• 한국콘텐츠학회논문지
• /
• 제14권11호
• /
• pp.362-369
• /
• 2014

본 연구는 골다공증 환자의 Digital 요추 측부 영상을 이용하여 질감특징의 통계적 분석으로 컴퓨터 보조진단 시스템 구현과 질병의 조기진단 및 치료를 위한 실험적인 모형 연구로 신뢰성 있는 보조적 진단 정보를 제공함으로써 골다공증에 대한 정확한 진단 방향을 제시하고자 하였다. 이를 위해서 정상인의 Digital 방사선 요추 측부 영상과 골다공증 환자의 Digital 방사선 요추 측부 영상을 실험 영상으로 하여 설정된 ROI에 대한 통계적 질감특징 값을 6가지 parameter로 나타냈다. 골다공증에 대한 질감특징분석 값 중 Average Gray Level에서 95%로 최고 높은 인식률을 나타내었고, Uniformity에서 80%로 가장 낮은 인식률을 나타내었다. 또한 Average Contrast에서 82.5%, Smoothness에서 90%, Skewness에서 87.5%, Entropy에서 87.5%를 나타내어 6가지 Parameter에서 모두 80%이상의 높은 인식률을 나타내 알고리즘의 안정성을 입증하였다. 따라서 본 연구 결과를 토대로 의료영상의 컴퓨터자동진단 시스템으로 발전된 프로그램을 coding 한다면 의료영상의 병소부위 자동검출, 질병 진단을 위한 예비 진단자료, 질병의 확진을 위한 자료제공, 제한된 장비로도 진단 가능, 의료영상의 판독시간 단축에 유용하게 사용될 수 있으리라 사료된다.

• 정보처리학회논문지D
• /
• 제12D권4호
• /
• pp.583-588
• /
• 2005

최근 XML표준기술을 활용한 웹서비스는 기업내 및 기업간의 정보시스템을 통합하는데 발생되는 문제점을 해결해 주는 차세대 e-비즈니스의 기반으로 급부상하고 있다. 정보기술이 지속적으로 변화하기 때문에 특정 기술에 기반한 시스템을 정보 기술 변화에 맞게 통합, 변화, 유지하는 것은 지속적인 문제로 고려되고 있다. 이러한 문제점을 해결하기 위해 OMG는 MDA(Model Driven Architecture)라는 새로운 소프트웨어 아키텍처를 제시하였다. MDA는 기존의 개발 절차에서 분석모델인 플랫폼 독립적인 모델(PIM, Platform Independent Model)을 구축하고 이를 기반으로 설계모델인 플랫폼 종속적인 모델(PSM, Platform Specific Model)로 자동 변환하는 프로세스를 가진다. 이러한 자동 변환을 통해 여러 플랫폼을 쉽게 지원하고 개발자의 입장에서는 코드 작성에 소요되는 시간을 줄일 수 있으며 개발 프로세스의 측면에서도 품질관리를 수월하게 할 수 있다. 이 MDA의 개발 프로세스를 웹서비스개발 프로세스에 적용하면 MDA의 PIM에서 목표플랫폼으로 웹서비스를 선택하고 웹서비스 모델인 WSDL로 PSM을 표현할 수 있다. 본 논문에서는 웹서비스 공급자와 요청자가 웹서비스를 개발하거나 통합할때의 절차를 분류하여 웹서비스 개발 프로세스유형을 만들고 웹서비스 개발시 MDA개발 프로세스를 적용하여 웹서비스공급자와 요청자가 참조가능한 새로운 웹서비스 개발 프로세스를 제안한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권10호
• /
• pp.461-470
• /
• 2023

딥러닝을 활용한 스피치 애니메이션 생성은 영어를 중심으로 활발하게 연구되어왔지만, 한국어에 관해서는 사례가 없었다. 이에, 본 논문은 최초로 지도 학습 딥러닝을 한국어 스피치 애니메이션 생성에 활용해 본다. 이 과정에서, 딥러닝이 스피치 애니메이션 연구를 그 지배적 기술인 음성 인식 연구로 귀결시킬 수 있는 중요한 효과를 발견하게 되어, 이 효과를 한국어 스피치 애니메이션 생성에 최대한 활용하는 방법을 고찰한다. 이 효과는 연구의 최우선 목표를 명확하게 하여, 근래에 들어 활발하지 않은 한국어 스피치 애니메이션 연구를 효과적이고 효율적으로 재활성화하는데 기여할 수 있다. 본 논문은 다음 과정들을 수행한다: (i) 블렌드쉐입 애니메이션 기술을 선택하며, (ii) 딥러닝 모델을 음성 인식 모듈과 표정 코딩 모듈의 주종 관계 파이프라인으로 구현하고, (iii) 한국어 스피치 모션 캡처 dataset을 제작하며, (iv) 두 대조용 딥러닝 모델들을 준비하고 (한 모델은 영어 음성 인식 모듈을 채택하고, 다른 모델은 한국어 음성 인식 모듈을 채택하며, 두 모델이 동일한 기본 구조의 표정 코딩 모듈을 채택한다), (v) 두 모델의 표정 코딩 모듈을 음성 인식 모듈에 종속되게 학습시킨다. 유저 스터디 결과는, 한국어 음성 인식 모듈을 채택하여 표정 코딩 모듈을 종속적으로 학습시킨 모델 (4.2/5.0 점 획득)이, 영어 음성 인식 모듈을 채택하여 표정 코딩 모듈을 종속적으로 학습시킨 모델 (2.7/5.0 점 획득)에 비해 결정적으로 더 자연스러운 한국어 스피치 애니메이션을 생성함을 보여 주었다. 이 결과는 한국어 스피치 애니메이션의 품질이 한국어 음성 인식의 정확성으로 귀결됨을 보여 줌으로써 상기의 효과를 확인해준다.