• Radiation Oncology Journal
• /
• 제12권1호
• /
• pp.109-115
• /
• 1994

본 연구의 목적은 뇌정위적 방사선수술시 최적 선량분포를 얻기 위하여 빠른 multiple isocenter 계획을 효과적으로 수행할 수 있는 방법을 개발하는 데 있다. 18cm 직경의 구형 머리 팬톰과 정확한 선량 알고리듬을 이용하여 선량값을 계산한 뒤 fltting 기술을 이용하여 빠른 구형선량 모델을 개발하였다. 구형선량 모델을 이용하여 single isocenter에 대한 선량값은 합산에 의하여 쉽게 얻어졌다. Isocenter들간의 이동에 따른 선량분포의 변화를 이용하여 컴퓨터 자동추적 방법이 개발되었으며, isocenter 간격 및 collimator 크기가 빠른 시간내에 결정될 수 있었다. 구형선량모델은 beam data에 의한 선량데이타와 같은 선량분포를 나타냈으며 고속으로 삼차원 선량계산을 가능하게 하였다. 컴퓨터 자동추적 방법은 지금까지의 시행착오적 방법에 비해 보다 빠르게 최적 isocenter setting을 제공할 수 있었다. 구형선량모델 및 컴퓨터 자동추적방법은 multiple isocenter를 이용한 수술 계획시 최적선량 분포를 보다 빨리 얻을 수 있었다.

• 한국통신학회논문지
• /
• 제23권8호
• /
• pp.2052-2063
• /
• 1998

본격척인 위치추적 시스템은 2차 세계대전 중에 등장한 전파항법 장치 (ground-based radio navigation system)에서부터 시작하여 꾸준히 연구되어 왔으며 현재 대표적인 위치추적 시스템으로는 GPS (global positioning system)을 들 수 있다. 최근에는 셀룰라 서비스의 보편화에 따라 기지국을 이용하여 위치추적 서비스를 제공하는 연구가 진행되고 있으나 지금까지는 주로 기지국간 동기 시스템인 매크로 셀룰라에 집중되어 왔다. 하지만, 기지국에서 정확한 시간을 이용할 수 없는 wide-band CDMA 시스템의 기지국간 비동기 상황에 대한 연구는 전무하다. 본 논문에서는 기지국간 비동기인 마이크로 셀룰라 wide-band CDMA 시스템 상황에서 두 가지 위치추정 알고리즘을 제안한다. 첫째는 공통영역을 통한 위치추정 방법으로 의사거리에 의해 구성되는 원 사이의 겹치는 공통영역을 사각형으로 근사하여 그 중심을 개인국의 위치로 추정하는 방법이고 둘째는 도로정보를 이용하는 방법으로서 의사거리 하나만을 이용하여 기지국에서 그 의사거리에 해당되는 도로 지점을 확인하고 주변 파일럿 세기를 확인하여 그 지점 중에서 선택하는 방식이다. 이 두 방식은 시뮬레이션을 이용하여 기존의 대표적인 방식들 (Taylor series를 이용한 방식. conjugate gradient 방식 및 공통현 방식)과 비교되며 또한 기지국과 개인국간의 파일럿 채널 송수신의 간섭으로 인한 영향을 조사한다. 기존의 위치추정 알고리즘이 반복 연산을 수행하는 데 비히여 제안 알고리즘은 반복 연산을 하지 않으며 마이크로 셀 환경에서 간접파의 영향을 적게 받기 때문에 보다 적은 위치 에러를 나타낸다., 초과확률 등을 이용한 분석을 실시하였다. 분석 결과 Warm ENSO episode의 경우 강수량 증가와 유의한 상관관계를 나타냈으며, Cold ENSO episode의 경우 강수량 감소와 유의한 상관관계를 나타내었다. 이러한 분석 결과는 최근 들어 우리나라에 발생하고 있는 이상기후발생과 관련된 연구에 유용한 정보를 제공해 줄 수 있을 것으로 판단된다.EX>$\times$2등 LEED패턴을 관찰할 수 있었다.유(思惟)로서 관찰추리(觀察推理)되였기 때문에 현대의학(現代醫學)과의 비교설명(比較說明)이 거의 불가능(不可能)하며 또한 한의학이론(韓醫學理論)의 과학적근거제시(科學的根據提示)도 현재(現在)로서는 어려운 형편(形便)이다. 그러나 이 의학(醫學)은 이미 2,000여년간(餘年間) 동양(東洋)에서 전래(傳來)한 경험의학(經驗醫學)으로서 동양인(東洋人)들은 이 의학(醫學)으로 소화계질환(消化系疾患)을 포함(包含)한 여러 가지 인간(人間)의 질병(疾病)을 치료(治療)해 왔고 현재(現在)도 이 의학(醫學)으로 치료(治療)를 하고 있고 실제적(實際的)으로 많은 치효(治效)를 보고 있는 것이다. 그러므로 이 의학(醫學)속에는 아직도 현대과학(現代科學)으로서 해명(解明)되지 못하는 어떤 요소(要素)들이 깃들여 있는 것이 확실(確實)하며 이것을 밝혀내기 위해서 우리 의학자(醫學者)들은 이 의학(醫學)에 관(關)한 모든 것을 연구(硏究)해 보아야 한다. 이런 뜻에서 본고찰(本考察)은 한방(漢方)의 역대제문헌(歷代諸文獻)을 섭렵(涉獵)하여 소화계질환(消化系疾患)에 관(關)한 제이론(諸理論)들을 발췌(拔萃), 한방(漢方)에서 보는 (1) 소화기관(消化器官)의 생리(生理) (2) 병리(病理), 증후(證候)

• 대한방사선치료학회지
• /
• 제19권2호
• /
• pp.107-112
• /
• 2007

목 적: 본원에서 시행하고 있는 전립선암의 세기조절 방사선치료시 직장 내에 존재하는 불균질부에 의한 선량변화를 전산화 치료계획 선량과 자체 제작한 전립선암 환자형 골반 팬톰을 이용하여 측정한 선량을 비교하고자 한다. 대상 및 방법: 전립선암 환자형 골반 팬톰(타원형의 물 팬톰: $30\times20\times20cm^3$, 방광, 직장, 정낭을 묘사하는 팬톰)을 제작하였으며, 전산화단층촬영으로 3차원 영상을 획득하였다. 전산화치료계획장치(ECLIPSE, Varian, USA), 6 MV X선(Clinac 6EX, Varian, USA)을 이용하여 세기조절 방사선치료계획을 수립한 후, 전립선암 환자형 골반 팬톰을 이용하여 직장벽, 방광벽, 정낭 부위에 TLD를 삽입하고, 전산화치료계획 선량과 비교하였다. 결 과: 전산화치료계획에 의한 선량은 직장벽 100%, 방광벽 52%, 우측 정낭 86%, 좌측 정낭 87%, 표면 18%였으나, TLD로 측정 한 선량은 직장벽 89%, 방광벽 54%, 우측 정낭 85%, 좌측 정낭 84%, 표면 17%로 측정되었다. 직장벽은 11%, 방광벽은 2%, 우측 정낭은 1%, 좌측 정낭 3%, 표면 1%의 선량차이를 확인하였다. 결 론: 본원에서 개발한 전립선암 환자형 골반 팬톰으로 전산화치료계획에서 구현하는 불균질부 선량계산의 오차를 확인할 수 있었으며, 다양한 선량 측정 장치(TLD, film)를 이용하여 쉽고 간편하게 선량 검증을 할 수 있을 것으로 사료된다.

• 인터넷정보학회논문지
• /
• 제16권2호
• /
• pp.49-55
• /
• 2015

최근 5년간의 주 야간별 교통사고 통계에 따르면 대부분의 자동차 교통사고는 주간보다 야간에 더 많이 발생했다. 교통사고는 다양한 원인으로 발생하게 되는데 그 중 중요한 요소는 조명 미설치 또는 조명 위치의 부적합으로 운전자의 시야 혼란을 야기하여 교통사고를 유발하게 된다. 본 논문은 부적절한 도로 조명 시설 위치와 미설치 구역을 파악하고 관련 정보들을 데이터베이스화 하였다. 이를 위해 운전자의 위치 정보, 주행 정보, 도로 밝기 정보를 스마트폰을 이용하여 실시간으로 데이터베이스 서버에 저장하는 도로 밝기 측정 어플리케이션을 설계 및 구현하였다. 본 어플리케이션은 안드로이드 NDK을 이용하여 Native C/C++ 환경에서 구현되었으며, 이에 따라 자바나 다른 언어로 작성된 어플리케이션 보다 연산속도를 향상시켰다. 도로 밝기를 측정하기 위하여 카메라 영상인 RGB 색 공간의 영상을 YCbCr 색 공간의 영상으로 변환하여 휘도를 측정한다. 이를 위해 먼저 차선을 검출하고 도로 밝기 검출 영역의 휘도 값을 계산하여 데이터베이스에 저장한다. 또한 스마트폰의 카메라를 이용하여 실시간으로 도로의 영상을 입력 받고 도로의 차선부분에 대한 관심영역을 지정하여 연산 속도를 향상시켰다. 관심영역의 영상은 Grayscale 영상으로 변환하고 Canny 에지 검출기를 사용하여 외곽선을 추출하고 Hough line transform을 적용하여 차선의 후보군을 선별한다. 선별된 후보 차선의 기울기를 계산하여 양쪽의 차선을 선정한다. 양쪽 차선이 검출되면 차선의 교차점으로부터 아래로 20픽셀의 높이를 가진 삼각형을 도로 밝기 측정범위로 설정한다. 삼각형 부분의 모든 픽셀에 대한 R, G, B값을 추출하여 Y값을 계산하고 픽셀 밝기 값의 평균을 0부터 100사이의 값으로 계산하여 검은색부터 초록색으로 도로의 밝기를 표현하였다. 계산된 60m 전방의 도로 밝기 값은 스마트폰의 GPS 센서를 통해 측정된 운전자의 주행 정보와 위치 정보를 획득하여 10분 간격으로 무선통신을 통해 데이터베이스 서버에 저장하였다. 향후 수집된 도로 밝기 정보들은 스마트폰 어플리케이션이나 차량 내비게이션을 통해 운전자들에게 조심 운전을 경고하거나 효율적인 도로 조명 관리를 위한 개보수 계획에 반영될 수 있을 것으로 기대된다.

• 지능정보연구
• /
• 제25권4호
• /
• pp.141-154
• /
• 2019

인터넷 기술과 소셜 미디어의 빠른 성장으로 인하여, 구조화되지 않은 문서 표현도 다양한 응용 프로그램에 사용할 수 있게 마이닝 기술이 발전되었다. 그 중 감성분석은 제품이나 서비스에 내재된 사용자의 감성을 탐지할 수 있는 분석방법이기 때문에 지난 몇 년 동안 많은 관심을 받아왔다. 감성분석에서는 주로 텍스트 데이터를 이용하여 사람들의 감성을 사전 정의된 긍정 및 부정의 범주를 할당하여 분석하며, 이때 사전 정의된 레이블을 이용하기 때문에 다양한 방향으로 연구가 진행되고 있다. 초기의 감성분석 연구에서는 쇼핑몰 상품의 리뷰 중심으로 진행되었지만, 최근에는 블로그, 뉴스기사, 날씨 예보, 영화 리뷰, SNS, 주식시장의 동향 등 다양한 분야에 적용되고 있다. 많은 선행연구들이 진행되어 왔으나 대부분 전통적인 단일 기계학습기법에 의존한 감성분류를 시도하였기에 분류 정확도 면에서 한계점이 있었다. 본 연구에서는 전통적인 기계학습기법 대신 대용량 데이터의 처리에 우수한 성능을 보이는 딥러닝 기법과 딥러닝 중 CNN과 LSTM의 조합모델을 이용하여 감성분석의 분류 정확도를 개선하고자 한다. 본 연구에서는 대표적인 영화 리뷰 데이터셋인 IMDB의 리뷰 데이터 셋을 이용하여, 감성분석의 극성분석을 긍정 및 부정으로 범주를 분류하고, 딥러닝과 제안하는 조합모델을 활용하여 극성분석의 예측 정확도를 개선하는 것을 목적으로 한다. 이 과정에서 여러 매개 변수가 존재하기 때문에 그 수치와 정밀도의 관계에 대해 고찰하여 최적의 조합을 찾아 정확도 등 감성분석의 성능 개선을 시도한다. 연구 결과, 딥러닝 기반의 분류 모형이 좋은 분류성과를 보였으며, 특히 본 연구에서 제안하는 CNN-LSTM 조합모델의 성과가 가장 우수한 것으로 나타났다.

• 지능정보연구
• /
• 제26권1호
• /
• pp.135-149
• /
• 2020

인공지능을 기반으로 한 다양한 연구들이 현대사회에 많은 변화를 불러일으키고 있다. 금융시장 역시 예외는 아니다. 로보어드바이저 개발이 활발하게 진행되고 있으며 전통적 방식의 단점을 보완하고 사람이 분석하기 어려운 부분을 대체하고 있다. 로보어드바이저는 인공지능 알고리즘으로 자동화된 투자 결정을 내려 다양한 자산배분 모형과 함께 활용되고 있다. 자산배분 모형 중 리스크패리티는 대표적인 위험 기반 자산배분 모형의 하나로 큰 자산을 운용하는 데 있어 안정성을 나타내고 현업에서 역시 널리 쓰이고 있다. 그리고 XGBoost 모형은 병렬화된 트리 부스팅 기법으로 제한된 메모리 환경에서도 수십억 가지의 예제로 확장이 가능할 뿐만 아니라 기존의 부스팅에 비해 학습속도가 매우 빨라 많은 분야에서 널리 활용되고 있다. 이에 본 연구에서 리스크패리티와 XGBoost를 장점을 결합한 모형을 제안하고자 한다. 기존에 널리 사용되는 최적화 자산배분 모형은 과거 데이터를 기반으로 투자 비중을 추정하기 때문에 과거와 실투자 기간 사이의 추정 오차가 발생하게 된다. 최적화 자산배분 모형은 추정 오차로 인해 포트폴리오 성과에서 악영향을 받게 된다. 본 연구는 XGBoost를 통해 실투자 기간의 변동성을 예측하여 최적화 자산배분 모형의 추정 오차를 줄여 모형의 안정성과 포트폴리오 성과를 개선하고자 한다. 본 연구에서 제시한 모형의 실증 검증을 위해 한국 주식시장의 10개 업종 지수 데이터를 활용하여 2003년부터 2019년까지 총 17년간 주가 자료를 활용하였으며 in-sample 1,000개, out-of-sample 20개씩 Moving-window 방식으로 예측 결과값을 누적하여 총 154회의 리밸런싱이 이루어진 백테스팅 결과를 도출하였다. 본 연구에서 제안한 자산배분 모형은 기계학습을 사용하지 않은 기존의 리스크패리티와 비교하였을 때 누적수익률 및 추정 오차에서 모두 개선된 성과를 보여주었다. 총 누적수익률은 45.748%로 리스크패리티 대비 약 5% 높은 결과를 보였고 추정오차 역시 10개 업종 중 9개에서 감소한 결과를 보였다. 실험 결과를 통해 최적화 자산배분 모형의 추정 오차를 감소시킴으로써 포트폴리오 성과를 개선하였다. 포트폴리오의 추정 오차를 줄이기 위해 모수 추정 방법에 관한 다양한 연구 사례들이 존재한다. 본 연구는 추정 오차를 줄이기 위한 새로운 추정방법으로 기계학습을 제시하여 최근 빠른 속도로 발전하는 금융시장에 맞는 진보된 인공지능형 자산배분 모형을 제시한 점에서 의의가 있다.