용형 하드웨어를 통해 생체신호를 계측하고 학습을 위한 전처리 과정과 정규화를 진행하여 학습 데이터세트로 사용하였다. 구현된 모델은 특징 검출을 위한 3개 합성곱 레이어 3개의 폴링 레이어, 분류를 위한 2개의 LSTM 레이어로 구성되어 있으며 검증 데이터에 대한 학습 결과 97.44%를 확인할 수 있었다. 이후 Teachable machine과의 비교평가를 진행하였으며 비교평가 결과 구현된 모델은 93.6%, Teachable machine은 94.4%로 두 모델이 유사한 분류 성능을 나타내는 것을 확인하였다.

• 융합신호처리학회논문지
• /
• 제24권2호
• /
• pp.119-125
• /
• 2023

본 연구에서는 전동 이동 보조기를 이용하는 교통약자의 이동을 저해하거나 불편을 초래하는 횡단 보도, 측구, 맨홀, 점자블록, 부분 경사로, 임시안전 방호벽, 계단, 경사형 연석과 같은 주행 장애물 객체를 촬영한 뒤 객체를 분류하고 이를 자동 인식하는 최적의 AI 모델을 개발하여 주행 중인 전동 이동 보조기 전방에 나타난 장애물을 효율적으로 판단할 수 있는 알고리즘을 구현하고자 한다. 객체 검출을 높은 확률로 AI 학습이 될 수 있도록 데이터 셋 구축 시 라벨링 형태를 폴리곤 형태로 라벨링 하며, 폴리곤 형태로 라벨링 된 객체를 탐지할 수 있는 Detectron2 프레임워크를 활용하여 Mask R-CNN 모델을 활용하여 개발을 진행하였다. 영상 획득은 일반인과 교통약자의 두 개 그룹으로 구분하여 진행하였고 테스트베드 2개 지역에서 얻어진 영상정보를 확보하였다. Mask R-CNN 학습 결과 파라미터 설정은 IMAGES_PER _BATCH : 2, BASE_LEARNING_RATE 0.001, MAX_ITERATION : 10,000으로 학습한 모델이 68.532로 가장 높은 성능을 보인 것이 확인되어 주행 위험, 장애 요소를 빠르고 정확하게 사용자가 인지할 수 있도록 하는 딥러닝 모델을 구축이 가능한 것을 확인할 수 있었다.