http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
CHE 주입방법과 기판 순바이어스를 이용한 새로운 고온 전자 주입방법의 프로그램 효율성 비교에 관한 연구
장영걸(Yongjie Zhang),안호명(Ho-Myoung An),김희동(Hee-Dong Kim),김태근(T. G. Kim) 大韓電子工學會 2010 電子工學會論文誌-SD (Semiconductor and devices) Vol.47 No.1
본 논문에서는, SONOS 소자에서의 일반적인 CHE(Channel Hot Electron) 주입 방법과 기판 순바이어스를 이용한 새로운 전자 주입 방법의 프로그램 효율성에 대해 직접 비교하였다. 기존의 CHE 주입 방법과 비교해서, 새로운 전자 주입 방법은 낮은 구동전압, 빠른 프로그램 속도 등의 특성을 포함하여 높은 프로그램효율을 보였으며, 또한 드레인 영역에서의 순방향 읽기와 역방향 읽기의 문턱전압 차이가 1 V 가량 발생한다는 점에서 국소 주입 동작이 가능함을 확인하였다. 이렇게 제안된 전자주입 방법은 차세대 나노 크기 멀티-비트 SONOS 소자의 동작에 매우 유용하게 사용될 것으로 기대된다. In this paper, we directly compare the program efficiency of conventional channel hot electron (CHE) injection methods and a novel hot electron injection methods using substrate forward biases in our silicon-oxide-nitride-oxide-silicon (SONOS) cell. Compared with conventional CHE injection methods, the proposed injection method showed improved program efficiency including faster program operation at lower bias voltages as well as localized trapping features for multi-bit operation with a threshold voltage difference of 1 V at between the forward and reverse read. This program method is expected to be useful and widely applied for future nano-scale multi-bit SONOS memories.
주목 메커니즘 기반의 멀티 스케일 조건부 적대적 생성 신경망을 활용한 고해상도 흉부 X선 영상 생성 기법
안경진,장영걸,하성민,전병환,홍영택,심학준,장혁재 한국방송∙미디어공학회 2020 방송공학회논문지 Vol.25 No.1
의료분야에서 질환별 유병률 차이로 인한 데이터 수적 불균형은 흔하게 발생되는 문제로 인공지능 학습 성능을 저하시켜 개발의 어려움을 초래한다. 최근 이러한 데이터 수적 불균형문제를 해결하기 위한 한 방법으로 적대적 생성 신경망(GAN) 기술이 도입되었고 다양한 분야에 성공적으로 적용되어왔다. 그러나 수적 불균형에 의해 저하된 성능 문제를 해결하는데 있어서 기존 연구들의 영상 해상도가 아직 충분하지 않고 영상 내 구조가 전역적으로 일관성 있게 모델링 되지 않아 좋은 결과를 얻기 어렵다. 본 논문에서는, 흉부 X선 영상 데이터의 수적 불균형문제를 해결하기 위하여 고해상도 영상을 생성할 수 있는 주목 메커니즘 기반 멀티 스케일 조건부 적대적 생성 네트워크를 제안한다. 해당 네트워크는 질환제어 조건변수에 의해 하나의 네트워크만으로 다양한 질환 영상을 생성할 수 있어 각 클래스별로 학습을 하는 비효율성을 줄였고, 자기 주목 메커니즘을 통해 영상 내 장거리 종속성 문제를 해결하였다.
Diagnostic Accuracy of a Novel On-site Virtual Fractional Flow Reserve Parallel Computing System
박형복,장영걸,Reza Arsanjani,Minh Tuan Nguyen,이상은,전병환,정성희,홍영택,하성민,김세근,이상욱,장혁재 연세대학교의과대학 2020 Yonsei medical journal Vol.61 No.2
Purpose: To evaluate the diagnostic accuracy of a novel on-site virtual fractional flow reserve (vFFR) derived from coronary computedtomography angiography (CTA). Materials and Methods: We analyzed 100 vessels from 57 patients who had undergone CTA followed by invasive FFR during coronaryangiography. Coronary lumen segmentation and three-dimensional reconstruction were conducted using a completelyautomated algorithm, and parallel computing based vFFR prediction was performed. Lesion-specific ischemia based on FFR wasdefined as significant at ≤0.8, as well as ≤0.75, and obstructive CTA stenosis was defined that ≥50%. The diagnostic performanceof vFFR was compared to invasive FFR at both ≤0.8 and ≤0.75. Results: The average computation time was 12 minutes per patient. The correlation coefficient (r) between vFFR and invasive FFRwas 0.75 [95% confidence interval (CI) 0.65 to 0.83], and Bland-Altman analysis showed a mean bias of 0.005 (95% CI -0.011 to0.021) with 95% limits of agreement of -0.16 to 0.17 between vFFR and FFR. The accuracy, sensitivity, specificity, positive predictivevalue, and negative predictive value were 78.0%, 87.1%, 72.5%, 58.7%, and 92.6%, respectively, using the FFR cutoff of 0.80. They were 87.0%, 95.0%, 80.0%, 54.3%, and 98.5%, respectively, with the FFR cutoff of 0.75. The area under the receiver-operatingcharacteristics curve of vFFR versus obstructive CTA stenosis was 0.88 versus 0.61 for the FFR cutoff of 0.80, respectively; it was0.94 versus 0.62 for the FFR cutoff of 0.75. Conclusion: Our novel, fully automated, on-site vFFR technology showed excellent diagnostic performance for the detection oflesion-specific ischemia.
진단명 자동 레이블링을 위한 양방향 트랜스포머 사전학습 언어모델기반 최종진단명 분류
안경진,장영걸,홍영택,정성희,심학준,장혁재 대한전자공학회 2019 전자공학회논문지 Vol.56 No.12
Recently, many studies have been underway to provide better medical technology by applying artificial intelligence technology in the medical field. Building training data for learning artificial intelligence is a necessary process because it requires a sufficient number of medical data and corresponding labels. However, large numbers of medical data labeling is labor-intensive issue, which has increased the need for automatic labeling. In this paper, we will introduce the study of automatically labeling the final diagnosis in medical treatment record using the BERT model, which shows the best performance in natural language processing in recent years 최근 의료분야에서는 보다 나은 의료기술을 제공하기 위하여 인공지능을 적용한 많은 연구들이 진행되고 있다. 인공지능 학습에 있어 높은 정확성과 안정성을 확보하기 위해서는 충분한 수의 학습데이터가 필요하다는 것은 저명한 사실이다. 그러나 의료데이터 레이블링 작업은 노동 집약적이며 비용과 시간이 많이 들기 때문에 학습에 필요한 양질의 데이터를 확보하기가 쉽지 않다. 따라서 이러한 문제를 해결하기 위해 자동으로 레이블링을 하고자하는 필요성이 증대되었다. 본 논문에서는 인공지능 기반 의료영상 자동 판독 솔루션의 개발 및 검증을 위해 필요한 영상과 이에 해당하는 질환명을 레이블링 하고자 자연어처리 분야에서 높은 성능을 보여 많이 사용되고 있는 양방향 트랜스포머 사전학습 언어모델 기반인 BERT 모델을 사용하여 판독기록문에서 최종 진단명을 분류하는 문제를 해결하였다.
진단명 자동 레이블링을 위한 딥러닝기반 판독기록문으로부터 최종 진단명 추출
안경진(Kyeong-Jin Ann),장영걸(Yeonggul Jang),김세근(Sekeun Kim),심학준(Hackjoom Shim),장혁재(Hyuk-Jae Chang) 대한전자공학회 2018 대한전자공학회 학술대회 Vol.2018 No.6
A variety of studies are being conducted to solve the medical field problems that require high accuracy as well as professional anatomical knowledge by combining AI, which has been a huge success in the field of vision. However, implementing final diagnosis training data by analyzing extensive amount medical treatment record is slowing the progress of the study due to the time consuming issue. This paper proposed a combined network of CNN and RNN to automatically extract final diagnosis from medical treatment record. Also, Weights of pre-learned embedding vectors is transferred to the embedding layer in front of CNN-RNN model. This has solved the problem of performance degradation due to insufficient training data and the combination of feature maps created through parallel CNN-RNN model allows analysis between long sentences as well as between adjacent words.
지역적 패치기반 보정기법을 활용한 2D X-ray 영상에서의 강인한 관상동맥 재연결 기법
한경훈,전병환,김세근,장영걸,정성희,심학준,장혁재 한국방송∙미디어공학회 2019 방송공학회논문지 Vol.24 No.4
관상동맥 시술을 위해 혈관 조영 X-선 영상은 시술 진단 및 보조에 유용하게 활용된다. 삼차원의 복잡한 구조를 가진 관상동맥을 이차원 X-선 영상에서 기존의 단일기법만을 사용하여 정확히 분할하는 것에 어려움이 있으며, 특히 혈관이 중간에 끊어지거나 말단부위혈관이 유실되는 현상으로부터 오차가 크게 발생하는 경향이 있었다. 이러한 문제를 해결하기 위하여 기존 단일기법으로 초기분할 단계를 거친 후, 초기분할결과를 기반으로 정교한 보정영역을 설정하는 단계, 보정영역을 대상으로 패치기반 지역보정을 수행하는 단계가 수행된다. 본 연구를 통해 끊긴 혈관을 보완한 분할 결과를 구할 수 있을 뿐만 아니라 미세혈관까지 포함하지 못한 참 값의 한계점을 해결할 수 있다. 또한, 존재하는 기존 관상동맥 분할방법들에 융합하여 추가적인 성능개선을 얻어낼 수 있다. 본 논문에서는 Fully convolutional network 기반 깊은 신경망 네트워크인 U-net을 활용하였으며, 제안된 보정방법을 융합하여 기존 U-net 단일 모델 대비 성능이 상당히 개선된다는 것을 실제 여러 환자들의 데이터 셋을 통하여 증명하였다.
유선국,장혁재,하성민,장영걸,이병권,홍영택,김병극,박세일 연세대학교의과대학 2024 Yonsei medical journal Vol.65 No.5
Purpose: In a preclinical study using a swine myocardial infarction (MI) model, a delayed enhancement (DE)-multi-detector computed tomography (MDCT) scan was performed using a hybrid system alongside diagnostic invasive coronary angiography(ICA) without the additional use of a contrast agent, and demonstrated an excellent correlation in the infarct area compared with histopathologic specimens. In the present investigation, we evaluated the feasibility and diagnostic accuracy of a myocardial viability assessment by DE-MDCT using a hybrid system comprising ICA and MDCT alongside diagnostic ICA without the additional use of a contrast agent. Materials and Methods: We prospectively enrolled 13 patients (median age: 67 years) with a previous MI (>6 months) scheduled to undergo ICA. All patients underwent cardiac magnetic resonance (CMR) imaging before diagnostic ICA. MDCT viability scans were performed concurrently with diagnostic ICA without the use of additional contrast. The total myocardial scar volume per patient and average transmurality per myocardial segment measured by DE-MDCT were compared with those from DE-CMR. Results: The DE volume measured by MDCT showed an excellent correlation with the volume measured by CMR (r=0.986, p<0.0001). The transmurality per segment by MDCT was well-correlated with CMR (r=0.900, p<0.0001); the diagnostic performance of MDCT in differentiating non-viable from viable myocardium using a 50% transmurality criterion was good with a sensitivity, specificity, positive predictive value, negative predictive value, and accuracy of 87.5%, 99.5%, 87.5%, 99.5%, and 99.1%, respectively. Conclusion: The feasibility of the DE-MDCT viability assessment acquired simultaneously with conventional ICA was proven in patients with chronic MI using DE-CMR as the reference standard.