• 전기전자학회논문지
• /
• 제23권4호
• /
• pp.1273-1279
• /
• 2019

수면 질환에 사용되는 수면다원검사는 그 비용 및 시간적 제약으로 새로운 대안을 찾을 필요가 절실하다. 최근 웨어러블 헬스기기가 대중화 되면서 기존의 액티그래피를 이용한 수면분석을 대신하려는 다양한 연구가 되고 있으나 이들 기기의 데이터 및 알고리즘은 접근성 및 성능에 있어 매우 제한적인 상황이다 본 논문에서는 자체 제작된 가속도계 센서모듈을 이용한 수면 중 움직임 정보를 이용하여 AASM표준 방식 기준으로 분류된 수면 단계를 예측하고, 센서의 움직임 정보와 뇌파의 δ파와 θ파의 파워스펙트럼 비교를 통해 수면의 주기를 추정할 수 있는 방법을 제시했다. 31명의 공개된 PSG 분석결과를 이용한 수면 단계 예측 결과 85.26%의 정확도를 보였다. 움직임 신호의 특성과 δ파와 θ파의 파워 변화를 비교한 결과 REM수면과 NREM수면의 반복 주기를 제시한 알고리즘으로 찾을 수 있는 가능성이 있음을 보였다.

• Nuclear Engineering and Technology
• /
• 제53권1호
• /
• pp.148-163
• /
• 2021

Timely fault identification is important for safe and reliable operation of the electric valve system. Many research works have utilized different data-driven approach for fault diagnosis in complex systems. However, they do not consider specific characteristics of critical control components such as electric valves. This work presents an integrated shallow-deep fault diagnostic model, developed based on signals extracted from DN50 electric valve. First, the local optimal issue of particle swarm optimization algorithm is solved by optimizing the weight search capability, the particle speed, and position update strategy. Then, to develop a shallow diagnostic model, the modified particle swarm algorithm is combined with support vector machine to form a hybrid improved particle swarm-support vector machine (IPs-SVM). To decouple the influence of the background noise, the wavelet packet transform method is used to reconstruct the vibration signal. Thereafter, the IPs-SVM is used to classify phase imbalance and damaged valve faults, and the performance was evaluated against other models developed using the conventional SVM and particle swarm optimized SVM. Secondly, three different deep belief network (DBN) models are developed, using different acoustic signal structures: raw signal, wavelet transformed signal and time-series (sequential) signal. The models are developed to estimate internal leakage sizes in the electric valve. The predictive performance of the DBN and the evaluation results of the proposed IPs-SVM are also presented in this paper.

• 대한조선학회논문집
• /
• 제60권2호
• /
• pp.95-109
• /
• 2023

In the 4th industrial revolution, changes in the technological paradigm have had a direct impact on the maintenance system of ships. The 2-stroke low speed engine system integrates with the core equipment required for propulsive power. The Condition Based Management (CBM) is defined as a technology that predictive maintenance methods in existing calender-based or running time based maintenance systems by monitoring the condition of machinery and diagnosis/prognosis failures. In this study, we have established a framework for CBM technology development on our own, and are engaged in engineering-based failure analysis, data development and management, data feature analysis and pre-processing, and verified the reliability of failure mode DB using LSTM algorithms. We developed various simulated failure mode scenarios for 2-stroke low speed engine and researched to produce data on onshore basis test_beds. The analysis and pre-processing of normal and abnormal status data acquired through failure mode simulation experiment used various Exploratory Data Analysis (EDA) techniques to feature extract not only data on the performance and efficiency of 2-stroke low speed engine but also key feature data using multivariate statistical analysis. In addition, by developing an LSTM classification algorithm, we tried to verify the reliability of various failure mode data with time-series characteristics.

• Pediatric Gastroenterology, Hepatology & Nutrition
• /
• 제7권2호
• /
• pp.153-162
• /
• 2004

목적: H. pylori 대변항원(Helicobacter pylori stool antigen; HpSA) 검사는 H. pylori 감염 여부를 진단하는 데 이용되는 비침습적 검사이지만, 소아에서 제균요법 후 H. pylori 대변항원검사의 유용성에 대한 연구가 거의 이루어지지 못한 상태이다. 본 연구에서는 소아에서 H. pylori의 제균 여부를 확인하는 데 있어 enzyme immunoassay에 의한 HpSA 검사의 진단 정확도를 평가하고자 하였다. 연구방법: 2001년 1월부터 2003년 10월까지 서울대학교병원 소아과에서 146명의 소아(평균 연령 $9.3{\pm}4.3$세)를 대상으로 총 164회의 H. pylori 대변항원검사(Primier platinum HpSA)를 시행하였다. H. pylori 감염여부를 확인하기 위해 모든 환아에서 H. pylori 대변항원검사와 상부위장관내시경에 의한 위점막 생검을 병행하였다. H. pylori 감염이 확인되어 사제요법(omeprazole, amoxicillin, metronidazole, bismuth subcitrate)을 1주 동안 시행 받은 환아들에서는 치료 종결 후 최소 4주가 경과하였을 때 위내시경과 H. pylori 대변항원검사를 반복 실시하였다. H. pylori 대변항원검사는 OD값이 0.16 이상일 때 양성, 0.14~0.16 사이는 감염 미확정, 0.14 미만은 음성으로 판정하였다. 결과: 1) 제균 전 시행한 131회의 위내시경 조직검사 결과 28명이 H. pylori 양성이었고 나머지 103명은 H. pylori 음성이었다. 동시에 시행한 H. pylori 대변항원검사 결과에서 30명이 H. pylori 양성이었고, 101명이 음성으로 판정되었다. 따라서 제균요법 시행 전 H. pylori 대변항원검사의 민감도, 특이도, 양성 예측치, 음성 예측치는 각각 96.4%, 97.1%, 90% 그리고 99%이었다. 2) 제균요법 4주 후 33명의 환아에서 시행한 위내시경에 의한 조직검사에서 H. pylori는 24명에서 음성이었으나 9명은 여전히 양성이었다. 동시에 시행한 H. pylori 대변항원검사는 10명에서 양성, 23명에서 음성이었다. 따라서 제균요법 후 H. pylori 대변항원검사의 민감도, 특이도, 양성 예측치, 음성 예측치는 각각 88.9%, 91.7%, 80% 그리고 95.7%이었다. 결론: 소아에서 H. pylori 대변항원검사는 제균 후에도 높은 진단 정확도를 보였다. 따라서 H. pylori 대변항원검사는 소아에서 제균요법 후 균 박멸여부를 확인하는 데에도 매우 유용한 비침습적인 검사방법이라고 하겠다.

• 한국전자거래학회지
• /
• 제23권2호
• /
• pp.111-121
• /
• 2018

항공기 엔진, 풍력발전기, 모터 등 회전기기에서 발생하는 많은 문제들은 진동이나 소음과 같은 신호 데이터를 측정하여 이상감지를 할 수 있으며, 주파수 분석 등 여러 가지 신호처리가 데이터 전처리 단계에서 필요하다. 본 논문에서는 진동 데이터를 분석하여 설비 이상상태를 감지하는 기법을 소개한다. 정상상태 데이터를 기반으로 마할라노비스 거리를 측정하여 이상상태 유무를 모니터링 하는 방식을 사용한다. 특히 신호 데이터의 전처리 기법들을 도입하여 이상상태 감지의 성능을 개선할 수 있음을 보여준다. 전처리 단계에서 신호 데이터 수집 과정에서 발생한 누설오차(leakage)를 없애기 위해 해밍 윈도우(Hamming window)를 적용하고, 신호 데이터의 원신호인 포먼트(formant)를 분리하기 위하여 켑스트럼(cepstrum) 분석을 실시한다. IMS 베어링 진동 공개데이터를 대상으로 시간 구간별로 6가지 통계지표를 추출한 후 마할라노비스 거리 분류기를 적용하여 성능을 검증하였다. 제시된 신호처리 전처리 기법을 적용함으로써 성능이 획기적으로 향상되는 것을 실험에서 보여주었다.

• 한국전자거래학회지
• /
• 제24권1호
• /
• pp.105-120
• /
• 2019

세계보건기구(WHO)를 비롯해 세계 각국의 정부기관은 항생제 오남용에 따른 항생제 내성균 감염에 대해 심각하게 경고하며 이를 예방하기 위한 관리와 감시를 강화하고 있다. 하지만 감염을 확인하기 위한 감염균 배양에 수일의 시간이 소요되면서 격리와 접촉주의를 통한 감염확산 방지 효과가 떨어져 선제적 조치를 위한 신속하고 정확한 예측 및 추정방법이 요구되고 있다. 본 연구는 Electronic Health Records에 포함된 질병 진단내역과 항생제 처방내역을 neural embedding model과 matrix factorization을 통해 embedding 하였고, 이를 활용한 딥러닝 기반분류 예측 모형을 제안하였다. 항생제 내성균 감염의 주요 원인인 질병과 항생제 정보를 embedding하여 환자의 기본정보와 병원이용 정보에 추가했을 때 딥러닝 예측 모형의 f1-score는 0.525에서 0.617로 상승하였고, 딥러닝 모형은 Super Learner와 같은 기존 기계학습 모형보다 더 나은 성능을 보여주었다. 항생제 내성균 감염환자의 특성을 분석한 결과, 감염환자는 동일한 질병을 진단받은 비감염환자에 비교해 J01 계열 항생제 사용이 많았고 WHO 권고기준(DDD)을 크게 벗어나는 오남용 청구사례가 6.3배 이상 높게 나타났으며 항생제 오남용과 항생제 내성균 감염간의 높은 연관성이 발견되었다.