• 한국구조물진단유지관리공학회 논문집
• /
• 제28권3호
• /
• pp.66-73
• /
• 2024

사장교에서 케이블 부재는 하중을 전달하는 가장 중요한 부재 중 하나이다. 따라서 사장교의 구조적 상태 및 안정성을 평가하기 위해서는 케이블의 상태를 파악하기 위해 지속적인 모니터링을 수행하는 것이 중요하다. 이러한 모니터링 시스템은 케이블에 부착된 가속도계를 통해 진동을 측정하고 이를 토대로 케이블 장력과 감쇠비를 추정하고, 이를 토대로 케이블의 상태 평가의 기초자료로 활용한다. 이러한 상시 모니터링 시스템은 지속적으로 진동 데이터를 측정하기 때문에 데이터 수집 시스템을 포함한 하드웨어가 안정적이고 전력 효율성이 높아야 한다. 또한 지속적으로 생성되는 대량의 진동 신호들을 사람의 개입을 최소화하며 안정적으로 분석할 수 있는 자율모니터링 시스템이 요구된다. 본 연구에서는 IoT를 활용한 도메인 지식 기반 자율 모니터링 시스템을 개발하였다. 케이블 자율 모니터링 시스템을 구현하기 위한 가장 중요한 요소는 케이블의 장력과 감쇠비의 추정을 위한 진동 신호의 주파수 영역 내 발생하는 첨두의 자동 추정이다. 본 연구에서는 도메인 지식 기반 첨두 자동 추정 알고리즘을 데이터 수집 및 On-Board Processing이 가능한 IoT 시스템에 내장하여 IoT 센서 단에서 Edge computing이 가능한 효율적인 IoT 자율 모니터링 시스템을 구현하였다. 개발된 자율 모니터링 시스템을 국내 사장교에 설치하여 장기간 현장 운영 성능을 평가하였으며, 그 결과 장기 데이터 수신률, 장력 추정의 정확성, 효율성 측면에서 기존 시스템과 비교하여 작동 성능을 확인하고 검증하였다.

• Korean Journal of Radiology
• /
• 제22권3호
• /
• pp.476-488
• /
• 2021

Objective: We aimed to develop a deep neural network for segmenting lung parenchyma with extensive pathological conditions on non-contrast chest computed tomography (CT) images. Materials and Methods: Thin-section non-contrast chest CT images from 203 patients (115 males, 88 females; age range, 31-89 years) between January 2017 and May 2017 were included in the study, of which 150 cases had extensive lung parenchymal disease involving more than 40% of the parenchymal area. Parenchymal diseases included interstitial lung disease (ILD), emphysema, nontuberculous mycobacterial lung disease, tuberculous destroyed lung, pneumonia, lung cancer, and other diseases. Five experienced radiologists manually drew the margin of the lungs, slice by slice, on CT images. The dataset used to develop the network consisted of 157 cases for training, 20 cases for development, and 26 cases for internal validation. Two-dimensional (2D) U-Net and three-dimensional (3D) U-Net models were used for the task. The network was trained to segment the lung parenchyma as a whole and segment the right and left lung separately. The University Hospitals of Geneva ILD dataset, which contained high-resolution CT images of ILD, was used for external validation. Results: The Dice similarity coefficients for internal validation were 99.6 ± 0.3% (2D U-Net whole lung model), 99.5 ± 0.3% (2D U-Net separate lung model), 99.4 ± 0.5% (3D U-Net whole lung model), and 99.4 ± 0.5% (3D U-Net separate lung model). The Dice similarity coefficients for the external validation dataset were 98.4 ± 1.0% (2D U-Net whole lung model) and 98.4 ± 1.0% (2D U-Net separate lung model). In 31 cases, where the extent of ILD was larger than 75% of the lung parenchymal area, the Dice similarity coefficients were 97.9 ± 1.3% (2D U-Net whole lung model) and 98.0 ± 1.2% (2D U-Net separate lung model). Conclusion: The deep neural network achieved excellent performance in automatically delineating the boundaries of lung parenchyma with extensive pathological conditions on non-contrast chest CT images.

• Korean Journal of Radiology
• /
• 제22권2호
• /
• pp.168-178
• /
• 2021

Objective: To provide an automatic method for segmentation and diameter measurement of type B aortic dissection (TBAD). Materials and Methods: Aortic computed tomography angiographic images from 139 patients with TBAD were consecutively collected. We implemented a deep learning method based on a three-dimensional (3D) deep convolutional neural (CNN) network, which realizes automatic segmentation and measurement of the entire aorta (EA), true lumen (TL), and false lumen (FL). The accuracy, stability, and measurement time were compared between deep learning and manual methods. The intra- and inter-observer reproducibility of the manual method was also evaluated. Results: The mean dice coefficient scores were 0.958, 0.961, and 0.932 for EA, TL, and FL, respectively. There was a linear relationship between the reference standard and measurement by the manual and deep learning method (r = 0.964 and 0.991, respectively). The average measurement error of the deep learning method was less than that of the manual method (EA, 1.64% vs. 4.13%; TL, 2.46% vs. 11.67%; FL, 2.50% vs. 8.02%). Bland-Altman plots revealed that the deviations of the diameters between the deep learning method and the reference standard were -0.042 mm (-3.412 to 3.330 mm), -0.376 mm (-3.328 to 2.577 mm), and 0.026 mm (-3.040 to 3.092 mm) for EA, TL, and FL, respectively. For the manual method, the corresponding deviations were -0.166 mm (-1.419 to 1.086 mm), -0.050 mm (-0.970 to 1.070 mm), and -0.085 mm (-1.010 to 0.084 mm). Intra- and inter-observer differences were found in measurements with the manual method, but not with the deep learning method. The measurement time with the deep learning method was markedly shorter than with the manual method (21.7 ± 1.1 vs. 82.5 ± 16.1 minutes, p < 0.001). Conclusion: The performance of efficient segmentation and diameter measurement of TBADs based on the 3D deep CNN was both accurate and stable. This method is promising for evaluating aortic morphology automatically and alleviating the workload of radiologists in the near future.

• Korean Journal of Radiology
• /
• 제22권2호
• /
• pp.281-290
• /
• 2021

Objective: To assess the performance of content-based image retrieval (CBIR) of chest CT for diffuse interstitial lung disease (DILD). Materials and Methods: The database was comprised by 246 pairs of chest CTs (initial and follow-up CTs within two years) from 246 patients with usual interstitial pneumonia (UIP, n = 100), nonspecific interstitial pneumonia (NSIP, n = 101), and cryptogenic organic pneumonia (COP, n = 45). Sixty cases (30-UIP, 20-NSIP, and 10-COP) were selected as the queries. The CBIR retrieved five similar CTs as a query from the database by comparing six image patterns (honeycombing, reticular opacity, emphysema, ground-glass opacity, consolidation and normal lung) of DILD, which were automatically quantified and classified by a convolutional neural network. We assessed the rates of retrieving the same pairs of query CTs, and the number of CTs with the same disease class as query CTs in top 1-5 retrievals. Chest radiologists evaluated the similarity between retrieved CTs and queries using a 5-scale grading system (5-almost identical; 4-same disease; 3-likelihood of same disease is half; 2-likely different; and 1-different disease). Results: The rate of retrieving the same pairs of query CTs in top 1 retrieval was 61.7% (37/60) and in top 1-5 retrievals was 81.7% (49/60). The CBIR retrieved the same pairs of query CTs more in UIP compared to NSIP and COP (p = 0.008 and 0.002). On average, it retrieved 4.17 of five similar CTs from the same disease class. Radiologists rated 71.3% to 73.0% of the retrieved CTs with a similarity score of 4 or 5. Conclusion: The proposed CBIR system showed good performance for retrieving chest CTs showing similar patterns for DILD.

• 한국재난정보학회 논문집
• /
• 제20권2호
• /
• pp.302-314
• /
• 2024

연구목적: 본 연구는 지하공동구 내 다수 작업자의 낙상을 자동으로 판별하기 위한 Top-down 방식의 딥러닝 자세 추정 모델 기반 낙상 검출 모델을 제안하고, 제안 모델의 성능을 평가한다. 연구방법: Top-down 방식의 자세 추정모델 중 하나인 YOLOv8-pose로부터 추론된 결과와 낙상 판별 규칙을 결합한 모델을 제시하고, 지하공동구 내 2인 이하 작업자가 출현한 기립 및 낙상 이미지에 대해 모델 성능지표를 평가하였다. 또한 동일한 방법으로 Bottom-up 방식 자세추정모델(OpenPose)을 적용한 결과를 함께 분석하였다. 두 모델의 낙상 검출 결과는 각 딥러닝 모델의 작업자 인식 성능에 의존적이므로, 작업자 쓰러짐과 함께 작업자 존재 여부에 대한 성능지표도 함께 조사하였다. 연구결과: YOLOv8-pose와 OpenPose의 모델의 작업자 인식 성능은 F1-score 기준으로 각각 0.88, 0.71로 두 모델이 유사한 수준이었으나, 낙상 규칙을 적용함에 따라 0.71, 0.23로 저하되었다. 작업자의 신체 일부만 검출되거나 작업자간 구분을 실패하여, OpenPose 기반 낙상 추론 모델의 성능 저하를 야기한 것으로 분석된다. 결론: Top-down 방식의 딥러닝 자세 추정 모델을 사용하는 것이 신체 관절점 인식 및 개별 작업자 구분 측면에서 지하공동구 내 작업자 낙상 검출에 효과적이라 판단된다.

• 한국임상수의학회지
• /
• 제41권2호
• /
• pp.71-78
• /
• 2024

Changes in elimination behavior, including urination and defecation, are common clinical signs of numerous disorders in cats. Therefore, this study attempted to automatically measure the elimination behavior of cats using the litter box and develop an early warning system for the guardian in case of abnormalities. To construct an early warning system for abnormal changes through cat elimination behavior, it consisted of a litter box, an automatic sensor for data collection and data wifi transmission, a server for data analysis, and a mobile phone app for result transmission and early warning. To establish the reference interval (RI), the elimination behavior was monitored for more than 2 weeks using a motion sensor within a litter box in 37 healthy cats and 19 diseased cats. The data were expressed as daily total visits, daily total stay duration, average stay duration per elimination, weekly total visits, and weekly total stay duration. Healthy cats showed median daily total visits of 3 times/day (RI 1.0-7.0) and daily total stay duration of 192 s/day (RI 8.0-452.0). For weekly data, the median total visits were 20 times/week (RI 3.0-35.25) and the median total stay duration was 1,147 s/week (RI 80.0-2,249.5). The average stay duration per elimination was 59 s/elimination (RI 4.67-132.0). Diseased cats showed more frequent elimination behavior than healthy cats (p < 0.001). Otherwise, for each elimination, diseased cats had shorter stay durations than healthy cats (p < 0.001). This study established the RIs of elimination behavior parameters (frequency and duration) in healthy cats. The present study might help guardians and veterinarians detect changes in elimination behaviors in diseased cats at an early stage.

• 한국산업정보학회논문지
• /
• 제29권1호
• /
• pp.135-144
• /
• 2024

시민의 의견인 민원은 다양한 사람들이 여러 주제에 대하여 반복·지속적으로 실시간 쏟아내기 때문에 담당자가 이를 읽고 분석하는데 한계가 있다. 이에 본 연구에서는 빅데이터 분석을 통해 주요 현안에 대한 여론 및 요구 사항을 파악하기 위하여 정성적인 분석에 패싯을 기반으로 한 정량적인 다차원 분석을 위한 자동 분류 모델을 제안하였다. 구체적으로 첫째, 패싯 이론과 정치분석모형을 기반으로 민원 특성을 분석하고 이를 정책 단계에 활용할 수 있는 새로운 분류 프레임워크를 제시하였다. 둘째, 민원 분석 및 처리에 따른 행정 업무를 감소시키고, 시민들의 정책참여를 용이하게 하기 위해 딥러닝을 활용하여 패싯 분석 프레임에 의해 자동으로 속성을 추출하고 분류 하였다. 본 연구결과는 학문적으로 민원 빅데이터의 특성을 이해하고 분석하는데 중요한 단초를 제공하여 향후 많은 후속 연구를 창출할 수 있을 것으로 기대되며, 공공분야를 넘어 교육, 산업, 의료 등 다른 분야에서의 비정형 데이터의 계량화를 위한 가이드 라인과 다차원 분석의 활용에 대한 이론적 근거를 제시할 수 있다. 실무적으로 대용량 전자 민원에 대한 처리체계 개선 및 딥러닝을 통한 자동화로 민원처리 업무의 효율성과 신속성을 높일 수 있으며, 다른 분야의 텍스트 데이터의 처리에 활용될 수 있을 것이다.

• 한국전산구조공학회논문집
• /
• 제37권1호
• /
• pp.49-56
• /
• 2024

구조물의 동적 해석 자동화는 구조 통합 시스템에서 중요한 역할을 한다. 해석 결과에 따른 신속한 대피 또는 경고 조치가 신속하게 이루어지도록 해석 모듈은 짧은 실시간에 해석 결과를 출력해야 한다. 구조 해석법으로 세계적으로 가장 많이 사용되는 방법은 유한요소법이다. 유한요소법이 널리 사용되는 이유 중 하나는 사용의 편리다. 그러나 사용자가 유한요소망을 입력해야 하는데 요소망의 요소 수는 계상량과 정비례하고 요소망의 적절성은 에러와 연관된다. 본 연구는 시간 영역 동적 해석에서 전 단계 해석 결과를 사용하여 계산된 대표 변형률 값으로 오차를 평가하고, 요소 세분화는 절점 이동인 r-법과 요소 분할인 h-법의 조합으로 효율적으로 계산하는 적응적 요소망 형성 전략을 제시한다. 적용한 캔틸레버보와 간단한 프레임 예제를 통하여 적절한 요소망 형성, 정확성, 그리고 연산 효율성을 검증하였다. 이 방법의 간단함이 지진 하중, 풍하중, 비선형 해석 등에 의한 복잡한 구조 동적 해석에도 효율적으로 사용될 수 있는 것을 보여 준다.

• 한국음향학회지
• /
• 제28권2호
• /
• pp.112-118
• /
• 2009

본 논문은 모바일 단말기, Digital Video Recorder (DVR) 등에 적용할 수 있는 뮤직비디오 브라우징 시스템을 위한 실시간 중요 구간 검출 알고리즘을 제안한다. 입력된 뮤직비디오는 음악 신호와 영상 신호로 분리되어 음악 신호에서는 에너지기반의 음악 특징값 최고점기반의 구조분석을 통해 음악의 후렴 구간을 포함하는 음악 하이라이트 구간을 검출하고, SVM AdaBoost 학습방식에서 생성된 모델을 이용해 음악신호를 분위기별로 자동 분류한다. 음악신호로부터 검출된 음악 하이라이트 구간과 영상신호로부터 검출된 가수, 주인공의 얼굴이 나오는 영상장면을 결합하여 최종적으로 중요구간이 결정된다. 제안된 방식을 통해 사용자는 모바일 단말기나 DVR에 저장되어 있는 다양한 뮤직비디오들을 분위기별로 선택한 후에 뮤직비디오의 30초 내외의 중요구간을 빠르게 브라우징하여 자신이 원하는 뮤직비디오를 선택할 수 있게 된다. 제안된 알고리즘의 성능을 측정하기 위해 200개의 뮤직비디오를 정해진 수동 뮤직비디오 구간과 비교하여 MOS 테스트를 실행한 결과 제안된 방식에서 검출된 중요 구간이 수동으로 정해진 구간보다 사용자 만족도 측면에서 우수한 결과를 나타내었다.

• 농업과학연구
• /
• 제50권4호
• /
• pp.809-815
• /
• 2023

This study was conducted to find out the correlation between meat quality and muscle fat ratio in pork part meat (pork belly and shoulder butt) using CT (computed tomography) imaging technique. After 24 hours from slaughter, pork loin and belly were individually prepared from the left semiconductors of 26 pigs for CT measurement. The image obtained from CT scans was checked through the picture archiving and communications system (PACS). The volume of muscle and fat in the pork belly and shoulder butt of cross-sectional images taken by CT was estimated using Vitrea workstation version 7. This assemblage was further processed through Vitrea post-processing software to automatically calculate the volumes (Fig. 1). The volumes were measured in milliliters (mL). In addition to volume calculation, a three-dimensional reconstruction of the organ under consideration was generated. Pearson's correlation coefficient was analyzed to evaluate the relationship by region (pork belly, pork shoulder butt), and statistical processing was performed using GraphPad Prism 8. The muscle-fat ratios of pork belly taken by CT was 1 : 0.86, while that of pork shoulder butt was 1 : 0.37. As a result of CT analysis of the correlation coefficient between pork belly and shoulder butt compared to the muscle-fat ratio, the correlation coefficient was 0.5679 (R² = 0.3295, p < 0.01). CT imaging provided very good estimates of muscle contents in cuts and in the whole carcass.