• Journal of Power Electronics
• /
• 제11권6호
• /
• pp.801-810
• /
• 2011

An open circuit fault diagnostic method in IGBTs for the ac to dc converters used in microgrid applications is developed in this paper. An ac to dc converter is a key technology for microgrids in order to interface both distributed generation (DG) and renewable energy resources (RES). Also, highly reliable ac to dc converters are necessary to keep converters in continuous operation as long as possible during power switch fault conditions. Therefore, the proposed fault diagnostic method is developed to reduce the fault detection time and to avoid any other fault alarms because continuous operation is desired. The proposed diagnostic method is a combination of the absolute normalized dc current technique and the false alarm suppression algorithm to overcome the long fault detection time and fault alarm problems. The simulation and experimental results show that the developed fault diagnostic method can perform fault detection within about one cycle. The results illustrate that the reliability of an ac to dc converter interfaced with a microgrid can be improved by using the proposed fault diagnostic method.

• 동의생리병리학회지
• /
• 제23권4호
• /
• pp.765-771
• /
• 2009

The medical informatics for clustering Sasang types with collected clinical data is important for the personalized medicine, but it has not been thoroughly studied yet. The purpose of this study was to examine the usefulness of neural network data mining algorithm for traditional Korean medicine. We used Kohonen neural network, the Self-Organizing Map (SOM), for the analysis of biomedical information following data pre-processing and calculated the validity index as percentage correctly predicted and type-specific sensitivity. We can extract 12 data fields from 30 after data pre-processing with correlation analysis and latent functional relationship analysis. The profile of Myers-Briggs Type Inidcator and Bio-Impedance Analysis data which are clustered with SOM was similar to that of original measurements. The percentage correctly predicted was 56%, and sensitivity for So-Yang, Tae-Eum and So-Eum type were 56%, 48%, and 61%, respectively. This study showed that the neural network algorithm for clustering Sasang types based on clinical data is useful for the sasang type diagnostic test itself. We discussed the importance of data pre-processing and clustering algorithm for the validity of medical devices in traditional Korean medicine.

• 한국산학기술학회논문지
• /
• 제20권7호
• /
• pp.127-132
• /
• 2019

인플루엔자는 인플루엔자 바이러스에 의해 발생하는 급성 호흡기 질환으로 고열, 두통 등을 유발하는 질병이다. 인플루엔자는 특히 변이를 통하여 다 종의 아형을 만들어, 스페인 독감과 같이 수천만 명의 사망자를 내는 등 인류에 심각한 위협을 미치고 있다. 이러한 인플루엔자는 감염 이후에 신속한 진단 검사를 통하여 항바이러스 사용이 필수적인데, 이를 위하여 일반적으로 응급 상황에서 신속하게 진단을 할 수 있는 면역크로마토그래피 기반의 인플루엔자 간이 진단 키트를 사용한다. 본 논문에서는 응급상황에서 준 의료인 등이 인플루엔자 감염이 의심되는 다수의 환자 검진을 가능하게 할 수 있도록 영상 기반의 인플루엔자 판독 기법을 개발한다. 특히 영상 기반의 인플루엔자 판독 시, 판독하는 광원 환경에 따라 발생하는 오류를 최소화하기 위하여 결합 누적 분포 함수 기반의 색상 변환을 통하여 광원의 영향을 최소화하는 알고리즘을 제안한다. 다양한 밝기 변환, 색 온도 등의 환경 조건을 가지는 90개의 실험군에 대하여 본 연구에서 제안하는 알고리즘이 다양한 광원 환경에서 강인함을 확인한다.

• Journal of Radiation Protection and Research
• /
• 제36권2호
• /
• pp.79-85
• /
• 2011

본 논고의 목적은 듀얼 에너지 시스템의 금속 인공물 감약 (MAR) 기법을 팬텀과 환자를 대상으로 적용하여보고 그 유용성에 대해서 알아보고자 한다. 사용한 장비는 GE사(社)의 750HD CT이고 AW 4.5 볼륨 share 4 워크스테이션에서 영상 분석을 하였다. 팬텀으로는 victoreen사(社)의 사람 모형 흉부팬텀을 사용하였고 사람 대상은 2010년 12월 20일부터 2011년 2월 10일까지 금속물질이 삽입된 환자 25명을 대상으로 목 부위와 복부 부위에 MAR 알고리즘을 적용하였다. 사용한 파라미터는 복부검사의 경우 GSI-4Body-Large 0.9 sec 40 mm이고 목 부위에서는 GSI-3Body-Medium 0.5 sec 40 mm를 선택하여 시행하였다. 영상시험은 국립암센터 CT영상실에서 기본적으로 시행하고 있는 프로토콜에 MAR 옵션을 적용하여 동일하게 시행하였다. 영상분석은 MAR기법을 적용한 영상과 적용하지 않은 영상에서 검은색 인공물과 줄무늬 인공물이 있는 부위에 관심부위 (ROI)를 설정한 후 hounsfield unit(HU)과 노이즈를 이용한 정량적 평가를 하였고 임상 경험이 풍부한 의사와 방사선사가 CT영상에 대한 평가를 하여 MAR 알고리즘에 대한 유용성을 비교하였다. 환자 대상 시험 결과 MAR 알고리즘을 적용함으로서 금속 인공물이 있는 부위에서의 검은색 인공물(금속이 있는 부위) 과 줄무늬 인공물이 있는 영상에서 HU의 p값이 각각 p=0.01과 p=0.04를 보였지만 금속 인공물의 영향에서 벗어난 부위에서의 노이즈는 오히려 증가하는 모습을 보였다(p=0.05). 그리고 그 외의 영상(금속이 있는 부위에서 1 cm 떨어진 단면 영상) 에서 검은색 인공물과 줄무늬 인공물 부위의 HU와 노이즈의 p값에 대해서는 통계적 유의성은 만족하지 못하였지만 대체적으로 MAR알고리즘을 적용함으로서 금속인공물 발생이 감약 되는 결과를 보였다. 결론적으로 금속 물질이 삽입된 환자의 경우에 MAR 알고리즘을 적용함으로서 조직의 선예도가 적용하지 안했을 때보다 증가하였고 검은색 인공물 발생 또한 개선되는 모습을 보였다.

• Journal of Computing Science and Engineering
• /
• 제10권4호
• /
• pp.111-117
• /
• 2016

An accurate approach for diagnosis of attention deficit hyperactivity disorder (ADHD) is presented in this paper. The presented technique efficiently classifies three subtypes of ADHD (ADHD-C, ADHD-H, ADHD-I) and typically developing control (TDC) by using only structural magnetic resonance imaging (MRI). The research examines structural MRI of the hippocampus from the ADHD-200 database. Each available MRI has been processed by a region-of-interest (ROI) to build a set of features for further analysis. The presented ADHD diagnostic approach unifies feature selection and classification techniques. The feature selection technique based on the proposed binary-coded genetic algorithm searches for an optimal subset of features extracted from the hippocampus. The classification technique uses a chosen optimal subset of features for accurate classification of three subtypes of ADHD and TDC. In this study, the famous Extreme Learning Machine is used as a classification technique. Experimental results clearly indicate that the presented BCGA-ELM (binary-coded genetic algorithm coupled with Extreme Learning Machine) efficiently classifies TDC and three subtypes of ADHD and outperforms existing techniques.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 2014년도 추계학술대회 논문집
• /
• pp.90-93
• /
• 2014

In this paper, we have developed a new fault detection method based on vibration signal for rotor machinery. Generally, many methods related to detection of rotor fault exist and more advanced methods are continuously developing past several years. However, there are some problems with existing methods. Oftentimes, the accuracy of fault detection is affected by vibration signal change due to change of operating environment since the diagnostic model for rotor machinery is built by the data obtained from the system. To settle a this problems, we build a rotor diagnostic model by using feature residual based on vibration signal. To prove the algorithm's performance, a comparison between proposed method and the most used method on the rotor machinery was conducted. The experimental results demonstrate that the new approach can enhance and keeps the accuracy of fault detection exactly although the algorithm was applied to various systems.

• Nuclear Engineering and Technology
• /
• 제54권8호
• /
• pp.2859-2870
• /
• 2022

Because nuclear power plants (NPPs) are safety-critical infrastructure, it is essential to increase their safety and minimize risk. To reduce human error and support decision-making by operators, several artificial-intelligence-based diagnosis methods have been proposed. However, because of the nature of data-driven methods, conventional artificial intelligence requires large amount of measurement values to train and achieve enough diagnosis resolution. We propose a graph neural network (GNN) based accident diagnosis algorithm to achieve high diagnosis resolution with limited measurements. The proposed algorithm is trained with both the knowledge about physical correlation between components and measurement values. To validate the proposed methodology has a sufficiently high diagnostic resolution with limited measurement values, the diagnosis of multiple accidents was performed with limited measurement values and also, the performance was compared with convolution neural network (CNN). In case of the experiment that requires low diagnostic resolution, both CNN and GNN showed good results. However, for the tests that requires high diagnostic resolution, GNN greatly outperformed the CNN.

• 한국수학교육학회지시리즈D:수학교육연구
• /
• 제12권1호
• /
• pp.27-37
• /
• 2008

A test as a form of diagnostic of algorithm and logic abilities is considered. Such test for measuring abilities and achievements of talented children has been designed and used at the Kharkiv Regional Olympiad in Informatics. Quality of the test and its items is analyzed. Correlation between the test results of children and their success in creating mathematical models, designing of complicated algorithms and translating these algorithms into computer programs is discussed.

• 대한유전성대사질환학회지
• /
• 제16권2호
• /
• pp.62-69
• /
• 2016

Newborn screening of some urea cycle disorders has little benefits because of early severe symptoms before the result, low sensitivity (especially hypocitrullinemia) and poor prognosis. But in case of citrullinemia, citrin deficiency and argininosuccinic aciduria diagnosed as elevated citrulline, newborn screening is helpful for early diagnosis and treatment before the symptom. Distinction between the clinical forms of these diseases is based on clinical findings and biochemical results, however, they may not be clearcut. Treatment is different from each other, so exact diagnosis is essential. Here, the diagnostic algorithm for elevated citrulline after tandem mass screening has been proposed. Minimizing total process time from sampling to report of the results is important in Korea for diagnosis and treatment of these disorders.

• 대한기계학회논문집
• /
• 제16권10호
• /
• pp.1833-1840
• /
• 1992

본 연구에서는 자동차의 발달에 따른 정비 전문가의 상대적인 능력 감퇴를 보 완하고 진단의 정확성을 높일 수 있도록 소음계측에 의한 인공 지능적 뉴로-퍼지 진단 기법을 연구하였다. 이를 위하여 진단결과에 영향을 미치는 많은 작용변수와 다양한 차량상태 등을 고려함으로서 보다 신뢰성 있는 결과를 산출해내기 위한 퍼지(fuzzy) 추론 방식의 판단법을 도입하였으며, 진단이 실패했을 경우나 입력된 데이터가 충분하 지 못할 경우에 시스템 자체의 지식을 확장시켜 나갈 수 있도록 해밍네트(hamming net )에 의한 패턴인식 기법을 적용하였다. 그리고 컴퓨터 시뮬레이션과 자동차를 대상 으로 고장진단 실험을 실시하여 기존의 진단기법과의 비교를 통한 뉴로-퍼지 진단기법 의 효율성과 알고리즘의 타당성을 검증하였다.