• 대한토목학회논문집
• /
• 제28권1D호
• /
• pp.45-55
• /
• 2008

아스팔트 혼합물의 거동을 정확하게 예측하기 위하여 점탄소성 연속체 손상모형(이하 점탄소성 모형)을 개발하였다. 본 논문에서는 인장조건에서 점탄소성 모형의 개발과 4가지 혼합물(일반 밀입도, SBS, CR-TB, Terpolymer)을 이용한 모형의 검증과정을 다루고 있다. 모형 개발을 위해서 실내시험으로 측정한 아스팔트 혼합물의 전체 응답을 점탄성과 점소성 성분으로 구분하여 분석하였다. 점탄성 연속체 손상모형으로는 미세균열이 지배적인 상태에서 아스팔트 혼합물의 시간 의존적 거동을 해석하고, 고온 혹은 저속 하중 조건에서 발생한 영구변형(시간 종속과 비종속 성분을 모두 포함)은 점소성 모형으로 해석하였다. 변형률 분해 원리에 근거하여 각각의 모형을 통합하여 점탄소성 연속체 손상모형(VEPCD)을 개발하였다. 모형의 변수 결정을 위해서 직접인장시험을 수행하고 각각의 혼합물에 대한 선형 점탄성은 동탄성계수와 시간-온도 전이계수 그리고 위상각의 주곡선으로 정의하였다. 개발된 점탄소성 모형의 예측 성능을 평가하기 위하여 두 종류의 실내시험 실시하고 그 결과를 분석하였다 : 1) 단일 변형률 인장 시험, 2) 임의 하중조건을 모사한 피로 시험.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제68차 하계학술대회논문집 31권2호
• /
• pp.63-65
• /
• 2023

본 논문에서는 FDG-PET 영상을 사용하는 딥러닝 네트워크를 이용하여 직장암 환자의 치료 후 완치를 예측하는 연구를 수행하였다. 직장암은 흔한 악성 종양 중 하나이지만 병리학적으로 완전하게 치료되는 가능성이 매우 낮아, 치료 후의 반응을 예측하고 적절한 치료 방법을 선택하는 것이 중요하다. 따라서 본 연구에서는 FDG-PET 영상에 합성곱 신경망(CNN)모델을 활용하여 딥러닝 네트워크를 구축하고 직장암 환자의 치료반응을 예측하는 연구를 진행하였다. 116명의 직장암 환자의 FDG-PET 영상을 획득하였다. 대상군은 2cm 이상의 종양 크기를 가지는 환자를 대상으로 하였으며 치료 후 완치된 환자는 21명이었다. FDG-PET 영상은 전신 영역과 종양 영역으로 나누어 평가하였다. 딥러닝 네트워크는 2차원 및 3차원 영상입력에 대한 CNN 모델로 구성되었다. 학습된 CNN 모델을 사용하여 직장암의 치료 후 완치를 예측하는 성능을 평가하였다. 학습 결과에서 평균 정확도와 정밀도는 각각 0.854와 0.905로 나타났으며, 모든 CNN 모델과 영상 영역에 따른 성능을 보였다. 테스트 결과에서는 3차원 CNN 모델과 종양 영역만을 이용한 네트워크에서 정확도가 높게 평가됨을 확인하였다. 본 연구에서는 CNN 모델의 입력 영상에 따른 차이와 영상 영역에 따른 딥러닝 네트워크의 성능을 평가하였으며 딥러닝 네트워크 모델을 통해 직장암 치료반응을 예측하고 적절한 치료 방향 결정에 도움이 될 것으로 기대한다.

• 응용통계연구
• /
• 제36권5호
• /
• pp.473-488
• /
• 2023

국내 대표 관광지인 강원도는 관광수요가 일부 지역에만 편중되어 있어 지역별로 다른 관광추이를 보인다. 따라서 각 지자체의 관광 활성화 방안 수립과 지역간 균형발전을 위해 각 지역의 관광 특성을 파악하고, 연도별 관광패턴을 비교하는 것이 중요하다. 본 논문에서는 최근 4년간의 강원도 관광 자료를 이용하여 지역을 군집화하고, 군집별 관광패턴을 Jeon 등 (2021)이 제안한 비유클리디안 가법모형으로 분석하였다. 이때, 연령대에 따른 방문자 수 비율과 방문지 유형에 따른 내비게이션 검색 수 비율을 공변량으로 하고, 업종별로 구분된 관광지출액 비율을 반응 변수로 하였다. 모형의 추정을 위해 평활역접합 방법과 성분별 띠폭 선택법을 이용하였다. 그리고 삼각 도표를 통해 추정된 모형을 시각화하고, 군집별로 적합 오차에 대한 예측 오차비율을 비교하여 연도별 관광패턴 변화를 확인하였다.

• Korean Journal of Radiology
• /
• 제22권11호
• /
• pp.1797-1808
• /
• 2021

Objective: To determine whether volumetric CT texture analysis (CTTA) using fully automatic tumor segmentation can help predict recurrence-free survival (RFS) in patients with intrahepatic mass-forming cholangiocarcinomas (IMCCs) after surgical resection. Materials and Methods: This retrospective study analyzed the preoperative CT scans of 89 patients with IMCCs (64 male; 25 female; mean age, 62.1 years; range, 38-78 years) who underwent surgical resection between January 2005 and December 2016. Volumetric CTTA of IMCCs was performed in late arterial phase images using both fully automatic and semi-automatic liver tumor segmentation techniques. The time spent on segmentation and texture analysis was compared, and the first-order and second-order texture parameters and shape features were extracted. The reliability of CTTA parameters between the techniques was evaluated using intraclass correlation coefficients (ICCs). Intra- and interobserver reproducibility of volumetric CTTAs were also obtained using ICCs. Cox proportional hazard regression were used to predict RFS using CTTA parameters and clinicopathological parameters. Results: The time spent on fully automatic tumor segmentation and CTTA was significantly shorter than that for semi-automatic segmentation: mean ± standard deviation of 1 minutes 37 seconds ± 50 seconds vs. 10 minutes 48 seconds ± 13 minutes 44 seconds (p < 0.001). ICCs of the texture features between the two techniques ranged from 0.215 to 0.980. ICCs for the intraobserver and interobserver reproducibility using fully automatic segmentation were 0.601-0.997 and 0.177-0.984, respectively. Multivariable analysis identified lower first-order mean (hazard ratio [HR], 0.982; p = 0.010), larger pathologic tumor size (HR, 1.171; p < 0.001), and positive lymph node involvement (HR, 2.193; p = 0.014) as significant parameters for shorter RFS using fully automatic segmentation. Conclusion: Volumetric CTTA parameters obtained using fully automatic segmentation could be utilized as prognostic markers in patients with IMCC, with comparable reproducibility in significantly less time compared with semi-automatic segmentation.

• Korean Journal of Radiology
• /
• 제22권3호
• /
• pp.442-453
• /
• 2021

Artificial intelligence (AI) will likely affect various fields of medicine. This article aims to explain the fundamental principles of clinical validation, device approval, and insurance coverage decisions of AI algorithms for medical diagnosis and prediction. Discrimination accuracy of AI algorithms is often evaluated with the Dice similarity coefficient, sensitivity, specificity, and traditional or free-response receiver operating characteristic curves. Calibration accuracy should also be assessed, especially for algorithms that provide probabilities to users. As current AI algorithms have limited generalizability to real-world practice, clinical validation of AI should put it to proper external testing and assisting roles. External testing could adopt diagnostic case-control or diagnostic cohort designs. A diagnostic case-control study evaluates the technical validity/accuracy of AI while the latter tests the clinical validity/accuracy of AI in samples representing target patients in real-world clinical scenarios. Ultimate clinical validation of AI requires evaluations of its impact on patient outcomes, referred to as clinical utility, and for which randomized clinical trials are ideal. Device approval of AI is typically granted with proof of technical validity/accuracy and thus does not intend to directly indicate if AI is beneficial for patient care or if it improves patient outcomes. Neither can it categorically address the issue of limited generalizability of AI. After achieving device approval, it is up to medical professionals to determine if the approved AI algorithms are beneficial for real-world patient care. Insurance coverage decisions generally require a demonstration of clinical utility that the use of AI has improved patient outcomes.

• 한국음향학회지
• /
• 제27권1호
• /
• pp.1-11
• /
• 2008

기하음향학 방법들을 이용한 중주파수 해석의 어려움을 해결하기 위하여 소리의 전파에서 위상 정보를 고려한 위상 기하음향학 방법이 제안되었다. 위상 기하음향학 방법은 위상정보를 고려하여 중주파수 대역의 간섭 현상을 설명할 수 있는 장점을 가지고 있다. 그러나 이러한 방법들을 이용하여 소리의 파동성으로 대표되는 저주파수 현상들을 모두 설명할 수 없다. 특히 저주파수 대역에서는 모서리나 장애물에 의한 회절현상을 고려하지 못하여 전달함수나 충격응답의 예측시 오차가 발생한다. 또한 실수인 흡음 계수를 사용한 해석 결과는 측정치와 차이를 보이므로 반사 계수의 잘못된 위상 정보는 교정되어야 한다. 본 연구에서는 균일 회절 이론을 병합한 위상 빔 추적법의 결과를 기존의 위상 빔 추적법의 결과와 비교하였다. 또한 벽면 반사계수의 위상을 변화시키며 위상 정보의 영향을 조사하였다. 제안된 오차 보정 방법들을 이용하면, 좀더 낮은 주파수 대역까지 정확성을 향상시켜 위상 빔 추적법을 실내음향 예측에 적용할 수 있다.

• 한국음향학회지
• /
• 제27권3호
• /
• pp.154-162
• /
• 2008

수중 채널에서의 음파를 사용한 신호는 다중 전달 경로 현상에 의해 왜곡된다. 본 논문에서는 채널의 임펄스 응답을 바탕으로 신호를 미리 왜곡시켜 수신기에 도착했을 때 최소한의 등화만으로 신호를 받을 수 있는 선 처리 기법을 제안하였다. 그리고 음선 이론 기반 시뮬레이션과 수조 실험을 통해 제안한 기법의 성능을 검토하였다. 다중 전달 경로 현상이 약할 경우, SNR이 약 20 dB 일 때 BER이 $10^{-3}{\sim}10^{-4}$의 성능을 보였고 다중 전달 경로 현상이 심한 환경에서 SNR이 약 30 dB 일때 유사한 BER 성능을 보였다. 제안한 기법을 수중 운동체의 통신에 사용가능하도록 송수신기의 위치 변화에 따른 채널예측 기법을 제안하였고 그 성능을 검토하였다.

• 한국항해항만학회지
• /
• 제48권1호
• /
• pp.27-33
• /
• 2024

코로나 팬데믹 이후 컨테이너 터미널 내 혼잡도 증가에 따라 반출입 차량 작업 대기 및 체류시간이 급증하여 반출입 작업 비효율이 극심한 실정이다. 이에 항만 당국은 반출입예약시스템(Vehicle Booking System; VBS)을 구축하여 시범운영 중에 있으나 이해관계자 간 정보공유 문제 및 컨테이너 운송 주체의 미온적 참여 등으로 인해 개선효과가 뚜렷하지 않다. 따라서 본 연구에서는 반출입 차량의 작업 대기 및 체류시간 문제의 해결을 위한 기초자료로써, 딥러닝 기반의 반출입 차량 체류시간 예측 모형을 제시하였다. 실제 컨테이너 터미널의 반출입 운영 데이터를 통해 제시한 예측 모형을 실험하고 실제 데이터와 비교하여 예측 정확도를 검증한 결과 제시한 예측 모형이 높은 예측 정확도를 보이는 것을 확인하였다.

• 스마트미디어저널
• /
• 제13권4호
• /
• pp.48-56
• /
• 2024

축산업에서 환경의 이상치 탐지와 데이터 예측은 매우 중요한 과제이다. 대부분 시계열 데이터로 수집되는 축산 환경 데이터의 이상치는 급격한 생육환경의 변화와 예상치 못한 전염병의 징후를 나타낼 수 있으므로 이상치를 빠르게 탐지하는 것이 중요하다. 이상치의 빠른 탐지와 효과적인 대응은 가축의 스트레스를 최소화하고 전염병 발생 환경을 조기에 발견하여 농가의 경제적인 손실을 감소시키는 역할을 할 수 있다. 본 연구에서는 축산환경 데이터의 이상치 탐지 분야에서 이상치를 규정하는 경계값(Threshold) 설정에서 두 가지 설정 방법을 이용하여 실험하고 성능을 비교하였다. Mean Squared Error(MSE)를 활용한 이상치 탐지 방법과 Dynamic Threshold를 이용한 이상치 탐지 방법을 이용하여 이를 통해 주어진 이전 데이터의 평균값과의 변동성을 분석하여 이상 상황을 식별하는 연구를 진행하였다. MSE를 활용한 이상치 탐지 방법은 94.98% 정확도를 보였고 표준편차를 활용한 Dynamic Threshold 방법은 99.66%정확도로 성능이 더 우수함을 확인할 수 있었다.

• Computers and Concrete
• /
• 제34권1호
• /
• pp.93-122
• /
• 2024

One well-known reason for using Fiber Reinforced Polymer (FRP) composites is to improve concrete strength and strain capacity via external confinement. Hence, various studies have been undertaken to offer a good illustration of the response of FRP-wrapped concrete for practical design intents. However, in such studies, the strength and strain of the confined concrete were predicted using regression analysis based on a limited number of test data. This study presents an approach based on artificial neural networks (ANNs) to develop models to predict the strength and strain at maximum stress enhancement of circular concrete cross-sections confined with different FRP types (Carbone, Glass, Aramid). To achieve this goal, a large test database comprising 493 axial compression experiments on FRP-confined concrete samples was compiled based on an extensive review of the published literature and used to validate the predicted artificial intelligence techniques. The ANN approach is currently thought to be the preferred learning technique because of its strong prediction effectiveness, interpretability, adaptability, and generalization. The accuracy of the developed ANN model for predicting the behavior of FRP-confined concrete is commensurate with the experimental database compiled from published literature. Statistical measures values, which indicate a better fit, were observed in all of the ANN models. Therefore, compared to existing models, it should be highlighted that the newly developed models based on FRP type are remarkably accurate.