http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 유병혁 ( Byung Hyuk Yu ) (검색결과 2 건)
- 무료
- 기관 내 무료
- 유료
-
유병혁 ( Byung Hyuk Yu ),조자윤 ( Ja Yun Cho ),임경훈 ( Kyoung Hoon Lim ),박진영 ( Jin Young Park ) 대한외상학회 2015 大韓外傷學會誌 Vol.28 No.3
Purpose: The purpose of this study is to evaluate the surgical outcome of duodenal injuries and to analyze the risk factors related to the leakage after surgical treatment. Methods: A retrospective review of 31 patients with duodenal injuries who managed by surgical treatment was conducted from December 2000 to May 2014. The demographic characteristics, injury mechanism, site of duodenal injury, association of intraabdominal organ injuries, injury severity score (ISS), abdominal abbreviated injury scale (AIS), injury-operation time lag, surgical treatment methods, complications, and mortality were reviewed. Results: Duodenal injury was more common in male. Twenty four (77.4%) patients were injured by blunt trauma. The most common injury site was in the second portion of the duodenum (n=19, 58.6%). Fourteen patients (45.2%) had other associated intraabdominal organ injuries. The mean ISS is 13.6±9.6. The mean AIS is 8.9±6.5. Eighteen patients (58.1%) were treated by primary closure. The remaining 13 patients underwent various operations, including exploratory laparotomy (n=4), pancreaticoduodenectomy (n=3), pyloric exclusion (n=3), Resection with end-to-end anastomosis (n=2), and duodenojejunostomy (n=1). Most common postoperative complications were intraabdominal abscess (n=9) and renal failure (n=9). Mortality rate was 9.7%. Conclusion: ISS, AIS>10, operative time, pancreaticoduodenectomy, sepsis, and renal failure are significant predictors of a postoperative leak after duodenal injury. Careful management is needed to prevent a potential leak in patient with these findings. [ J Trauma Inj 2015; 28: 129-133 ]
-
딥러닝 기반의 객체 검출 알고리즘을 활용한 야생동물 객체인식 기초 연구 -국립공원 생태통로 무인센서카메라 영상을 중심으로-
김미리 ( Mi-ri Kim ),허학영 ( Hag-young Heo ),유병혁 ( Byung-hyuk Yu ),전세근 ( Se-kun Jeon ),이임평 ( Im-pyeong Lee ),함상우 ( Sang-woo Ham ),송아람 ( Ah-ram Song ) 한국환경생태학회 2021 한국환경생태학회 학술대회지 Vol.2021 No.1
국립공원공단은 무인센서카메라(Camera-trap)를 통하여 야생동물 데이터가 수집되면 직원이 육안 판독하는 방식의 야생동물 현황 모니터링 체계를 운용하고 있다. 국립공원 내 생물종 감지 카메라는 2020년 기준 322대가 설치되어 있으며 이 중국립공원 생태통로 모니터링 무인센서카메라는 73대가 설치·운용 중에 있다. 그러나 현행 야생동물 모니터링 조사방법은 직원 육안판독으로 장시간이 소요되며, 조사품질의 일관성 유지가 어려운 한계가 존재한다. 최근 딥러닝 기술은 컴퓨터 비전(Computer Vision) 분야에서 탁월한 성능으로 부각되고 있으며 딥러닝 알고리즘 중 합성곱 신경망(Convolutional Neural Network;CNN)은 객체 분류 및 탐지 기능에서 정확성 및 신속성을 인정받고 있다(이소영 등, 2019). 이러한 단순 반복적인 현행 조사방법을 개선하기 위하여 이미지나 동영상을 입력하면 데이터 패턴을 인식하여 자동으로 분류결과를 산출하는 딥러닝 기술을 활용한 연구가 필요하다. 야생동물 모니터링 체계 개선을 위한 딥러닝 활용 선행연구로 국립공원공단 소백산국립공원북부사무소에서는 2018년 딥러닝을 통한 야생동물 자동식별 시험을 진행하여 딥러닝 활용 가능성을 확인하고 제39차 아시아 원격탐사학술대회 혁신상을 수상하는 등 공단 자체 연구 수행능력을 검증하였다. 본 연구는 이전 시험결과를 바탕으로 야생동물 모니터링 업무 지원을 위한 자동화된 소프트웨어를 개발하여 야생동물 모니터링 조사시간을 단축하고 인적오류 최소화 및 정확도 향상에 기여하는데 그 목적이 있다. 본 연구에서는 야생동물 객체인식을 위하여 딥러닝 기반의 합성곱 신경망 객체 검출 알고리즘 사례 분석을 실시하였으며 2-stage 객체 검출방식인 R-CNN 기반의 MegaDetector 모델과 1-stage 객체 검출방식인 YOLOv5s 2가지 알고리즘을 선정하였다. MegaDetector 모델은 동물, 사람, 차량을 감지하도록 대규모 데이터셋이 학습되어 있으며 1-stage 객체 검출방식보다 정확도가 높으나 속도가 느리며, YOLOv5s는 backbone의 크기가 가장 작지만 2-stage 객체 검출방식보다 빠른 성능을 보이나 작은 물체에 대해 낮은 정확도를 보이는 특징이 있다. 연구지역은 국립공원 생태통로 운영·관리 현황 및 무인센서 카메라 설치현황을 토대로 소백산국립공원 죽령생태통로와 설악산국립공원 한계령생태통로 2개소를 선정하였다. 선정된 연구지역에 설치된 무인센서카메라로 쵤영 후 판독을 완료한 야생동물 모니터링 자료를 수집하였으며 야생동물 22종에 대한 총 32,213장의 학습데이터를 구축하였다. 이 중 종별 국립공원 생태통로 이용횟수와 학습데이터 구축 비율을 고려하여 딥러닝학습 대상종으로 고라니, 멧돼지, 노루, 오소리 총 4종을 선정하고 딥러닝 알고리즘 학습을 각각 수행하였으며 동영상 70개의 시험용 데이터셋을 통해 그 결과를 도출하였다. 연구결과, MegaDetector 모델은 멧돼지 95.8%, 고라니 74%의 정확도를 보였으며 YOLOv5s는 고라니 80%, 멧돼지 70%의 정확도를 보였다. 노루의 경우 고라니와 외형적 구분이 모호하여 2개 알고리즘 모두에서 정확도가 매우 낮게 나타나, 향후 특징이 명확히 드러나는 영상에 대한 학습데이터 구축 및 추가 학습을 통해 정확도를 높일 계획이다.
ScienceON
KISS연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
