• Journal of Astronomy and Space Sciences
• /
• 제17권1호
• /
• pp.53-66
• /
• 2000

한국 천문연구원은 국내 관련 기업과 함께 열전냉각방식 (thermoelectric cooler, 이하 TEC)을 이용한 실용화 극미광 영상장비를 개발하였다. 개발한 모델을 구성하는 부품들은 Kodak사의 KAF-0401E($768{\times}512$ pixels, blue plus version) CCD 센서를 사용하였고, 국내 업체인 Thermotek의 TEC 모듈을 사용하여 $-25^{\circ}C$까지 냉각이 가능하다. 셔터는 Uniblitz사의 VS25S를 사용하여 최소 80ms의 노출을 할 수 있다. PC와의 인터페이스는 현재 한국 천문연구원에서 개발하여 사용중인 ISA 버스의 컨트롤러 보드를 사용하고 12bit 비디오 프로세서인 AD9816을 사용하여 영상을 얻는다. 암잡음은 $-10^{\circ}C$에서 $0.4e^-$/pixel/s이며 직선성은 $99.9{\pm}0.1%$, gain은 4.24e^-/ADU이고 전체 시스템 잡음은 $25.3e^-(rms)$이다. 실험한 모델은 측광이 가능할 정도 ($\pm$0.01등급)의 정밀도를 가지고 천문관측 뿐만 아니라 다른 분야의 영상획득에 유용하게 사용 할 수 있을 것이다.

• Nuclear Medicine and Molecular Imaging
• /
• 제42권2호
• /
• pp.83-87
• /
• 2008

지난 몇 년 동안 핵의학 영상 물리 및 기기 관련 융합영상기기 분야에 많은 발전이 있었다. 최근 몇 년 동안 국내 PET/CT 설치의 급속한 증가는 이들의 임상에서의 역할 및 그 중요성을 입증하고 있다. 그러나 PET/CT는 고가이고, 임상적으로 아직도 그 유용성이 입증되는 과정에 있으며, 특히 치료계획을 위한 장비로는, 미국의 경우 다소 많이 설치되었다는 평가가 공존하고 있다. 또한 저가로 해 결할 수 있는 소프트웨어 융합도 가능하기 때문에 PET 대신 반드시 PET/CT가 필요하다는 주장에는 위의 관점에서 그 한계가 있을 수 있다. 그림에도 불구하고 PET/CT 설치는 계속 증가하고 있어 영상획득 또는 영상판독 모두 PET과 CT 분야의 훈련과 교육이 매우 중요하며 이에 대한 지침서가 발간되었다. PET/CT에 비하여 SPECT/CT는 발전속도가 다소 떨어지지만 이에 대한 지침서도 발간되었다. PET/CT와 SPECT/CT 모두 CT는 앞 부분에 PET과 SPECT는 뒷부분에 설치된다. 이는 환자 영상을 얻을 때 동시에 얻는 것이 아니고 CT영상을 얻은 후 PET과 SPECT영상을 얻게되는 단점이 있다. 이와는 달리 MRI/PET경우 뇌영상을 얻을 때 동시에 MRI와 PET영상을 얻을 수 있어 뇌영상 연구에 큰 도움이 될 것으로 예상하고 있다. 앞으로 기술이 발전함에 따라 전신용 MRI/PET과 유방영상을 위한 PET/US 융합영상장치의 개발 가능성이 매우 높다. 이와 함께 SPECT/CT, PET/CT 및 MRI/PET 기기의 발전도 계속될 것으로 판단된다. 핵의학 영상 물리 및 기기 분야는 최첨단 융합영상 장치의 개발과 함께 하드웨어, 소프트웨어 물리적 특성에 대한 보정기술, 영상 재구성 분야의 다양한 연구도 많은 진전이 필요하다. 또한 영상기기의 설계 및 정량화 기법을 연구하기 위한 몬테카를로 시뮬레이션, 영상장비의 성능평가, 동력학 분석, 선량평가, 움직임 보정 및 융합영상의 정량화 및 분석 기법에 대한 연구도 더욱 활발히 진행될 것으로 예측된다.

• 지구물리와물리탐사
• /
• 제23권2호
• /
• pp.97-114
• /
• 2020

최근 과학기술 및 공학 전 분야에서 기계 학습을 적용하는 연구들이 매우 활발하게 수행되고 있다. 탄성파 탐사 분야 또한 해석, 처리, 취득 등 모든 영역에서 기계 학습을 적용한 연구들이 빠르게 증가하는 추세이다. 그 중 단층 해석은 탄성파 자료 해석 분야에 있어 가장 중요한 기술 중 하나이며, 기계 학습을 적용하기에 가장 적합한 분야이기도 하다. 이 논문에서는 다양한 기계 학습 기법들에 대해 소개하고 단층 해석에 적합한 기법들과 그 이유를 기술하였다. 물리탐사 분야의 저명한 국제 학술지에 게재된 논문과 국제 학술대회 발표 사례들을 조사하여 연도별, 분야별 연구 현황을 정리하였으며, 그 중 기계 학습을 사용한 단층 해석 연구들을 집중적으로 분석하였다. 단층 해석 기술은 입력 자료 및 기계 학습 모델의 형태에 따라 탄성파 속성 기반 기술, 탄성파 이미지 기반 기술, 원시자료 기반 기술로 나누어 그 장단점을 기술하였다.

• 한국지반공학회논문집
• /
• 제40권4호
• /
• pp.69-79
• /
• 2024

현장 지반정수 데이터는 다양한 현장 및 실내시험을 통해 획득된 후 지반조사보고서의 형태로 작성되어 유통된다. 효율적인 설계 및 시공을 위해선 지반정수의 디지털 데이터베이스화가 필수적이나, 현재 지반조사보고서 데이터는 수동 입력 방식으로 많은 시간과 인력이 소요되며, 오류가 발생하기도 한다. 본 연구는 이미지 기반 딥러닝 모델 및 텍스트 마이닝 기법을 사용하여 지반조사보고서에서 데이터를 자동으로 추출하는 방법을 제안하였다. 딥러닝 기반의 페이지 분류 모델과 텍스트 서칭 알고리즘을 사용하여 지반조사보고서 부록 내 세부 지반시험 결과 보고서를 100%의 정확도로 분류할 수 있었다. 컴퓨터 비전 알고리즘을 통해 보고서 페이지 내 유효한 데이터 영역을 결정하고, 텍스트 분석을 통해 추출 데이터 항목과 상응하는 지반 데이터를 짝지어 데이터를 추출했다. 제안한 모델은 205개의 지반조사 보고서로 구성된 데이터셋을 통해 검증되었으며, 평균 93.0%의 데이터 추출 정확도를 기록하였다. 마지막으로, 추출 모델의 실무 적용성을 위해 사용자 인터페이스 기반 프로그램을 개발하였다. 프로그램 내 사용자 상호작용을 통해 지반조사보고서 PDF 파일을 업로드하고 자동으로 보고서를 분석 및 데이터를 추출, 편집할 수 있도록 했다. 이를 통해 지반조사보고서의 디지털화 및 지반 데이터베이스 구축이 더욱 효율적이고 정확하게 이루어질 수 있을 것으로 판단된다.

• 한국방사선학회논문지
• /
• 제13권4호
• /
• pp.573-579
• /
• 2019

환자 피폭선량 관리에 입사표면선량(ESD, entrance surface dose)이 국내외적으로 진단참고준위(국내 흉부촬영 $340{\mu}Gy$)로 사용되고 있지만, ESD측정을 위해서는 선량계가 필요하다. 하지만 대부분 병의원에서는 선량계가 구비되어 있지 않고 정기검사 시 전문 업체 측정에 의해 확인할 수 있다. 따라서 본 연구에서는 흉부 디지털촬영에서 사용자가 쉽게 ESD를 예측할 수 있는 방법에 대해 알아보았다. 흉부 디지털촬영에서 평판형 디텍터(FP, Flat-panel detector)와 IP (Imaging plate detector)를 대상으로 하였고, ESD는 선량계(XI-Platinum, Unfors, Sweden)를 흉부 팬텀(07-646 Duke QC chest phantom, Supertech, Elkhart, USA)의 중앙 표면에 부착시킨 후, 튜브와 디텍터를 180cm 거리를 유지시켜 각 노출조건 조합(관전압과 노출선량)에서 3회 반복측정한 후 평균값을 얻었다. 흉부 팬텀 영상의 다이콤 헤더 정보에서 FP영상은 선량면적곱(DAP, dose-area product)을 확인하였고, IP영상에서는 노출 지수(EI, exposure index)를 확인하였다. 단순선형회귀분석을 통해 FP촬영에서 DAP로부터, IP촬영에서 EI로부터 ESD를 예측할 수 있는 회귀방정식($y={\alpha}+{\beta}X$, ${\alpha}$=직선의 절편, ${\beta}$=직선의 기울기)을 구하였다. FP가 IP 보다 유의하게 낮은 선량을 보였고($85.7{\mu}Gy$ vs. $124.6{\mu}Gy$, p=0.017), 두 디텍터 모두 ESD와 화질 간에 높은 양의 상관성을 보였다. FP에서 수정된 R 제곱(adjusted R2)은 0.978로 ESD의 변동은 DAP 변동에 의해 97.8%의 높은 설명력을 보였다. 단순 회귀식은 $ESD=0.407+68.810{\times}DAP$ 이었다. 위의 회귀식을 이용하여 국내 권고선량($340{\mu}Gy$)과 같은 DAP를 추정한 결과($DAP=0.021+0.014{\times}340{\mu}Gy$), DAP는 4.781 이었다. IP에서 수정된 R 제곱(adjusted R2)은 0.645로 ESD의 변동은 EI 변동에 의해 64.5%의 설명력을 보였다. 단순 회귀식은 $ESD=-63.339+0.188{\times}EI$ 이었다. 위의 회귀식을 이용하여 국내 권고선량($340{\mu}Gy$)과 같은 EI를 추정한 결과($EI=565.431+3.481{\times}340{\mu}Gy$), EI는 1748.97 이었다. 흉부 디지털 촬영에서는 팍스 워크스테이션 영상의 다이콤 헤더 정보에서 ESD를 사용자가 쉽게 예측할 수 있다.

• 재활복지
• /
• 제21권3호
• /
• pp.129-146
• /
• 2017

본 연구는 실내에서 화재 발생시 시각 장애인들을 지원하기 위한 영상 기반의 화재감지기를 제안한다. 건물 내에 화재가 발생하는 비상 상황 발생시 시각 장애인은 일반인보다 상황을 인지하는 것이 늦기 때문에 위험한 상황에 노출되기 쉽다. 기존의 연기 감지기와 같은 현재의 화재 감지 방법은 화재 발생시 발생하는 화학 센서 기반 기술을 사용함으로써 감지가 상대적으로 늦으며 화재가 확산된 후에 감지가 되는 등 낮은 신뢰성이 문제가 될 수 있다. 이를 보완하기 위해 영상 기반의 화재 감지 기술이 개발되었지만 낮은 정확도가 문제가 되어 실용화되지 못하였다. 최근 인공 지능을 위한 심층 학습 분야의 큰 발전으로 영상 내의 물체 인식률이 높아짐에 따라 관련 연구가 활발히 진행되고 있다. 따라서 본 연구에서는 보안 카메라 영상을 사용하여 화재를 감지할 수 있는 심층 학습 기반의 화재 감지기를 제안한다. 심층 학습 기반의 접근법은 영상에서 자동으로 특징을 학습할 수 있으므로 일반적으로 복잡한 상황에 대해서도 일반화가 가능하다. 본 논문에서는 화재감지 정확도와 속도 측면의 균형을 고려하여 두 개의 심층 합성곱 신경망 모델을 제안하였다. 실험을 통해 두 모델 모두 99%의 평균 정밀도로 화재를 감지할 수 있으며 첫 번째 모델은 초당 30장의 처리 속도와 76%의 정확도를 나타냈다. 두번째 모델은 초당 50장의 처리 속도와 61%의 정확도를 나타낸다. 또한 두 개의 모델의 메모리 사용량을 서로 비교하였으며 다양한 실제 화재 시나리오에서 테스트하여 신뢰할 수 있는 모델임을 증명하였다. 본 논문에 제안한 영상 기반 화재 감지기가 상용화된다면 상대적으로 실내 화재에 취약한 시각 장애인들의 안전에 도움이 될 것이다.

• 한국안광학회지
• /
• 제18권4호
• /
• pp.503-507
• /
• 2013

목적: 4매의 비구면 렌즈를 사용하여 optical distortion과 TV distortion을 감소시켜 주변부 상의 왜곡을 줄인 광각의 모바일 카메라를 설계하였다. 방법: 광학적 설계는 화각 $95^{\circ}$에서 ${\pm}1%$내의 optical distortion을 만족하도록 하였으며, 광학계 전체길이는 모바일 카메라의 두께를 고려하여 4.5 mm 이내로 하였다. 센서는 1/3.2"의 5M급 CCD를 사용하였으며 MTF는 140 lp/mm에서 20% 이상을 만족하도록 설계 조건을 설정하였다. 결과: 최적화 설계된 모바일 광각 카메라는 화각 $95^{\circ}$의 full field에서 optical distortion은 모든 field에서 ${\pm}1%$내의 결과를 보였으며 TV distortion도 0.46%로 주변부 상의 왜곡이 감소되었다. MTF 성능은 모든 field에서 20%이상으로 나타났다. 광선수차와 비점수차 모두 적은 양으로 안정된 성능을 보였다. 결론: 기존의 모바일 카메라의 화각보다 더 큰 화각을 갖는 광각의 모바일 카메라의 distortion을 광학적으로 개선하여 주변부의 상의 왜곡을 감소시켜 보다 쾌적한 넓은 시야를 얻을 수 있었으며 소프트웨어로 보정할 때 발생하는 단점을 보완할 수 있었다. 이는 안경과 접목되는 카메라의 연구에 활용될 수 있으리라 사료된다.

• 한국항공우주학회지
• /
• 제48권1호
• /
• pp.73-79
• /
• 2020

본 논문에서는 고성능 레이다를 위한 저잡음, 고안정 성능을 보유한 새로운 구조의 주파수합성기를 설계 및 제작 하였다. 날로 발전하는 스텔스 기능과 고해상도의 SAR 영상을 확보하기 위해서는 높은 주파수 순도와 초저잡음 특성이 요구되고 있으며, 이를 만족하기 위하여 본 연구에서는 DAS, DDS의 장점을 합성한 새로운 하이브리드 주파수합성기를 개발하였으며, 시험을 통하여 그 성능을 확인하였다. 개발된 주파수 합성기는 X대역에서 10% 이상의 운용대역폭을 보유하고 있으며, 1usec 이하의 빠른 주파수변환속도를 보유하고 있다. 또한, X대역 주파수에서 10kHz 옵셋 주파수에서 -136dBc/Hz의 우수한 위상잡음을 보유하고 있다. 이는 기존 X대역 레이다용 주파수합성기보다 10dB 이상 개선된 성능이다. 또한, 개발된 하이브리드 주파수합성기에서 생성되는 주파수를 이용하여 L대역과 C대역에서도 활용이 가능하며, 추후 국내 AESA 레이다뿐만 아니라 고해상도 SAR레이다 그리고 고성능 지상레이다에 적용하여 성능개선이 가능하다.

• 대한토목학회논문집
• /
• 제29권5D호
• /
• pp.611-617
• /
• 2009

다양한 첨단장비의 도입과 함께 도로의 실시간 소통 정보는 운전자뿐만 아니라 도로의 관리자에게도 필수적인 정보로 자리 잡고 있다. 혼잡정도를 표현하는 기존의 방법은 소통원활/서행/정체 등 3단계로 관리자 측면의 판단에 의하여 이루어진 것이며, 각 단계를 구분하는 값들이 달라 운전자에게 혼란을 주고 있다. 본 연구에서는 교통상황을 표현하는 기존의 3단계 혼잡기준에 대한 운전자 인지를 알아보기 위하여, 운전자 설문으로부터 적정 교통상황 표현 단계수 및 기준 통행속도를 찾고자 한다. 이를 위하여 연속류인 고속도로를 대상으로 운전자에게 다양한 소통상황에 대한 녹화 동영상을 보여주고 혼잡판정 단계와 통행속도 기준 값에 대한 설문조사를 실시하였다. 설문 분석결과, 운전자들은 고속도로의 현 3단계 혼잡판정보다 세분화된 4단계 혼잡판정을 선호하는 것으로 나타났고, 각 단계별 표현 용어는 정체, 지체, 서행, 원활이 선정되었다. 4단계 혼잡판정에 대한 통행속도 경계는 22km/h, 48km/h, 74km/h로 분석되었고, 현실적인 운영을 위해 20km/h, 50km/h, 75km/h를 단계별 경계 기준 값으로 제안하였다. 이번 연구결과는 고속도로 교통정보 제공기관들에게 보다 세분화된 혼잡판정 기준으로 활용될 수 있으며, 교통정보 제공시 운전자 중심으로 개선하기 위한 근거자료로 사용될 것으로 기대된다.

• 벤처창업연구
• /
• 제18권4호
• /
• pp.21-35
• /
• 2023

생성 AI 기술의 막대한 파급력에 대한 기대가 산업계를 휩쓸고 있다. 생성 AI 기술의 활용과 발전에 창업생태계가 중요한 역할을 할 것으로 기대되는 만큼, 이 분야의 벤처투자 현황과 특성을 더 잘 이해하는 것도 중요하다. 본 연구는 생성 AI 기술과 창업생태계를 주도하는 미국을 비교 대상으로 삼아 한국의 벤처투자 내역을 분석하고 향후 벤처투자 금액을 예측한다. 분석을 위해서 미국의 117개 생성 AI 스타트업의 2008년부터 2023년까지 286건의 투자 내역과 한국의 42개 생성 AI 스타트업의 2011년부터 2023년까지 144건의 투자 내역을 수집하여 새로운 분석 자료를 구축했다. 분석 결과, 생성 AI 기업의 창업과 벤처 투자가 최근 들어 급증하고 있으며, 초기 투자에 절대다수의 투자 건이 집중됐다는 점이 미국과 한국에서 공통적으로 확인됐다. 양국의 차이점도 몇 가지 발견됐다. 미국의 경우 한국과는 다르게 같은 투자 단계에서 최근의 투자 규모가 그 이전보다 285%에서 488%까지 증가했다. 단계별 투자 소요 기간은 한국이 미국보다 다소 길었으나 그 차이가 통계적으로 유의하지는 않았다. 또한, 전체 벤처투자 금액 중 생성 AI 기업에 대한 투자 비중도 한국이 미국보다 높았다. 생성AI의 세부 분야별로는 미국은 텍스트와 모델 분야에 전체 투자액의 59.2%가 집중된 반면, 한국은 비디오, 이미지, 챗 기술에 전체 투자액의 61.9%가 집중돼 차이를 보였다. 2023년부터 2029년까지 한국의 생성 AI 기업에 대한 벤처 투자 예상 금액을 네 가지 다른 모델로 예측한 결과, 평균 3조 4,300억 원(최소 2조 4,085억 원, 최대 5조 919억 원)이 필요할 것으로 추정됐다. 본 연구는 미국과 한국의 생성 AI 기술 분야의 벤처투자를 다각도로 분석하고, 한국의 벤처투자 예상 금액을 제시하였다는 점에서 실무적 의의를 찾을 수 있다. 또한, 아직 학술적 연구가 충분하지 않은 생성AI 벤처투자에 대한 현황을 구체적 자료와 실증근거를 통해 분석함으로써 향후 깊이 있는 학술 연구의 토대를 제시한다는 점에서 학술적 의의가 있다. 본 연구에서는 벤처투자 금액 예측을 위한 방법 두 가지를 새롭게 개발하여 생성 AI의 향후 벤처투자 금액을 예측하는데 적용했다. 이 방법도 후속 학술 연구에서 다양한 분야로 확장·적용되고 정제된다면 벤처투자 예상 금액 예측 방법을 풍부하게 하는 데 공헌할 수 있을 것이다.