• 대한의용생체공학회:의공학회지
• /
• 제43권5호
• /
• pp.341-352
• /
• 2022

Medical image segmentation is the most important task in radiation therapy. Especially, when segmenting medical images, the liver is one of the most difficult organs to segment because it has various shapes and is close to other organs. Therefore, automatic segmentation of the liver in computed tomography (CT) images is a difficult task. Since tumors also have low contrast in surrounding tissues, and the shape, location, size, and number of tumors vary from patient to patient, accurate tumor segmentation takes a long time. In this study, we propose a method algorithm for automatically segmenting the liver and tumor for this purpose. As an advantage of setting the boundaries of the tumor, the liver and tumor were automatically segmented from the CT image using the 2D CoordConv DeepLab V3+ model using the CoordConv layer. For tumors, only cropped liver images were used to improve accuracy. Additionally, to increase the segmentation accuracy, augmentation, preprocess, loss function, and hyperparameter were used to find optimal values. We compared the CoordConv DeepLab v3+ model using the CoordConv layer and the DeepLab V3+ model without the CoordConv layer to determine whether they affected the segmentation accuracy. The data sets used included 131 hepatic tumor segmentation (LiTS) challenge data sets (100 train sets, 16 validation sets, and 15 test sets). Additional learned data were tested using 15 clinical data from Seoul St. Mary's Hospital. The evaluation was compared with the study results learned with a two-dimensional deep learning-based model. Dice values without the CoordConv layer achieved 0.965 ± 0.01 for liver segmentation and 0.925 ± 0.04 for tumor segmentation using the LiTS data set. Results from the clinical data set achieved 0.927 ± 0.02 for liver division and 0.903 ± 0.05 for tumor division. The dice values using the CoordConv layer achieved 0.989 ± 0.02 for liver segmentation and 0.937 ± 0.07 for tumor segmentation using the LiTS data set. Results from the clinical data set achieved 0.944 ± 0.02 for liver division and 0.916 ± 0.18 for tumor division. The use of CoordConv layers improves the segmentation accuracy. The highest of the most recently published values were 0.960 and 0.749 for liver and tumor division, respectively. However, better performance was achieved with 0.989 and 0.937 results for liver and tumor, which would have been used with the algorithm proposed in this study. The algorithm proposed in this study can play a useful role in treatment planning by improving contouring accuracy and reducing time when segmentation evaluation of liver and tumor is performed. And accurate identification of liver anatomy in medical imaging applications, such as surgical planning, as well as radiotherapy, which can leverage the findings of this study, can help clinical evaluation of the risks and benefits of liver intervention.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제11권5호
• /
• pp.133-138
• /
• 2022

최근 고성능컴퓨팅, 인공지능 분야에서 GPU 장치 사용이 일반화되고 있지만, GPU 프로그래밍은 여전히 어렵게 여겨진다. 특히 호스트(host) 메모리와 GPU 메모리를 별도로 관리하기 때문에 성능과 편의성 방면에서 연구가 활발히 진행되고 있다. 이에 따라 여려가지 CPU-GPU 메모리 전송 방법들이 연구되고 있다. 한편 CPU와 GPU 및 통합메모리(Unified memory) 등 하나의 실리콘 패키지로 묶는 SoC(System on a Chip) 제품들이 최근에 많이 출시되고 있다. 본 연구는 이러한 통합메모리 장치에서 CPU, GPU 장치간 데이터를 사용하고 전송시 성능관련 비교를 하고자 한다. 기존 CPU내 호스트 메모리와 GPU 메모리가 분리된 환경과는 다른 특징을 보여준다. 여기서는 통합메모리 장치인 NVIDIA SoC칩들과 NVIDIA SMX 기반 V100 GPU 카드에서 CPU-GPU 간 데이터 전송 프로그래밍 기법별로 성능비교를 한다. 성능비교를 위해 워크로드는 HPC 분야의 수치계산에서 자주 사용하는 2차원 행렬 전치 커널이다. 실험을 통해 CPU-GPU 메모리 전송 프로그래밍 방법별 GPU 커널 성능차이, 페이지 잠긴 메모리와 페이지 가능 메모리를 사용했을 경우 전송 성능차이, 전체(Overall) 성능비교, 마지막으로 워크로드 크기별 성능비교를 하였다. 이를 통해 통합메모리칩인 NVIDIA Xavier에서 I/O 캐시일관성 지원을 통해 SoC 칩내 통합메모리에 대한 이점을 극대화 할 수 있음을 확인할 수 있었다.

• Imaging Science in Dentistry
• /
• 제52권3호
• /
• pp.245-258
• /
• 2022

Purpose: This study compared the root canal anatomy between cone-beam computed tomography (CBCT) and micro-computed tomography (micro-CT) images before and after biomechanical preparation and root canal filling. Materials and Methods: Isthmus-containing mesial roots of mandibular molars(n=14) were scanned by micro-CT and 3 CBCT devices: 3D Accuitomo 170 (ACC), NewTom 5G (N5G) and NewTom VGi evo (NEVO). Two calibrated observers evaluated the images for 2-dimensional quantitative parameters, the presence of debris or root perforation, and filling quality in the root canal and isthmus. The kappa coefficient, analysis of variance, and the Tukey test were used for statistical analyses(α=5%). Results: Substantial intra-observer agreement (κ=0.63) was found between micro-CT and ACC, N5G, and NEVO. Debris detection was difficult using ACC (42.9%), N5G (40.0%), and NEVO (40%), with no agreement between micro-CT and ACC, N5G, and NEVO (0.05<κ<0.12). After biomechanical preparation, 2.4%-4.8% of CBCT images showed root perforation that was absent on micro-CT. The 2D parameters showed satisfactory reproducibility between micro-CT and ACC, N5G, and NEVO (intraclass correlation coefficient: 0.60-0.73). Partially filled isthmuses were observed in 2.9% of the ACC images, 8.8% of the N5G and NEVO images, and 26.5% of the micro-CT images, with no agreement between micro-CT and ACC, and poor agreement between micro-CT and N5G and NEVO. Excellent agreement was found for area, perimeter, and the major and minor diameters, while the roundness measures were satisfactory. Conclusion: CBCT images aided in isthmus detection and classification, but did not allow their classification after biomechanical preparation and root canal filling.

• 한국음향학회지
• /
• 제41권5호
• /
• pp.492-499
• /
• 2022

본 연구에서는 진동 신호의 차원 감소가 선박 엔진의 고장진단에 미치는 영향을 실험적으로 분석한 결과를 제시한다. 주성분 분석을 이용하여 513차원의 진동 신호를 1 ~ 15차원의 저차원 신호로 변환하여 차원 변화에 따른 고장진단 정확도의 변화를 관찰하였다. 실제 규모의 선박용 발전기 디젤 엔진에서 측정된 진동 신호를 사용하고, integrated gradients와 feature permutation 기법의 두 가지 변수 중요도 분석 알고리즘을 사용하여 차원 축소 신호의 기여도를 정량적으로 평가하였다. 실험 데이터 분석 결과, 사용하는 차원의 수가 증가할수록 결함 진단의 정확도가 향상되는 것으로 나타났다. 차원이 10 이상에 다다르면 거의 모든 고장상태가 정확하게 분류되었으며, 이는 고장진단 정확도를 저하시키지 않으면서도 진동 신호의 차원수를 크게 줄일 수 있음을 보여준다. 변수 중요도 분석에서도 차원 축소 주성분이 기존 통계적 특성보다 더 높은 기여도를 보였으며, 차원 축소된 진동 스펙트럼이 고장진단에 효과적으로 사용될 수 있음을 확인하였다.

• 한국결정성장학회지
• /
• 제31권4호
• /
• pp.149-153
• /
• 2021

ε-Ga₂O₃ 박막은 금속 유기 화학 기상 증착법(MOCVD)에 의해 4H-SiC 기판에 성장되었으며, 결정성은 성장 조건에 따라 평가되었다. ε-Ga₂O₃의 최적 조건은 665℃의 성장 온도와 200 sccm의 산소 유량에서 성장한 것으로 나타났다. hexagonal 핵이 합쳐지면서 2차원으로 성장되었고, hexagonal 핵의 배열 방향은 기판의 결정 방향과 밀접한 관련이 있었다. 그러나 ε-Ga₂O₃의 결정 구조는 hexagonal이 아닌 orthorhombic 구조를 가짐을 확인하였다. 결정상 전이는 열처리에 의해 수행되었다. 그리고 상 전이된 β-Ga₂O₃ 박막과 비교하기 위해 4H-SiC에서 β-Ga₂O₃ 박막을 바로 성장하였다. 상 전이된 β-Ga₂O₃ 박막은 바로 성장한 것보다 더 나은 결정성을 보여주었다.

• 한국시뮬레이션학회논문지
• /
• 제31권4호
• /
• pp.23-31
• /
• 2022

4차 산업혁명을 통한 혁신 기술의 발전은 국방 분야에서도 적극적으로 활용되는 추세이다. 특히, 드론을 활용한 감시 및 정찰 능력은 미래 군 병력 감축을 대비하고 경계 능력을 비약적으로 보강하는 등 군 전투력 발전에 큰 도움이 될 것이다. 본 연구에서는 소형 감시정찰 드론의 전투 효율을 단순화하여 드론이 중대급 군사작전에 얼마나 도움이 될 수 있는지 시뮬레이션을 통해 분석한다. 드론과 적은 작전지역을 탐지확률 등을 수치화한 2차원 공간 내에서 가장 효율적인 최단 경로를 찾아 움직인다. 탐지 가능성이 가장 낮은 경로를 따라 침투하는 적의 탐지확률을 기준으로 드론이 추가 투입될 때마다 발생하는 탐지확률 변화를 제시하고 드론 추가 투입에 따른 전투 효율을 분석한다. 중대급 작전지역 같은 소규모 작전지역에서는 드론이 추가 투입될수록 전투 효율의 상승 값이 적어짐을 시뮬레이션을 통해 증명한다. 본 연구는 중대급 야전부대에서 한정된 수량의 드론을 효율적으로 운영하도록 기여하고, 전투력 향상을 위해 바람직한 드론 전력화 소요를 결정하는 데 도움이 될것으로 기대한다.

• 한국항해항만학회지
• /
• 제46권6호
• /
• pp.471-482
• /
• 2022

본 연구는 심해공학수조의 파 생성 특성을 규명하고, 심해공학수조의 기하학적 특성을 반영한 조파기 전달함수의 근사모델을 개발하는 것을 목적으로 한다. 심해공학수조의 기하학적 특성을 반영한 효율적인 해석을 위해 2차원 주파수영역 경계요소법이 적용되었다. 개발된 수치해석법은 해석해와 비교하여 검증되었다. 다양한 주기와 이동식 바닥판의 위치 변화에 대한 조파기의 경계치 문제의 수치해석이 수행되었다. 수치결과를 통해 심해공학수조의 기하학적 특성이 조파기의 전달함수에 미치는 영향을 조사하였고, 이동식 바닥판의 위치를 변화시켜 파도 생성에 대한 깊이 효과를 확인하였다. 경계요소법의 다양한 결과를 효율적으로 활용하기 위해 박판 스플라인 보간 모델 기반의 조파기 근사모델을 개발하였다. 개발된 근사 모델의 타당성은 모델 테스트 결과 비교를 통해 확인하였다.

• 한국결정성장학회지
• /
• 제32권4호
• /
• pp.136-142
• /
• 2022

Dy₂O₃ 첨가량에 따른 BaTiO₃의 결정구조, 입자성장 거동 및 유전특성에 대해 연구하였다. 고상합성법으로 (100-x) BaTiO₃-xDy₂O₃(mol%, x = 0, 0.5, 1.0, 2.0) 비율로 합성하고, 공기 중 1250℃에서 2시간 동안 소결하였다. Dy₂O₃가 첨가되면서 소결체의 결정구조는 정방정계 구조에서 입방정계 구조로 전이되어 tetragonality(c/a)가 감소하였다. 또한, Dy₂O₃가 첨가 시 Ba₁₂Dy_4.67Ti₈O₃₅은 이차상이 확인되었다. Dy₂O₃의 첨가량이 증가할수록 소결 후 평균입자의 크기가 감소하고 비정상 입자성장 거동을 보였다. 이를 통해 Dy₂O₃가 첨가된 BaTiO₃의 입자성장은 이차원 핵생성 및 성장에 의해 입자성장이 일어나고 계면 반응이 지배적인 것으로 판단할 수 있다. 또한, 결정구조 및 미세구조와 유전특성과의 상관관계에 대해서 고찰하였다.

• Smart Structures and Systems
• /
• 제29권4호
• /
• pp.625-640
• /
• 2022

Maglev rail joints are vital components serving as connections between the adjacent F-type rail sections in maglev guideway. Damage to maglev rail joints such as bolt looseness may result in rough suspension gap fluctuation, failure of suspension control, and even sudden clash between the electromagnets and F-type rail. The condition monitoring of maglev rail joints is therefore highly desirable to maintain safe operation of maglev. In this connection, an online damage detection approach based on three-dimensional (3D) convolutional neural network (CNN) and time-frequency characterization is developed for simultaneous detection of multiple damage of maglev rail joints in this paper. The training and testing data used for condition evaluation of maglev rail joints consist of two months of acceleration recordings, which were acquired in-situ from different rail joints by an integrated online monitoring system during a maglev train running on a test line. Short-time Fourier transform (STFT) method is applied to transform the raw monitoring data into time-frequency spectrograms (TFS). Three CNN architectures, i.e., small-sized CNN (S-CNN), middle-sized CNN (M-CNN), and large-sized CNN (L-CNN), are configured for trial calculation and the M-CNN model with excellent prediction accuracy and high computational efficiency is finally optioned for multiple damage detection of maglev rail joints. Results show that the rail joints in three different conditions (bolt-looseness-caused rail step, misalignment-caused lateral dislocation, and normal condition) are successfully identified by the proposed approach, even when using data collected from rail joints from which no data were used in the CNN training. The capability of the proposed method is further examined by using the data collected after the loosed bolts have been replaced. In addition, by comparison with the results of CNN using frequency spectrum and traditional neural network using TFS, the proposed TFS-CNN framework is proven more accurate and robust for multiple damage detection of maglev rail joints.

• 지능정보연구
• /
• 제28권3호
• /
• pp.119-137
• /
• 2022

최근 추천 시스템 연구에서는 사용자와 아이템 간 상호 작용을 보다 잘 표현하고자 다양한 딥 러닝 모델을 적용하고 있다. ONCF(Outer product-based Neural Collaborative Filtering)는 사용자와 아이템의 행렬을 외적하고 합성곱 신경망을 거치는 구조로 2차원 상호작용 맵을 제작해 사용자와 아이템 간의 상호 작용을 더욱 잘 포착하고자 한 대표적인 딥러닝 기반 추천시스템이다. 하지만 합성곱 신경망을 이용하는 ONCF는 학습 데이터에 나타나지 않은 분포를 갖는 데이터의 경우 예측성능이 떨어지는 귀납적 편향을 가지는 한계가 있다. 본 연구에서는 먼저 NCF구조에 Transformer에 기반한 ViT(Vision Transformer)를 도입한 방법론을 제안한다. ViT는 NLP분야에서 주로 사용되던 트랜스포머를 이미지 분류에 적용하여 좋은 성과를 거둔 방법으로 귀납적 편향이 합성곱 신경망보다 약해 처음 보는 분포에도 robust한 특징이 있다. 다음으로, ONCF는 사용자와 아이템에 대한 단일 잠재 벡터를 사용하였지만 본 연구에서는 모델이 더욱 다채로운 표현을 학습하고 앙상블 효과도 얻기 위해 잠재 벡터를 여러 개 사용하여 채널을 구성한다. 마지막으로 ONCF와 달리 부가 정보(side information)를 추천에 반영할 수 있는 아키텍처를 제시한다. 단순한 입력 결합 방식을 활용하여 신경망에 부가 정보를 반영하는 기존 연구와 달리 본 연구에서는 독립적인 보조 분류기(auxiliary classifier)를 도입하여 추천 시스템에 부가정보를 보다 효율적으로 반영할 수 있도록 하였다. 결론적으로 본 논문에서는 ViT 의 적용, 임베딩 벡터의 채널화, 부가정보 분류기의 도입을 적용한 새로운 딥러닝 모델을 제안하였으며 실험 결과 ONCF보다 높은 성능을 보였다.