http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
재활 의료 보조를 위한 딥러닝 기반 무인 의료 시스템의 설계 및 성능평가
최동규,장종욱,Choi, Donggyu,Jang, Jongwook 한국정보통신학회 2021 한국정보통신학회논문지 Vol.25 No.12
최근 코로나 상황을 겪으면서 국가들은 의료인력과 그 기술에 대한 필요성을 심각하게 느끼고 있다. 고령화되고 있는 사회에 따라 실제로 의료진의 수는 줄고 있으며, 이러한 문제점을 해결하기 위해서 실제 의사가 하는 의료 행위 중고도의 전문성을 요구하지 않는 부분을 대체 할 수 있는 연구가 필요하다. 본 논문에서는 존재하는 다양한 딥러닝 영상처리 기반 기술을 활용하여 의료진이 직접 환자를 대면해야 하는 재활 분야에 적용할 수 있는 회복 상태를 확인하는 업무에 관한 무인 의료 시스템과 관련한 실제 연구 방법들을 서술하고 제안한다. 제안하는 방법은 실제 동작 비교에 사용했던 방법인 각도계나 사진에 선을 긋는 방법과 같은 수동적인 계산을 대체한다. 실시간으로 수행하므로 빠른 진단에 도움을 주며, 동작 수행 일치도에 대한 데이터를 확인할 수 있기에 의료진이 필요한 정보를 쉽게 제공한다. With the recent COVID-19 situation, countries are seriously feeling the need for medical personnel and their technologies. PDepending on the aging society, the number of medical staff is actually decreasing, and in order to solve this problem, research is needed to replace the part that does not require high expertise among actual medical practices performed by doctors. This paper describes and proposes actual research methods related to unmanned medical systems that use various deep learning image processing-based technologies to check the recovery status applicable to rehabilitation areas where medical staff should face patients directly. The proposed method replaces passive calculations such as a protractor or a method of drawing a line in a photograph, which is the method used for actual motion comparison. Since it is performed in real time, it helps to diagnose quickly, and it is easy for medical staff to provide necessary information because data on the degree of match of motion performance can be checked.
딥러닝의 다수 입력 이미지 학습 및 추론 효율 향상을 위해 추가적인 처리 프로세스 연구
최동규(Donggyu Choi),김민영(Minyoung Kim),장종욱(Jongwook Jang) 한국정보통신학회 2021 한국정보통신학회 종합학술대회 논문집 Vol.25 No.2
실생활에는 많은 카메라가 활용되고 있으며 단순한 추억을 위한 사진 촬영을 넘어서 문제 상황을 확인하기 위하여 감시, 방범을 위하여 많이 사용되고 있다. 이러한 감시와 방범은 일반적인 형태로 단순한 저장으로만 사용되고 있으며, 다수의 카메라를 활용하는 시스템에서는 추가 기능을 활용하는 것은 하드웨어의 추가적인 사양을 요구하게 된다. 본 논문에서는 일반적인 이미지 처리에서 벗어난 객체 감지 시스템을 수행하는 하나의 하드웨어 또는 서버에서 입력된 여러 개의 이미지 입력 처리하기 위해 이미지 입력 방법과 객체 감지 이후 처리 프로세스를 추가한다. 방법의 수행은 딥러닝을 수행하는 하드웨어의 학습과 추론에 모두 활용해 보며 개선된 이미지 처리 프로세스를 수행할 수 있도록 한다. Many cameras are used in real life, and they are often used for monitoring and crime prevention to check the situation of problems beyond just taking pictures for memories. Such surveillance and prevention are generally used only for simple storage, and in systems utilizing multiple cameras, utilizing additional features would require additional hardware specifications. In this paper, we add image input methods and post-object processing processes to process multiple image inputs from one hardware or server that perform object detection systems that deviate from typical image processing. The performance of the method is utilized in both learning and reasoning of the hardware performing deep learning, and allows improved image processing processes to be performed.