http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
궤양성 대장질환-크론병 감별 규칙 기반 진단 프로세스 및 온톨로지 구축
유동연 ( Dong-yeon Yoo ),박예슬 ( Ye-seul Park ),이정원 ( Jung-won Lee ) 한국정보처리학회 2018 한국정보처리학회 학술대회논문집 Vol.25 No.1
만성 염증성 장질환인 크론병은 위장관 전체에서 발병할 수 있으며, 국내에서도 발병률이 증가하고 있다. 특히, 크론병은 다른 궤양성 대장질환과 유사한 증상을 보일 수 있어 크론병을 진단 하는데 어려움이 있다. 이로 인해 크론병 진단 가이드라인이나 크론병과 유사한 증상을 보이는 질병 감별에 대한 연구가 진행되고 있다. 하지만 기존 연구에는 크론병에 대한 절차적인 진단 과정이 기술되지 않아, 크론병 진단을 위한 검사 과정에서 과다한 검사가 시행될 우려가 있다. 따라서 본 논문에서는 크론병과 유사한 증상을 보이는 궤양성 대장질환을 감별하기 위해 중복성 및 절차적인 연관성, 질병의 진단 조건을 분석하여 감별 규칙으로 정의하고, 이를 기반으로 크론병 진단 프로세스를 제안한다. 제안하는 프로세스를 체계적으로 정의하고 온톨로지로 시각화함으로써 크론병과 유사한 증상을 보이는 대장질환을 감별하고, 효과적으로 크론병을 진단하는데 도움을 줄 수 있다.
다른 파일밀도를 가지는 LCD용 러빙포의 제조 및 폴리이미드 배향막에 대한 러빙효과 분석
이장주,유동연,백상현,Lee, Jang-Ju,Yoo, Dong-Yeon,Paek, Sang-Hyon 한국섬유공학회 2014 한국섬유공학회지 Vol.51 No.4
The mechanical rubbing of a polyimide (PI) layer with a velvet cloth has been dominantly used to induce a uniform alignment of liquid crystal molecules in the manufacturing process of liquid crystal displays (LCDs). The rubbing process is affected by its process parameters and also by the nature and properties of the rubbing cloth used. We fabricated the rubbing cloths with various pile densities and different weaving structures and then investigated how the parameters were related to the effect of the cloth on the rubbing process and the properties of rubbed PI alignment layers (ALs). As the pile density increases at same rubbing process parameters, the degree of molecular orientation of the rubbed AL and its surface roughness increase with an increase of the contact area between the rubbing cloth and the AL surface. Furthermore, a more uniform rubbing is also achieved. The results in this work showed that higher pile density of the rubbing cloth induces a better rubbing effect, which is indeed more favorable to the LCD process. It was also observed that the weaving can exert some influence on the rubbing process.
가정용 협력 로봇의 센서 데이터 기반 실행동작 예측 모델 개발
유성엽 ( Sungyeob Yoo ),유동연 ( Dong-yeon Yoo ),박예슬 ( Ye-seul Park ),이정원 ( Jung-won Lee ) 한국정보처리학회 2019 한국정보처리학회 학술대회논문집 Vol.26 No.1
디지털 트윈이란 현실 세계의 물리적인 사물을 컴퓨터 상에 동일하게 가상화 시키는 기술을 의미하는 것으로, 물리적 사물이나 시스템을 모델링하거나 IoT 기술에 접목되어 활용되고 있는 기술이다. 디지털 트윈 기술은 가상의 모델을 무한정 시뮬레이션을 통해 동작을 튜닝하고 환경변화에 대한 대응을 미리 실험하여 리스크를 최소화할 수 있는 장점을 지닌다. 최근 인공지능이나 기계학습에 관련된 기술들이 주목받기 시작하면서, 이와 같은 물리적인 사물의 모델링 작업을 데이터 기반으로 수행하려는 시도가 증가하고 있다. 특히, 산업현장에서 많이 활용되는 인더스트리 4.0 공장 자동화의 핵심인 협력 로봇의 디지털 트윈을 구축하기 위해서는 로봇의 동작을 인지하는 과정이 필수적으로 요구된다. 그러나 현재 협력 로봇의 동작을 인지하기 위한 시도는 미비하며, 센서 데이터를 기반으로 동작을 역으로 예측하는 기술은 더욱 그렇다. 따라서 본 논문에서는 로봇의 동작을 인지하기 위해 가정용 협력 로봇에서 전류 및 관성 데이터를 수집하기 위한 실험 환경을 구축하고, 수집한 센서 데이터를 기반으로 한 동작 예측 모델을 제안하고자 한다. 제안하는 방식은 로봇의 동작 명령어를 조인트 위치 기반으로 분류하고 전류와 위치 센서 값을 사용하여 학습을 통해 예측하는 방식이다. SVM 을 이용하여 학습한 결과, 모델의 성능은 평균적으로 정확도, 정밀도, 및 재현율이 모두 96%로 평가되었다.
임상 가이드라인 기반 흉부 X-ray 영상 품질 평가 도구 개발
남기현 ( Gi-hyeon Nam ),유동연 ( Dong-yeon Yoo ),김양곤 ( Yang-gon Kim ),선주성 ( Joo-sung-sun ),이정원 ( Jung-won Lee ) 한국정보처리학회 2022 한국정보처리학회 학술대회논문집 Vol.29 No.2
흉부 X-ray 영상은 폐 질환을 진단하는 기본적인 도구로써 널리 사용되고 있다. 정확한 진단을 위해 흉부 X-ray 영상의 품질을 평가하는 과정을 거쳐야 하는데, 이 과정은 주관적인 기준에 따라 수작업으로 이루어지기 때문에 많은 시간과 비용이 소요된다. 따라서 본 논문에서는 임상 현장에서 사용되는 흉부 X-ray 영상 화질 평가 가이드라인을 기반으로 인공음영, 포함범위, 환자자세, 흡기정도, 그리고 투과 상태의 5가지 품질 평가를 자동화하는 도구를 제안한다. 제안하는 도구는 품질 판단에 소요되는 시간과 비용을 줄여주고, 더 나아가 흉부 병변 진단을 위한 학습 모델 개발의 양질의 학습 데이터를 선별하는 전처리 과정에 활용될 수 있다.
딥러닝 회귀 모델 개발을 위한 센서 데이터 윈도우 사이즈 최적화 기법
최민서 ( Min-seo Choi ),유동연 ( Dong-yeon Yoo ),이정원 ( Jung-won Lee ) 한국정보처리학회 2022 한국정보처리학회 학술대회논문집 Vol.29 No.1
센서 데이터의 중요성이 커지면서 센서 데이터 처리 연구의 수요가 증가하고 있다. 센서 데이터 기반의 딥러닝 모델 개발 시, 센서 데이터 단일 값에 의한 출력이 아닌 시계열적인 특성을 반영하여 연속적인 데이터 간의 연관성을 파악할 수 있는 슬라이딩 윈도우 기법을 통해 효율적으로 데이터를 분석하고 처리할 수 있다. 하지만, 기존의 방법들은 학습 성능(학습 시간 및 모델 성능)에 미치는 영향을 평가하는 기준 없이 입력 데이터의 윈도우 사이즈를 임의로 설정하여 데이터를 처리해왔다. 따라서, 본 논문은 학습 시간과 모델 성능을 기준으로 센서 데이터의 윈도우 사이즈 최적화 기법을 제안한다. 제안한 방법은 전류를 이용하여 스위치와 다이오드 온도를 추정하는 가상 센서(virtual sensor) 실험 테스트베드에 적용하여, 학습 시간 중심으로는 5%의 윈도우 사이즈를, 모델성능 중심으로는 R2 SCORE 의 값을 0.9295 로 갖는 8%의 윈도우 사이즈가 최적으로 도출되었다.
딥러닝 모델 테스트를 위한 뉴런 커버리지 변화에 따른 학습 데이터의 모델 영향력 평가
김주형(Ju-Hyeong Kim),유동연(Dong-Yeon Yoo),이정원(Jung-Won Lee) 대한전자공학회 2021 대한전자공학회 학술대회 Vol.2021 No.6
딥러닝 모델에서 학습 데이터셋은 네트워크 모델 학습의 가중치를 결정하기 때문에 모델의 신뢰성에 있어 중요한 역할을 차지한다. 모델의 신뢰성 평가 기법은 크게 블랙박스 테스트, 화이트박스 테스트로 나뉘며 딥러닝 모델은 내부구조를 확인하기 힘든 특성상 블랙박스 테스트에 대한 연구가 더욱 활발하게 수행되고 있다. 그러나 모델내부 동작을 관찰할 수 있는 화이트박스 테스트 또한 필요하며, 최근 뉴런 커버리지를 이용한 테스트 케이스 생성에 대한 연구가 진행되고 있다[1]. 본 논문에서는 이러한 뉴런 커버리지를 학습모델 테스트에만 적용할 것이 아니라, 학습 데이터의 품질, 즉 학습 데이터셋 선택이 모델 성능에 미치는 영향을 평가하는 데에 적용해 보고자 한다. 이를 위해, DeepXplore 도구[2]를 활용해 입력에 따른 모델내부의 활성화된 뉴런 비율을 나타내는 뉴런 커버리지 값을 얻은 후, 데이터셋이 모델의 뉴런에 미치는 영향을 확인한다. 데이터셋이 달라짐에 따라 뉴런 커버리지의 변화율이 달라지며, 고른 특징 분포를 갖는 학습데이터를 이용하여 생성된 모델과 랜덤하게 학습데이터를 사용한 경우를 비교해보면, 고른 특징 분포를 갖는 학습 데이터를 사용 하였을 때 11.25% 더 큰 뉴런 커버리지의 변화를 확인하였다. 또한 더 큰 뉴런 커버리지를 보이는 데이터를 이용하여 모델을 재학습 한 경우 뉴런의 활성도가 50%~379%까지 높아지는 것을 확인 할 수 있었다. 이를 통해 현재 학습에 이용된 데이터의 모델의 영향력을 평가하여 뉴런 커버리지를 높이는 방향으로 학습데이터 셋을 선택하는데 기여할 수 있다.