• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2014년도 추계학술대회
• /
• pp.733-735
• /
• 2014

표본기반 초해상도(Super Resolution 이하 SR) 기법은 데이터베이스에 저장된 고해상도 영상의 패치와 저해상도 영상의 패치 사이에 대응관계를 이용하여, 저해상도의 입력영상에 가장 유사한 고해상도 패치를 덧붙여서 고해상도를 구성하는 방식이다. 이러한 방식은 한 장의 영상만으로 고해상도 영상을 얻을 수 있고, 위의 과정을 반복하여 2배 이상의 확대된 영상을 얻을 수 있어서 기존의 고전적 SR의 문제점을 해결할 수 있다. 표본기반 SR의 방법들 중 네이버 임베딩(Neighbor Embedding 이하 NE) 기법의 기본 원리는 지역적 선형 임베딩이라는 매니폴드 학습방법의 개념과 같다. 그러나 네이버 임베딩의 빈약한 일반화 능력으로 인하여 알고리즘의 성능을 크게 저하시킨다. 이유는 국부학습 데이터 집합의 크기가 너무 작아서 NE 알고리즘의 성능을 현저히 저하시킨다. 본 논문에서는 이와 같은 문제점을 해결하기 위해서 일반화 능력이 뛰어난 Support Vector Regression(이하 SVR)기반 개선된 NE를 제안하였다. 저해상도 입력 패치가 주어지면 SVR 기반 개선된 NE를 이용하여 고해상도의 해당 화소 값을 예측하였다. 실험을 통하여 제안된 기법이 기존의 보간법 및 NE 기법 등에 비해 정량적인 척도 및 시각적으로 향상된 결과를 보여 주었다.

• 대한치과교정학회지
• /
• 제52권4호
• /
• pp.287-297
• /
• 2022

Objective: To investigate the pattern of accuracy change in artificial intelligence-assisted landmark identification (LI) using a convolutional neural network (CNN) algorithm in serial lateral cephalograms (Lat-cephs) of Class III (C-III) patients who underwent two-jaw orthognathic surgery. Methods: A total of 3,188 Lat-cephs of C-III patients were allocated into the training and validation sets (3,004 Lat-cephs of 751 patients) and test set (184 Lat-cephs of 46 patients; subdivided into the genioplasty and non-genioplasty groups, n = 23 per group) for LI. Each C-III patient in the test set had four Lat-cephs: initial (T0), pre-surgery (T1, presence of orthodontic brackets [OBs]), post-surgery (T2, presence of OBs and surgical plates and screws [S-PS]), and debonding (T3, presence of S-PS and fixed retainers [FR]). After mean errors of 20 landmarks between human gold standard and the CNN model were calculated, statistical analysis was performed. Results: The total mean error was 1.17 mm without significant difference among the four time-points (T0, 1.20 mm; T1, 1.14 mm; T2, 1.18 mm; T3, 1.15 mm). In comparison of two time-points ([T0, T1] vs. [T2, T3]), ANS, A point, and B point showed an increase in error (p < 0.01, 0.05, 0.01, respectively), while Mx6D and Md6D showeda decrease in error (all p < 0.01). No difference in errors existed at B point, Pogonion, Menton, Md1C, and Md1R between the genioplasty and non-genioplasty groups. Conclusions: The CNN model can be used for LI in serial Lat-cephs despite the presence of OB, S-PS, FR, genioplasty, and bone remodeling.

• 한국엔터테인먼트산업학회논문지
• /
• 제14권8호
• /
• pp.397-405
• /
• 2020

본 연구의 목적은 전신진동이 결합된 들숨근 훈련을 적용하여 뇌졸중 환자의 호흡기능 개선 및 다리근육의 기능향상을 위한 운동방법을 제시하는 것이다. 뇌졸중 환자 21명을 임상 표본추출하여 호흡운동을 결합한 전신진동운동을 적용한 집단 11명을 실험군I로, 호흡운동을 결합한 위약운동을 적용한 집단 10명을 실험군II로 각각 무작위 배치하여 5주 간, 4일/주, 1회/일, 4세트/1회 중재 프로그램을 시행하였다. 중재 전 최대들숨압 측정기로로 호흡기능을 측정하였고, 표면 근전도로 하지 근활성도를 측정하였으며, 버그발란스 검사를 사용하여 균형능력을 측정한 후, 5주 후에 사후검사를 사전검사와 동일하게 재 측정하여 분석하였다. 실험군I의 집단 내 변화 비교에서는 호흡근력, 넙다리두갈래근, 앞정강근의 활성도 및 균형에서 유의한 차이가 있었다(p<.05). 실험군II의 집단 내 변화 비교에서는 호흡근력과 균형에서 유의한 차이가 있었다(p<.05). 집단 간 변화 비교에서는 넙다리두갈래근, 앞정강근의 활성도에서 유의한 차이가 있었다(p<.01). 향후에도 신경근 기능을 향상시키기 위한 호흡운동과 전신진동에 대한 프로토콜에 대한 연구가 지속적으로 필요할 것으로 여겨진다.

• 대한통합의학회지
• /
• 제10권4호
• /
• pp.175-185
• /
• 2022

Purpose : This study was conducted to determine the effect of Kegel exercise using a pressure biofeedback unit (PBU) for 2 weeks on maximum voluntary ventilation (MVV) and abdominal muscle thickness based on previous studies. Methods : The subjects of this study were 20 healthy female students in their 20s. Subjects were randomly assigned to two groups. Eleven subjects were assigned to the experimental group (EG) and 9 subjects were assigned to the control group (CG). Subjects measured MVV with a spirometer. In hooklying position, transverse abdominis (TrA), internal oblique (IO), and external oblique (EO) of the dominant side were measured using ultrasound. For the measurement value, the average value of three times was adopted. After 2 weeks of intervention, the measurements were measured in the same way. In the EG, pelvic setting training using PBU was performed before Kegel exercise. The PBU was first placed at the waist in the Kegel exercise position and the starting pressure was set at 40 mmHg and adjusted to 60 mmHg through pelvic floor muscle contraction. After performing pelvic control using PBU, Kegel exercise was performed with 8 seconds of contraction, 8 seconds of relaxation, and 3 sets of 10 reps per set. A significance level of 𝛼=.05 was used to verify statistical significance. Results : In the variable of MVV, a significant increase was confirmed in the EG (p<.05). In the abdominal muscle thickness variable, significant increases were confirmed in IO and TrA in the EG (p<.05). In addition, a significant increase in IO was confirmed in the CG (p<.05). Significant increases in IO and TrA were confirmed between groups (p<.05). Conclusion : Based on the previous study, this study confirmed that Kegel exercise using a PBU had a positive effect on MVV and abdominal muscle thickness based on a 2-week intervention.

• 생물환경조절학회지
• /
• 제31권3호
• /
• pp.255-260
• /
• 2022

본 논문은 딥러닝 알고리즘을 이용하여 딸기 영상 데이터의 병충해 존재 여부를 자동으로 검출할 수 있는 서비스 모델을 제안한다. 또한 병징에 특화된 분할 이미지 데이터 세트를 제안하여 딥러닝 모델의 병충해 검출 성능을 향상한다. 딥러닝 모델은 CNN 기반 YOLO를 선정하여 기존의 R-CNN 기반 모델의 느린 학습속도와 추론속도를 개선하였다. 병충해 검출 모델을 학습하기 위해 일반적인 데이터 세트와 제안하는 분할 이미지 데이터 세트를 구축하였다. 딥러닝 모델이 일반적인 학습 데이터 세트를 학습했을 때 병충해 검출률은 81.35%이며 병충해 검출 신뢰도는 73.35%이다. 반면 딥러닝 모델이 분할 이미지 학습 데이터 세트를 학습했을 때 병충해 검출률은 91.93%이며 병충해 검출 신뢰도는 83.41%이다. 따라서 분할 이미지 데이터를 학습한 딥러닝 모델의 성능이 우수하다는 것을 증명할 수 있었다.

• 방송공학회논문지
• /
• 제28권3호
• /
• pp.293-301
• /
• 2023

표준화되지 않은 의료 데이터 수집 및 관리는 여전히 수동으로 진행되고 있어, 이 문제를 해결하기 위해 딥 러닝을 사용해 CT 데이터를 분류하는 연구들이 진행되고 있다. 하지만 대부분 연구에서는 기본적인 CT slice인 axial 평면만을 기반으로 모델을 개발하고 있다. CT 영상은 일반 이미지와 다르게 인체 구조만 묘사하기 때문에 CT scan을 재구성하는 것만으로도 더 풍부한 신체적 특징을 나타낼 수 있다. 이 연구는 axial 평면뿐만 아니라 CT 데이터를 2D로 변환하는 여러가지 방법들을 통해 보다 높은 성능을 달성할 수 있는 방법을 찾고자 한다. 훈련은 5가지 부위의 CT 스캔 1042개를 사용했고, 모델 평가를 위해 테스트셋 179개, 외부 데이터셋으로 448개를 수집했다. 딥러닝 모델 개발을 위해 ImageNet으로 사전 학습된 InceptionResNetV2를 백본으로 사용하였으며, 모델의 전체 레이어를 재 학습했다. 실험결과 신체 부위 분류에서는 재구성 데이터 모델이 99.33%를 달성하며 axial 모델보다 1.12% 더 높았고, 조영제 분류에서는 brain과 neck에서만 axial모델이 높았다. 결론적으로 axial slice로만 훈련했을 때 보다 해부학적 특징이 잘 나타나는 데이터로 학습했을 때 더 정확한 성능 달성이 가능했다.

• Nuclear Engineering and Technology
• /
• 제55권1호
• /
• pp.339-352
• /
• 2023

Prediction of the time-related traits of pebble flow inside pebble-bed HTGRs is of great significance for reactor operation and design. In this work, an image-driven approach with the aid of a convolutional neural network (CNN) is proposed to predict the remaining time of initially loaded pebbles and the time interval of paired flow images of the pebble bed. Two types of strategies are put forward: one is adding FC layers to the classic classification CNN models and using regression training, and the other is CNN-based deep expectation (DEX) by regarding the time prediction as a deep classification task followed by softmax expected value refinements. The current dataset is obtained from the discrete element method (DEM) simulations. Results show that the CNN-aided models generally make satisfactory predictions on the remaining time with the determination coefficient larger than 0.99. Among these models, the VGG19+DEX performs the best and its CumScore (proportion of test set with prediction error within 0.5s) can reach 0.939. Besides, the remaining time of additional test sets and new cases can also be well predicted, indicating good generalization ability of the model. In the task of predicting the time interval of image pairs, the VGG19+DEX model has also generated satisfactory results. Particularly, the trained model, with promising generalization ability, has demonstrated great potential in accurately and instantaneously predicting the traits of interest, without the need for additional computational intensive DEM simulations. Nevertheless, the issues of data diversity and model optimization need to be improved to achieve the full potential of the CNN-aided prediction tool.

• 한국체육학회지인문사회과학편
• /
• 제54권5호
• /
• pp.769-780
• /
• 2015

이 연구는 고령자의 근육수축양식 및 손상정도에 따른 염증물질, 면역적격세포 및 골수유래 전구세포의 변화를 검증하는데 그 목적이 있다. 연구대상은 최근 6개월간 저항성운동 프로그램을 실시하지 않은 65세 이상의 고령자 20명을 신장성운동 집단(ECC, n=10)과 단축성운동 집단(CON, n=10)으로 분류하였다. 모든 피험자는 팔꿈치 굽힘근의 1차 신장성운동(ECC 1) 및 단축성운동(CON)을 실시하였고, ECC는 4주후에 재차 2차 신장성운동(ECC 2)을 6회 10세트, 세트 사이에 2분의 휴식시간을 적용하여 실시하였다. 골격근손상 지표(ROM, VAS, CK), 염증물질(TNF-α, IL-1, IL-6), 면역적격세포(CD3+, CD4+, CD8+, CD19+), 골수유래 전구세포(CD34+) 및 백혈구수는 운동전, 운동 직후, 운동 시기의 2, 24, 48, 72 및 96시간 후에 각각 측정하였다. 주요결과는 다음과 같다. 고령자의 골격근손상 지표(ROM, VAS)는 CON(근육수축양식) 및 ECC 2(손상정도)와 각각 비교해서 ECC 1에서 손상이 크게 증가하였다(p<.05). IL-6 및 TNF-α는 CON 및 ECC 2와 각각 비교해서 ECC 1의 24, 48 및 72시간 후에 유의하게 높게 나타났다(p<.05). 호중구수는 CON 및 ECC 2와 각각 비교해서 ECC 1의 2시간 후에 유의하게 높게 나타났다(p<.05). 이 연구에서는 고령자에서도 근육수축양식은 단축성운동보다 신장성운동에서, 또한 손상정도는 2차 신장성운동보다 1차 신장성운동에서 보다 크게 손상이 발생하였다는 사실을 확인하였다. 특히 IL-6와 TNF-α 및 호중구수는 근손상 정도와 밀접한 관련성이 있다는 것이 시사되었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.43-45
• /
• 2021

초단기 강수예측 시스템은 단시간 발생하는 집중호우와 같은 위험기상에 대응하기 위해 사회·경제적으로 중요하다. 최근 국내·외에서 심층신경망을 활용한 초단기 강수예측 연구가 활발히 진행되고 있다. 심층신경망을 이용한 강수예측 모델은 훈련 데이터를 만들 때 기상데이터의 구조와 종류가 복잡하고 방대하므로 기상학적 이해를 바탕으로 복잡한 전처리 과정이 필요하다. 또한, 비선형적인 패턴의 강수 현상을 예측하기 위하여 기상의 상호작용에 대한 이해를 바탕으로 입력 데이터를 구성해야 한다. 따라서 본 연구에서는 다음과 같은 접근법을 제안하고자 한다. i) 기상레이더 합성 강수장과 강수발달에 영향을 줄 수 있는 주요 인자(레이더, 지형, 온도, 등)를 훈련 데이터 구축을 위해 패턴 분석에 적합한 형태로 정제하고 이를 구조화하여 통합한다. ii) 합성곱 신경망과 합성곱 장단기 기억 신경망을 접목하여 초단기 예측 강수장을 산출한다. 2020년 강수 사례를 이용하여 제안한 모델의 정확성을 검증하였다. 제안한 모델은 비선형적인 패턴의 강수 현상을 잘 모의하였고, 강수의 규모 및 강도에 대한 예측성능이 향상되었다. 이는 강수를 동반한 초단기 위험기상의 방재에 활용할 수 있을 것으로 기대된다.

• 대한토목학회논문집
• /
• 제28권6A호
• /
• pp.799-808
• /
• 2008

국내 교통 현실을 반영한 중(重)차량에 대한 하중 분석은 케이블 교량의 유지관리시 잔존수명 예측을 위한 피로하중모델 개발이나 교량의 설계시 해석에 필요한 활하중 모델 개발시 반드시 필요하다. 이에 본 연구에서는 강합성 사장교 상부구조 하면에 설치된 변형률 센서에서 측정한 신호를 이용하여 교량을 주행하고 있는 중차량의 하중정보를 얻기 위하여, 인공신경망 및 영향선을 이용한 차량하중분석시스템을 개발하였다. 인공신경망의 학습과 테스트를 위한 데이터 확보에 있어서 이론적인 수치 시뮬레이션을 통하지 않고, 실제 교량을 주행하는 임의 차량에 대해 직접 측정한 데이터를 이용하였다. 또한, 학습된 신경망의정확도를 검증하기 위하여 3종류의 시험재하차량을 반복 주행시켜 구한 값과 계량소에서 측정한 정적 값을 비교하였다. 교량의국부거동을 고려하기 위하여 가로보를 이용하였고, 인공신경망을 이용한 방법과 영향선을 이용한 방법의 분석결과를 비교한 결과, 인공신경망이론을 적용한 분석방법이 하중 판별의 정확도에 있어서는 영향선 분석방법보다 높은 정확도를 얻을 수 있었다.