• 지능정보연구
• /
• 제26권2호
• /
• pp.131-145
• /
• 2020

산업혁신의 흐름에 발맞추어 다양한 분야에서 활용되고 있는 IoT 기술은 빅데이터의 접목을 통한 새로운 비즈니스 모델의 창출 및 사용자 친화적 서비스 제공의 핵심적인 요소로 부각되고 있다. 사물인터넷이 적용된 디바이스에서 누적된 데이터는 사용자 환경 및 패턴 분석을 통해 맞춤형 지능 시스템을 제공해줄 수 있어 편의 기반 스마트 시스템 구축에 다방면으로 활용되고 있다. 최근에는 이를 공공영역 혁신에 확대 적용하여 CCTV를 활용한 교통 범죄 문제 해결 등 스마트시티, 스마트 교통 등에 활용하고 있다. 그러나 이미지 데이터를 활용하는 기존 연구에서는 개인에 대한 사생활 침해 문제 및 비(非)일반적 상황에서 객체 감지 성능이 저하되는 한계가 있다. 본 연구에 활용된 IoT 디바이스 기반의 센서 데이터는 개인에 대한 식별이 불필요해 사생활 이슈로부터 자유로운 데이터로, 불특정 다수를 위한 지능형 공공서비스 구축에 효과적으로 활용될 수 있다. 대다수의 국민들이 일상적으로 활용하는 도시철도에서의 지능형 보행자 트래킹 시스템에 IoT 기반의 적외선 센서 디바이스를 활용하고자 하였으며 센서로부터 측정된 온도 데이터를 실시간 송출하고, CNN-LSTM(Convolutional Neural Network-Long Short Term Memory) 알고리즘을 활용하여 구간 내 보행 인원의 수를 예측하고자 하였다. 실험 결과 MLP(Multi-Layer Perceptron) 및 LSTM(Long Short-Term Memory), RNN-LSTM(Recurrent Neural Network-Long Short Term Memory)에 비해 제안한 CNN-LSTM 하이브리드 모형이 가장 우수한 예측성능을 보임을 확인하였다. 본 논문에서 제안한 디바이스 및 모델을 활용하여 그간 개인정보와 관련된 법적 문제로 인해 서비스 제공이 미흡했던 대중교통 내 실시간 모니터링 및 혼잡도 기반의 위기상황 대응 서비스 등 종합적 메트로 서비스를 제공할 수 있을 것으로 기대된다.

• 대한핵의학회지
• /
• 제33권3호
• /
• pp.316-326
• /
• 1999

목적: N-13 암모니아 PET 동적영상에 포함된 순수 한 혈액풀 입력함수와 심근 조직함수를 추출하며 각 조직 인자영상을 생성하는 인자분석 방법을 개발하고자 하였다. 또한 인자분석 방법으로 추출된 입력함수와 조직함수를 사용하여 혈류량을 측정하여 구현한 인자분석 방법의 정확도와 유용성을 고찰하였다. 대상 및 방법: 다섯 명의 관상동맥질환 환자에 20 mCi N-13 암모니아를 안정상태와 부하상태에서 주사한 후, 23분간 26프레임의 PET 동적영상을 얻었다. 인자분석을 수행하기 위해 첫째, N-13 암모니아 PET 동적영상을 3차원 행렬화 한 후, 부분영상을 추출하여 딕셀을 생성, 규격화하였다. 두 번째 주 대각성분분석 단계에서는 공분산행렬을 계산하여 인자부하량을 구하며, 세 번째 단계에서는 인자부하량이 양의 구속조건을 만족할 때까지 인자함수를 사갈 회전시켰다. 네 번째 단계에서는 인자영상과 시간-방사능 곡선을 추출하였다. 인자분석 방법의 효율성과 정확성을 검증하고자 인자분석과 관심영역설정 방법으로 구한 혈액풀 입력함수의 곡선 아래 면적을 비교하고, 두 가지 방법으로 구한 입력함수와 조직함수를 이용하여 심근 혈류량을 측정하여 선형 회귀분석하였다. 결과: 관심영역 설정 방법과 개발된 인자분석 방법을 이용하여 구한 혈액풀 입력함수의 $0{\sim}1$분 사이의 평균 곡선 아래 면적 비는 1.02, $0{\sim}2$분 사이는 0.98, $1{\sim}2$분 사이는 0.86이었다. 또한 인자분석과 관심영역 설정 방법으로 얻은 입력함수와 관심영역 설정 방법으로 얻은 조직함수로 구한 심근 혈류량의 선형 회귀곡선 기울기는 0.91, 상관계수는 0.82로 서로 잘 일치하였다. 결론: N-13 암모니아 PET 동적영상을 인자분석 하는 방법을 구현하여 각 조직 인자영상과 이에 대응하는 시간-방사능 곡선을 추출하였으며, 인자분석과 관심영역 설정 방법으로 얻은 혈액풀 입력함수가 서로 잘 일치됨을 검증하였다. 또한, 인자분석 방법과 관심영역 설정방법으로 얻은 시간-방사능 곡선으로 구한 심근 혈류량 값들이 서로 좋은 상관관계를 나타내는 것으로 관찰되어 인자분석 방법으로 추출된 혈액풀 입력함수와 심근 조직함수가 순수한 생리적 함수들과 잘 일치된다고 판단할 수 있었다. 그러므로 N-13 암모니아 PET과 인자분석 방법을 이용하면 혈액 채취, 관심영역 설정, 흘러넘침 보정없이 심근 혈류량을 비침습적으로 간단하고 정확하게 정량화 할 수 있다.

• 방송공학회논문지
• /
• 제22권2호
• /
• pp.193-206
• /
• 2017

본 논문에서는 4K UHD 입력 영상을 실시간으로 부호화하기 위해 GOP 단위 또는 IDR 주기 단위의 병렬 부호화 구조를 지원하는 $R-{\lambda}$ 모델 기반의 율 제어 방법을 제안한다. 제안하는 $R-{\lambda}$ 모델 기반의 율 제어 방법에서는 순차적 프레임 부호화가 아닌 병렬 부호화를 위한 슬라이스 레벨 비트 분배(bit allocation) 방법을 제안한다. GOP 단위 또는 IDR 주기 단위의 병렬 부호화에서 율 제어기를 작동시키는 경우, 계층적 B구조에서 최하위 프레임 계층을 제외한 동일 계층에 속한 프레임 간에는 상호간에는 부호화 수행 이후 각 소모된 비트양에 대한 정보를 공유 할 수 없기 때문에 기존의 비트량 분배 방식으로는 비트 예산(bit budget) 관리가 불가능하다. 이를 해결하기 위해 본 논문에서는, 기존의 $R-{\lambda}$ 모델 기반 율 제어 방법인 프레임 부호화 순서에 따라 각 프레임별로 목표 비트량 분배하던 방식으로부터, GOP 별로 비트량을 할당한 후, 각 GOP 내의 계층적 B 구조에서 계층이 깊어지는 방향으로 순차적으로 비트 예산을 갱신하여 비트량을 분배하는 방식으로 율 배분 방식을 개선하였다. 뿐만 아니라, 입력 영상의 전처리 과정을 통해 획득된 영상의 복잡도 정보를 고려하여 비트를 분배하여 영상의 주관적인 화질을 향상시켰다. 실험을 통해 제안 방법이 병렬 구조의 HEVC 부호화기에서 잘 작동함을 확인 할 수 있었고, 전처리 결과를 활용하여 율 제어기의 성능을 향상 시킬 수 있음을 확인하였다.

• 대한핵의학회지
• /
• 제38권1호
• /
• pp.30-40
• /
• 2004

목적: 본 연구의 목적은 첫째, 내측 측두엽 간질환자의 MR 영상에 화소기반 형태분석방법(VBM)을 적용하여 회백질 부피감소를 보이는 영역을 뇌 전체를 관찰하여 찾아내고자 하였다. 둘째, 본 연구에서 적용된 VBM방법이 내측측두엽 간질환자의 간질병소의 편측성을 평가하기에 쓰일 수 있을지 조사하였다. MR영상으로 VBM 결과를 FDG PET의 SPM 분석결과와 비교하였다. 대상 및 방법: 12명의 좌측 내측측두엽 간질환자와 11명의 우측 내측측두엽 간질환자의 T1 강조영상을 각각 37명의 정상 대조군의 영상과 비교하였다. 모든 영상을 표준 뇌 표준판에 공간정합한 후, 평균영상을 생성하여 연구-특정적 뇌 표준판을 만들고 이 연구 측정적 표준판에 다시 비선형 공간정규화 하였다. 영상을 분할하여 회백질영상을 추출하고 변조한 후 편평화하였다. 환자군과 정상군의 차이를 SPM99를 이용하여 허위발견률을 기준으로 통계처리하였다. FDG PET 영상을 SPM을 이용하여 정상대조군 22명과 비교하였다. 결과: 좌측 내측측두엽 간질환자는 좌측의 해마와 편도체 영역에 회백질 부피/농도가 감소하였고, 뇌의 양측 소뇌, 전대상회, 방추상회의 부피/농도가 감소하였다. 우측 내측측두엽 간질환자는 우측 해마의 서 회백질이 감소하였다. 좌측 내측측두엽 간질은 좌측 측두엽과 시상 우측 내측측두엽간질 환자는 우측측두엽에 광범위한 부위에 FDG 섭취가 감소하였다. 결론: VBM 방법을 적용한 결과 간질원인 병소 해마와 해마주변영역에서 유의하게 회백질 부피/농도가 감소하였다. FDG PET SPM 분석에서 간질원인병소의 대사 감소를 찾을 수 있었던 것처럼, 이 연구에서 적용한 변조 VBM 방법은 내측측두엽 간질환자의 간질원인병소를 편측화할 수 있었고 내측측두엽을 제외한 다른 뇌영역의 해부학적 변화를 발견하는데 도움이 되었다. 이에 비하여 간질원인병소인 좌우측측두엽의 넓은 부위에 FDG 섭취가 감소하여 대조되었다.

• 지능정보연구
• /
• 제29권1호
• /
• pp.143-174
• /
• 2023

인공지능의 발전과 함께 딥러닝을 활용한 인공지능 광학문자인식 기법 (Artificial Intelligence powered Optical Character Recognition, AI-OCR) 의 등장은 기존의 이미지 처리 기반 OCR 기술의 한계를 넘어 다양한 형태의 이미지로부터 여러 언어를 높은 정확도로 읽어낼 수 있는 모델로 발전하였다. 특히, AI-OCR은 인력을 통해 대량의 다양한 서류 처리 업무를 수행하는 금융업에 있어 그 활용 잠재력이 크다. 본 연구에서는 금융권내 활용을 위한 AI-OCR 모델의 구성과 설계를 제시하고, 이를 효율적으로 적용하기 위한 플랫폼 구축 및 활용 사례에 대해 논한다. 금융권 특화 딥러닝 모델을 만듦에 있어 금융 도메인 데이터 사용은 필수적이나, 개인정보보호법 이하 실 데이터의 사용이 불가하다. 이에 본 연구에서는 딥러닝 기반 데이터 생성 모델을 개발하였고, 이를 활용하여 AI-OCR 모델 학습을 진행하였다. 다양한 서류 처리에 있어 유연한 데이터 처리를 위해 단계적 구성의 AI-OCR 모델들을 제안하며, 이는 이미지 전처리 모델, 문자 탐지 모델, 문자 인식 모델, 문자 정렬 모델 및 언어 처리 모델의 선택적, 단계적 사용을 포함한다. AI-OCR 모델의 배포를 위해 온프레미스(On-Premise) 및 프라이빗 클라우드(Private Cloud) 내 GPU 컴퓨팅 클러스터를 구성하고, Hybrid GPU Cluster 내 컨테이너 오케스트레이션을 통한 고효율, 고가용 AI-OCR 플랫폼 구축하여 다양한 업무 및 채널에 적용하였다. 본 연구를 통해 금융 특화 AI-OCR 모델 및 플랫폼을 구축하여 금융권 서류 처리 업무인 문서 분류, 문서 검증 및 입력 보조 시스템으로의 활용을 통해 업무 효율 및 편의성 증대를 확인하였다.