• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.07a
• /
• pp.57-58
• /
• 2022

Sleep apnea (SA) is a common chronic sleep disorder that disrupts breathing during sleep. Clinically, the standard for diagnosing SA involves nocturnal polysomnography (PSG). However, this requires expert human intervention and considerable time, which limits the availability of SA diagnoses in public health sectors. Therefore, ECG-based methods for SA detection have been proposed to automate the PSG procedure and reduce its discomfort. We propose a preprocessing method to convert the one-dimensional time series of ECG into two-dimensional images using the Gramian Angular Field (GAF) algorithm, extract temporal features, and use a two-dimensional convolutional neural network for classification. The results of this study demonstrated that the proposed method can perform SA detection with specificity, sensitivity, accuracy, and area under the curve (AUC) of 88.89%, 81.50%, 86.11%, and 0.85, respectively. Our experimental results show that SA is successfully classified by extracting preprocessing transforms with temporal features.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.07a
• /
• pp.85-87
• /
• 2022

루푸스 신염을 정확히 진단하기 위해서는 신장의 침 생검을 통한 조직검사를 통해 사구체들을 찾아내고, 각각의 염증 정도를 분류해야 한다. 하지만 이에는 의료진의 많은 시간과 노력이 소요된다. 따라서 본 연구에서는 이러한 한계를 극복하기 위해 합성곱 신경망 (Convolutional neural network, CNN)에 기반한 검출 및 분할에 딥 러닝 접근법을 적용하는 YOLOv5 알고리즘을 통해 검체 이미지 내에서 사구체를 자동으로 검출해 내도록 하였다. 그리고 루푸스 신염 환자의 슬라이드 이미지에 대한 태깅 작업을 거쳐 학습을 위한 데이터와 테스트를 위한 데이터를 생성하여 학습 및 테스트에 활용하였다. 그 결과 고화질의 검체 이미지 내에서 대부분의 사구체를 0.9 이상의 높은 precision과 recall로 검출해 낼 수 있었다. 이를 통해 신장 내부의 사구체 검출을 자동화하고 추후 연구를 통해 사구체 염증 정도를 단계화 할 수 있는 발판을 마련하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.07a
• /
• pp.465-466
• /
• 2022

본 논문에서는 딥러닝 영상인식 기술을 활용한 객체검출 모델인 YOLOv4를 활용하여 차량의 모델과 번호판인식 시스템을 제안한다. 본 논문에서 제안하는 시스템은 실시간 영상처리기술인 YOLOv4를 사용하여 차량모델 인식과 번호판 영역 검출을 하고, CNN(Convolutional Neural Network)알고리즘을 이용하여 번호판의 글자와 숫자를 인식한다. 이러한 방법을 이용한다면 카메라 1대로 차량의 모델 인식과 번호판 인식이 가능하다. 차량모델 인식과 번호판 영역 검출에는 실제 데이터를 사용하였으며, 차량 번호판 문자 인식의 경우 실제 데이터와 가상 데이터를 사용하였다. 차량 모델 인식 정확도는 92.3%, 번호판 검출 98.9%, 번호판 문자 인식 94.2%를 기록하였다.

• Geomechanics and Engineering
• /
• v.31 no.3
• /
• pp.265-279
• /
• 2022

Tunnel convergence prediction is essential for the safe construction and design of tunnels. This study proposes five machine learning models of deep neural network (DNN), K-nearest neighbors (KNN), Gaussian process regression (GPR), support vector regression (SVR), and decision trees (DT) to predict the convergence phenomenon during or shortly after the excavation of tunnels. In this respect, a database including 650 datasets (440 for training, 110 for validation, and 100 for test) was gathered from the previously constructed tunnels. In the database, 12 effective parameters on the tunnel convergence and a target of tunnel wall convergence were considered. Both 5-fold and hold-out cross validation methods were used to analyze the predicted outcomes in the ML models. Finally, the DNN method was proposed as the most robust model. Also, to assess each parameter's contribution to the prediction problem, the backward selection method was used. The results showed that the highest and lowest impact parameters for tunnel convergence are tunnel depth and tunnel width, respectively.

• Annual Conference of KIPS
• /
• 2022.11a
• /
• pp.481-483
• /
• 2022

With the advent of the era of artificial intelligence, more and more fields have begun to use artificial intelligence technology, especially the medical field. Cancer is one of the biggest problems in the medical field. [1] If it can be detected early and treated early, the possibility of cure will be greatly increased. Malignant skin cancer, as one of the types of cancer with the highest fatality rate in recent years has problems such as relying on the experience of doctors and being unable to be detected and detected in time. Therefore, if artificial intelligence technology can be used to help doctors in early detection of skin cancer, or to allow everyone to detect skin lesions or spots anytime, anywhere, it will have great practical significance. In this paper we used attention residual learning convolutional neural network (ARL-CNN) model [2] to classify skin cancer pictures.

• Annual Conference of KIPS
• /
• 2022.11a
• /
• pp.541-543
• /
• 2022

In recent years, retinal disorders have become a serious health concern. Retinal disorders develop slowly and without obvious signs. To avoid vision deterioration, early detection and treatment are critical. Optical coherence tomography (OCT) is a non-invasive and non-contact medical imaging technique used to acquire informative and high-resolution image of retinal area and underlying layers. Disease signs are difficult to detect because OCT images have many areas which are not related to any disease. In this paper, we present a deep learning-based method to perform multi-label classification on a long-tailed OCT dataset. Our method first extracts the region of interest and then performs the classification task. We achieve 98% accuracy, 92% sensitivity, and 99% specificity on our private OCT dataset. Using the heatmap generated from trained convolutional neural network, our method is more robust and explainable than previous approaches because it focuses on areas that contain disease signs.

• Annual Conference of KIPS
• /
• 2022.11a
• /
• pp.968-970
• /
• 2022

일반적으로 가정 내에서 발생하는 안전 사고의 비율은 비장애인에 비해 청각장애인이 높다. 이는 외부인에게 도움을 받을 수 없는 상황에서 청각장애인 스스로 위험상황에 대한 소리를 인지하지 못하기 때문이다[1]. 본 연구에서는 이러한 문제를 해결하기 위해 시각적 효과 또는 진동 신호를 통해 청각장애인들에게 사고 상황 인지를 돕는 시스템을 제안한다. 현재 상용 제품의 경우는 청각장애인이 스마트기기를 소지하고 있을 때만 알림을 인지할 수 있기 때문에 긴급 상황에서 효과가 떨어질 수 있다. 따라서 제안 시스템에서는 어플리케이션 알림과 함께 건물내 전등 색상에 변화를 주는 서비스를 개발하여 스마트 기기를 소지하지 않는 상황에서도 위험상황에 대한 즉각적인 인지를 통해 위험에 대처할 수 있도록 한다. 소리를 시각화하는 것이 본 연구의 핵심 방법론이며 이를 위해 Convolutional Neural Network 모델과 라즈베리파이를 활용하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.01a
• /
• pp.319-320
• /
• 2023

본 논문에서는 합성곱 신경망이 적용된 네트워크를 활용해 전이 학습의 과정을 거친 멸종위기종 철새들의 이미지를 분류하는 시스템의 설계과정과 결과를 제시한다. 연구 방법으로 한국 영랑호를 찾아오는 멸종위기종, 천연기념물인 철새들의 이미지를 학습시켜 "가창오리", "노랑부리백로", "물총새" 이 세 종의 철새들을 매우 정확하게 분류하는 것을 확인하였다. 데이터 예비학습과정에서 train data의 개수를 40개로 진행했을때 약 92%의 정확도를 확인 후, train data의 이미지 개수를 50장으로 늘려 더 높은 정확도를 얻을 수 있었다. 이 시스템은 한국을 방문하는 멸종위기종 철새들을 무분별하게 포획하지 않도록 철새 이미지 분류시 활용 가능하다고 사료된다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.01a
• /
• pp.321-322
• /
• 2023

본 논문에서는 Scikit-learn 패키지의 LinearRegression 모델과 Keras 딥러닝 모델을 활용하여 수도권 도시 환경 요인에 따른 범죄 발생 건수를 예측 모델을 제안한다. 연구 방법으로 범죄 발생과 유의미한 관계가 있다고 파악되는 수도권의 각 자치구 별 데이터셋을 분석하여, CCTV, 파출소, 가로등의 수가 범죄 발생에 유의미한 영향을 끼치는 것을 확인하였다. 독립 변수들 간에 Scale을 줄이고자 정규화를 진행했고, 종속변수의 정규성 확보를 위해 로그변환을 취했다. 손실 함수는 회귀문제에서 사용되는 'relu'함수를 사용했고 모델의 성능을 확인할 수 있는 지표로 MSE(Mean Squared Error)를 사용해 모델을 구성하였다. 본 논문에서 설계한 이 프로그램은 범죄 발생율이 높은 지역구에 경찰 인력의 추가적 배치, 안전 시설 확충 등 실무적 조치를 취함에 있어 근거를 제공할 수 있을 것으로 사료된다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2022.06a
• /
• pp.301-301
• /
• 2022

본 연구는 운영 조건이 달라짐에 따라 회전수가 변하는 기기의 정상적 가동 여부와 고장 종류를 판별하기 위한 인공지능 알고리즘의 적용을 다루고 있다. 회전수가 변하는 장비로부터 계측된 상태 모니터링 센서의 신호는 비정상(non-stationary)적 특성이 있으므로, 상태 신호의 한계치가 고장 판별의 기준이 되기 어렵다는 점을 해결하고자 하였다. 정상 가동 여부는 이상 감지에 효율적인 오토인코더 및 기계학습 알고리즘을 적용하였으며, 고장 종류 판별에는 기계학습법과 합성곱 기반의 심층학습 방법을 적용하였다. 변하는 회전수와 연계된 주파수의 비정상적 시계열도 적절한 고장 특징 (Feature)로 대변될 수 있도록 시간 및 주파수 영역에서 특징 벡터를 구성할 수 있음을 예제로 설명하였다. 차원 축소 및 카이 제곱 기법을 적용하여 최적의 특징 벡터를 추출하여 기계학습의 분류 알고리즘이 비정상적 회전 신호를 가진 장비의 고장 예측에 활용될 수 있음을 보였다. 이 과정에서 k-NN(k-Nearest Neighbor), SVM(Support Vector Machine), Random Forest의 기계학습 알고리즘을 적용하였다. 또한 시계열 기반의 오토인코더 및 CNN (Convolution Neural Network) 적용하여 이상 감지와 고장진단을 수행한 결과를 비교하여 제시하였다.