• 한국수자원학회논문집
• /
• 제54권10호
• /
• pp.795-805
• /
• 2021

본 연구는 소양강댐 유역을 대상으로 LSTM 기반의 일유출량 추정 딥러닝 모형을 개발한 후, 모형구조 및 입력자료의 다양한 조합에 대한 모형의 정확도를 살폈다. 첫 12년(1997.1.1-2008.12.31) 동안의 유역평균 일강수량, 일기온, 일풍속 (이상 입력), 일평균 유량 (출력)으로 이루어진 데이터베이스를 기반으로 모형을 구축하였으며, 이후 12년(2009.1.1-2020.12.31) 동안의 자료를 사용하여 Nash-Sutcliffe Model Efficiency Coefficient (NSE)와 RMSE를 살폈다. 가장 높은 정확도를 보인 조합은 64개의 은닉유닛을 가진 LSTM 모형 구조에 가능한 모든 입력자료(12년치의 일강수량, 일기온, 일풍속)를 활용한 경우로서 검증기간의 NSE와 RMSE는 각각 0.862와 76.8 m³/s를 기록하였다. LSTM의 은닉유닛이500개를 초과하는 경우 과적합으로 인한 모형의 성능 저하가 나타나기 시작했으며, 1000개를 초과하는 경우 과적합 문제가 두드러졌다. 12년치의 일강수만 입력자료로 활용한 경우에도 매우 높은 성능(NSE=0.8~0.84)의 모형이 구축되었으며, 한 해의 자료만을 활용하여 학습한 경우에도 충분히 활용 가능한 정확도(NSE=0.63~0.85)를 가진 모형을 구축할 수 있었다. 특히 유량의 변동성이 큰 한 해의 자료만을 활용하여 모형을 학습한 경우 매우 높은 정확도(NSE=0.85)의 모형이 구축되었다. 학습자료가 중유량과 양극한의 유량을 모두 포함한 경우라면 5년 이상의 입력자료는 모형의 성능을 크게 개선시키지 못했다.

• Radiation Oncology Journal
• /
• 제21권3호
• /
• pp.238-244
• /
• 2003

목적: 개별화되어 가는 고선량률 근접치료계획의 추세에 따라, 고성량률 근접치료계획의 절대적 선량과 상대적인 선량분포를 독립적으로 계산하여 환자의 해부영상 위에 겹쳐 표시할 수 있는 품질보증용 컴퓨터 프로그램을 개발한다. 대상 및 방법: 컴퓨터 프로그램은 먼저, 환자의 치료계획에서 계산된 선원의 위치, 각 위치에서의 조사시간, reference point에서의 선량, 치료계획이 실시된 날짜 등의 자료 입력을 필요로 한다. ICWG 권고 수식과 선원의 비등방성 표를 이용하여 $10\times12\times10\;(Cm^3)$의 공간에서 선량분포가 계산된 후 reference point에서의 선량이 자동적으로 치료계획의 결과와 비교된다. 모의치료의 영상이나 자기공명(Magnetic Resonance) 영상을 입력하고 사용자가 선택한 점을 수직으로 교차하는 3개의 평면에서 등선량곡선을 겹쳐서 보여준다. Gamma Med사의 Gam-madot (MDS Nordion, Germany)에서 표준 치료계획을 실행하여 정확성을 확인하였으며, Plato (Nucletron Cor-poration, The Netherlands)에서 실행된 9명의 환자치료계획과 비교하였다. 결과: 3개의 표준 치료계획에서 절대선량은 $2.8\%$ 내에서 일치하였으며 등 선량분포도 좋은 일치를 보였다. 9명의 환자에 대하여 시행된 치료계획과의 비교에서는 평균 $3.4\%$의 오차를 보였다. 결론: 개발된 컴퓨터 프로그램은 정확하고 신속하게 고선량률 치료환자의 치료계획의 정확성을 확인할 수 있게 해주며, 등선량 곡선을 환자의 해부적 영상에 결합할 수 있는 기능은 치료계획의 질을 높이는데 기여할 수 있을 것으로 기대된다.$39\%$), 복회음부 절제수술시 32건($97\%$), 측연의 경우 32건($97\%$), 후연의 경우 32건($97\%$), 그리고 전연의 경우 16건($45\%$)에서 부합되는 것으로 나타났다. 결론: 직장암의 수술 후 방사선치료 시 적절한 방사선치료 조사영역의 결정을 위하여 표준적인 조사영역을 제시 하였으나 개별 환자의 병변 위치와 진행상태, 수술 소견 등에 따라 적절한 변형은 필수적이라 하겠다. 이 권고안의 임상적 타당성은 향후 시행될 Patterns of Care 연구를 통하여 증명하는 것이 필요하겠다.정가능하고, 폐에 조사되는 방사선 양도 줄일 수 있었다.저부까지 거리 차이는 종양 크기가 4 cm 미만인 경우는 5.3 mm였으나 4 cm 이상일 때는 19.4 mm로 현저한 변화를 보였다. 자궁경관 굴곡각은 60세 미만인 경우 60세 이상보다 8$^{\circ}$ 정도 더 변화가 있었고, 종양 크기가 4 cm 이상일 때 미만일 때보다 2배 이상 굴곡 변화가 있었다. 결론: 자궁경부암 환자에서 근치적 방사선치료 시 치료에 따른 자궁 크기 및 위치 변화가 다양하고 개별적으로 예측하기 쉽지 않으므로, 특히, 60세 미만이거나 종양 크기가 4 cm 이상인 경우, 삼차원입체조형치료나 강도변조 방사선치료를 이용한 근치적 방사선치료 시 치료 중 개별환자의 계획용표적체적의 변화를 반드시 고려해야 한다고 생각한다.량체적히스토그램, Lymankutcher 모델에 의한 정상조직합병증발생률 및 기타 선량통계값 등 모든 면에 있어서 우월성을 확인할 수 있었다. 향후 이러한 결과가 임상에서 실질적인 합병증 발생률 감소와 잘 연계되는지 계속적인 추적관찰 및

• 지능정보연구
• /
• 제26권2호
• /
• pp.131-145
• /
• 2020

산업혁신의 흐름에 발맞추어 다양한 분야에서 활용되고 있는 IoT 기술은 빅데이터의 접목을 통한 새로운 비즈니스 모델의 창출 및 사용자 친화적 서비스 제공의 핵심적인 요소로 부각되고 있다. 사물인터넷이 적용된 디바이스에서 누적된 데이터는 사용자 환경 및 패턴 분석을 통해 맞춤형 지능 시스템을 제공해줄 수 있어 편의 기반 스마트 시스템 구축에 다방면으로 활용되고 있다. 최근에는 이를 공공영역 혁신에 확대 적용하여 CCTV를 활용한 교통 범죄 문제 해결 등 스마트시티, 스마트 교통 등에 활용하고 있다. 그러나 이미지 데이터를 활용하는 기존 연구에서는 개인에 대한 사생활 침해 문제 및 비(非)일반적 상황에서 객체 감지 성능이 저하되는 한계가 있다. 본 연구에 활용된 IoT 디바이스 기반의 센서 데이터는 개인에 대한 식별이 불필요해 사생활 이슈로부터 자유로운 데이터로, 불특정 다수를 위한 지능형 공공서비스 구축에 효과적으로 활용될 수 있다. 대다수의 국민들이 일상적으로 활용하는 도시철도에서의 지능형 보행자 트래킹 시스템에 IoT 기반의 적외선 센서 디바이스를 활용하고자 하였으며 센서로부터 측정된 온도 데이터를 실시간 송출하고, CNN-LSTM(Convolutional Neural Network-Long Short Term Memory) 알고리즘을 활용하여 구간 내 보행 인원의 수를 예측하고자 하였다. 실험 결과 MLP(Multi-Layer Perceptron) 및 LSTM(Long Short-Term Memory), RNN-LSTM(Recurrent Neural Network-Long Short Term Memory)에 비해 제안한 CNN-LSTM 하이브리드 모형이 가장 우수한 예측성능을 보임을 확인하였다. 본 논문에서 제안한 디바이스 및 모델을 활용하여 그간 개인정보와 관련된 법적 문제로 인해 서비스 제공이 미흡했던 대중교통 내 실시간 모니터링 및 혼잡도 기반의 위기상황 대응 서비스 등 종합적 메트로 서비스를 제공할 수 있을 것으로 기대된다.