• 한국컴퓨터정보학회논문지
• /
• 제14권10호
• /
• pp.43-53
• /
• 2009

집단지성을 이용한 지식검색 서비스는 개방적 구조와 축적된 자료를 공유할 수 있다는 커뮤니티적인 특성으로 큰 인기를 얻고 있다. 하지만 방대한 지식공유 속에서 사용자가 진정으로 원하는 답변 획득은 점점 더 어려워지고 있다. 최근 알고리즘에서 가장 정교하다고 평가 받는 구글을 통해 상위에 랭크된 검색 결과들 중에는 집단지성을 통해 구축된 위키피디아, 야후 Q/A와 같은 소셜 검색엔진의 검색 결과들이 상당수 존재한다. 본 논문은 대부분의 질문은 인간으로부터 문제해결의 실마리를 얻을 수 있다는 점과 온라인상의 사용자에 대한 연구를 통해 지식검색 서비스 사용자 중 영향력 자를 찾는 것에 목적을 둔다. 이에 국내 소셜 검색엔진의 대표인 네이버 지식iN을 중심으로 지식검색내의 사용자 활동성과 신뢰성을 소셜 네트워크 기반으로 정의하고, 사용자간의 관계를 중앙성으로 분석하는 영향력 지수 알고리즘을 제안한다. 제안된 알고리즘을 통한 영향력 지수는 지식검색 서비스에서 문제 해결의 실마리를 가진 사용자를 랭킹화 함으로써 질문에 적합하고신뢰성 있는 답변을 하는 사용자를 분별하는 지표가 되며 이를 바탕으로 지식검색 서비스내의 영향력 자를 식별 가능하게 된다. 이는 지식검색 서비스사용자의 최대 목적인 사용자가필요로 하는 정보와 지식을 보다 용이하게 획득 가능케 함으로써 검색 만족도 향상에 큰 기여를 할 것이다.

• Korean Journal of Radiology
• /
• 제22권6호
• /
• pp.983-993
• /
• 2021

Objective: To investigate the image quality of ultralow-dose CT (ULDCT) of the chest reconstructed using a cycle-consistent generative adversarial network (CycleGAN)-based deep learning method in the evaluation of pulmonary tuberculosis. Materials and Methods: Between June 2019 and November 2019, 103 patients (mean age, 40.8 ± 13.6 years; 61 men and 42 women) with pulmonary tuberculosis were prospectively enrolled to undergo standard-dose CT (120 kVp with automated exposure control), followed immediately by ULDCT (80 kVp and 10 mAs). The images of the two successive scans were used to train the CycleGAN framework for image-to-image translation. The denoising efficacy of the CycleGAN algorithm was compared with that of hybrid and model-based iterative reconstruction. Repeated-measures analysis of variance and Wilcoxon signed-rank test were performed to compare the objective measurements and the subjective image quality scores, respectively. Results: With the optimized CycleGAN denoising model, using the ULDCT images as input, the peak signal-to-noise ratio and structural similarity index improved by 2.0 dB and 0.21, respectively. The CycleGAN-generated denoised ULDCT images typically provided satisfactory image quality for optimal visibility of anatomic structures and pathological findings, with a lower level of image noise (mean ± standard deviation [SD], 19.5 ± 3.0 Hounsfield unit [HU]) than that of the hybrid (66.3 ± 10.5 HU, p < 0.001) and a similar noise level to model-based iterative reconstruction (19.6 ± 2.6 HU, p > 0.908). The CycleGAN-generated images showed the highest contrast-to-noise ratios for the pulmonary lesions, followed by the model-based and hybrid iterative reconstruction. The mean effective radiation dose of ULDCT was 0.12 mSv with a mean 93.9% reduction compared to standard-dose CT. Conclusion: The optimized CycleGAN technique may allow the synthesis of diagnostically acceptable images from ULDCT of the chest for the evaluation of pulmonary tuberculosis.