YOLO-YCbCr 기반 화염 검출 기법 적용성 향상 연구

노주형,이원희,민세홍,공민석 한국화재소방학회 2024 한국화재소방학회 학술대회 논문집 Vol.2024 No.1

화염 감지 기법을 이용한 화염 거동 예측에 관한 기초 연구

노주형,최민준,정윤하,공민석 한국화재소방학회 2023 한국화재소방학회 학술대회 논문집 Vol.2023 No.2

객체 탐지 및 이미지 처리 기반 화염 영역 검출 알고리즘에 관한 기초 연구

노주형,김유경,이민주,공민석 한국화재소방학회 2023 한국화재소방학회 학술대회 논문집 Vol.2023 No.2

간세포암 선별검사의 주기에 따른 비용-효과 분석-한국인에서의 B형 간염 바이러스 보균자를 대상으로-

노주형,이수종,최준영,이선녀,신용경 대한가정의학회 2002 Korean Journal of Family Medicine Vol.23 No.11

An Analysis of Cost-Effective Screening Intervalfor HCC in Korean Hepatitis BVirus CarriersJu Hyung Roh, Su Jong Lee, Jun Yeong Choi, Sun Nyu Leeand Yong Kyung Shin 연구배경: 한국인 B형 간염 보균자에게 발생할 수 있는 간세포암(이하 간암)을 조기 발견하기 위하여 사용하는 선별검사인 알파-피토단백(AFP), 복부초음파검사(US)의 간암 발견율에 따른 비용-효과 사이의 효용성과 적절한 선별검사 주기를 찾아보고자 했다.방법: 문헌고찰을 통하여 간암발생률, 선별검사의 효과, 간암 배가시간, 간암 검사에 소요되는 비용을 조사하고 Decision analysis techniques를 이용하여 간암 선별검사 주기에 따른 비용-효과를 알아보고자 했다.결과: 간암의 배가시간을 6개월로 설정하였을 때, 가장 비용-효과적인 선별검사 주기는 AFP와 US검사 각각 6개월이었다. 간암 발견율을 80%로 기대했을 때 적절한 검사의 주기는 AFP가 3개월, US가 5개월, 양 검사 병행 시에는 7개월이었다. 그러나 이러한 결과는 간암 배가시간에 따라 차이를 보였다.

객체탐지 알고리즘 기반 실시간 화재 감지에 관한 기초 연구

노주형(Joo Hyung Roh),김유경(Yu Kyung Kim),이민주(Min Joo Lee),공민석(Min Suk Kong) 한국화재소방학회 2023 한국화재소방학회 학술대회 논문집 Vol.2023 No.1

객체 탐지 기법 적용 YCbCr 컬러모델의 화염 영역 검출 특성에 관한 연구

노주형(Joo-Hyung Roh),민세홍(Se-Hong Min),공민석(Min-suk Kong) 한국화재소방학회 2023 한국화재소방학회논문지 Vol.37 No.6

화염 영역 검출을 위한 기존 YCbCr 컬러모델은 다양한 색상의 화염에 대한 낮은 검출 성능과 화염과 유사한 색상의 객체에 대한 오검출 특성을 갖는다. 따라서 본 연구에서는 YCbCr 컬러모델의 화염 영역 검출 성능을 개선하기 위하여 객체 탐지 기법 적용 개선된 YCbCr 컬러모델을 제안하였다. 화염과 유사한 색상을 갖는 객체 영역에 대한 검출을 방지하기 위해 객체 탐지 딥러닝 모델인 YOLOv8을 적용하여 화염 객체 영역을 탐지하고 해당 영역 내에서 화염을 검출하도록 하였다. 또한 화염 영역 검출 성능을 개선하기 위하여 적색 지배형 화염과 황색 지배형 화염을 구분하여 화염을 검출하는 YCbCr 규칙을 적용하였다. 화염 영역 검출 성능을 평가한 결과, 제안된 모델의 intersection over union (IoU) 값이 기존 YCbCr 모델 대비 약 15.4% 향상되었다. 또한 화재 및 비화재 예측성능의 경우 제안된 모델의 정밀도, 재현율, F1-score 값이 기존 YCbCr 모델 대비 각각 15.9%, 28.2%, 24.7%로 개선되었다. The existing YCbCr color model for flame segmentation has a low segmentation performance for various colored flames and mis-segmentation for flame-like colored-object regions. An improved YCbCr color model using an object detection technique is proposed in this study to improve the flame segmentation performance of the existing YCbCr color model. YOLOv8, a deep learning model for object detection, was used to form a bounding box for the flame to prevent the segmentation of the flame-like colored-object region, and flame segmentation in the bounding box was performed. In addition, YCbCr rules were proposed to segment red and yellow flames to improve flame segmentation performance. The performance evaluation showed that the proposed model increased the intersection over union value by approximately 15.4% compared to that of the existing YCbCr model. In terms of the fire prediction performance evaluation, the precision, recall, and F1-score of the proposed model increased by approximately 15.9%, 28.2%, and 24.7%, respectively.

합성곱 신경망 기반 분류 모델의 화재 예측 성능 분석

노주형(Joo-Hyung Roh),민세홍(Se-Hong Min),공민석(Min-Suk Kong) 한국화재소방학회 2022 한국화재소방학회논문지 Vol.36 No.6

본 연구에서는 화재 안전 향상을 위한 엣지 컴퓨팅(edge computing) 기반 화재감지시스템에 적용 가능한 합성곱 신경망 기반 이미지 분류 모델들인 MobileNetV2, ResNet101, EfficientNetB0를 이용하여 화재 예측 성능 해석을 수행하였다. 성능평가지표인 정확도, 재현율, 정밀도, F1-score와 혼동 행렬을 이용하여 화재 예측 성능을 비교 분석하였다. 또한 분류 모델의 경량화와 관련한 모델 용량 및 추론시간에 대한 비교 분석을 수행하였다. 비교 분석 결과로서 화재 예측 정확도는 EfficientNetB0 모델이 가장 높았으며 경량성 측면에서는 MobileNetV2가 가장 우수한 것으로 확인하였다. 더하여 화재와 유사한 특징을 갖는 비 화재 이미지인 빛과 연무에 대한 이미지 특성을 추가 학습한 결과, 경량성은 우수하나 예측 성능이 낮은 MobileNetV2의 화재 예측 정확도가 개선되는 것을 확인하였다. In this study, fire prediction performance was analyzed using convolutional neural network (CNN)-based classification models such as MobileNetV2, ResNet101, and EfficientNetB0 applicable to an edge computing-based fire detection system for improving fire safety. The fire prediction performance was evaluated using the performance evaluation measures including accuracy, recall, precision, F1-score, and the confusion matrix. The model size and inference time were assessed in terms of the light-weight classification model for the practical deployment and use. The analysis results confirmed that the EfficientNetB0 model had the highest fire prediction accuracy, and the MobileNetV2 was the best light-weight classification model. Notably, additionally learning the image features about light and haze images having similar features with those of the fire images improved the fire prediction accuracy of the light-weight MobileNetV2 model.

유아 스마트기기 사용 및 이용수준 현황

노주형(Joo Hyung Roh),이진(Jin Lee),고민숙(Min Suk Koh),김용주(Yong Joo Kim),설인준(In Joon Seol),문진화(Jin Hwa Moon) 대한소아신경학회 2016 대한소아신경학회지 Vol.24 No.3

목적: 스마트기기의 보편적인 사용으로 많은 영유아들이 이를 손쉽게 접하게 되었다. 그러나 영유아기 아동들의 스마트기기 사용 현황과 그 영향에 대해서는 아직 체계적인 연구결과가 많지 않다. 본 연구의 목적은 유아들의 스마트기기 사용현황과 이용수준을 재파악하고자 하는 것이다. 방법: 연구대상은 구리시와 남양주, 서울의 어린이집 4곳에 등원 중인 만 3-5세 유아 130명(남:여=71:59) 이었으며, 질문도구지에 대한 부모의 응답을 분석하였다. 질문도구는 앞선 연구들에서 사용되었던 ‘유아의 스마트기기 사용 현황에 대한 질문지’와 ‘부모용 유아 스마트기기 이용수준 척도’를 이용하였다. 결과: 최초의 스마트기기 사용시기는 만 1-2세가 가장 많았으며 (37.7%), 사용빈도는 주 1-2 회가 가장 많았고(35.4%), 하루 중 총 사용시간은 주중(57.6%) 또는 주말(53.8%) 모두 1시간 미만인 경우가 많았다. 주 사용목적은 동영상 시청이었다(73.9%). 대부분의 어머니들이 스마트기기의 사용자제를 위한 노력을 시도하고 있으며(66.1%), 유아에게 미치는 영향은 부정적으로 평가하였다(53.0%). 미디어이용수준척도의 평균점수는 3.34점으로(1-5점 척도) 보통 정도의 이용수준을 보였다. 추가적으로 사용빈도(F), 최대사용시간(Tmax)을 이용하여 이 두 값의 곱인 FxTmax 값을 구하고 이를 인구학적 변수에 따라 비교하였다. 형제가 있는 경우 그렇지 않은 경우보다 Tmax 가 의미 있게 더 높았으며, 5세 유아 군이 3세 또는 4세 유아군에 비하여 Tmax 또는 FxTmax 값이 의미 있게 더 높았다. 결론: 유아의 성장에 따라 스마트기기 사용시간의 조절과 바람직한 이용수준에 대한 지도가 더 필요하며, 스마트기기 사용이 유아의 발달에 미치는 영향에 대한 추가적인 연구가 필요하다. Purpose: With the widespread use of the smartphone, many preschool children have gained easy access to the smartphone or tablet PC (Personal computer). However, there are not much studies about the current status of smartphones usage or in-fluence. The purpose of this study was to re-evaluate the current state of the smart-phone usage and utilization levels in preschool children. Methods: Total 130 preschool children between 3-5 years old were enrolled from four daycare centers at Guri, Namyangju and Seoul (M:F=71:59). We used 1) the questionnaires for usage of smartphones and 2) the scales for use of smartphones by parents, which developed by preceding publications. Results: The most common age at first use of smartphones was between 1 and 2 years old (37.7%) and the most common frequency of using smartphones was 1-2 times a week (35.4%). Most children used smart devices less than an hour both in weekday (57.6%) and weekend (53.8%). The main purpose of usage was watching videos (73.9%). Average score of smart device utilization level was 3.34 (1-5 points scale), which showing moderate level. In addition, we analyzed the frequency of usage (F), maximal usage time (Tmax), and the product of F and Tmax (FxTmax) score by demographic data. The children having siblings showed significantly higher Tmax. 5 years old group showed higher Tmax and FxTmax than 3 or 4 year old group. Conclusion: As preschool children grow up, more guidance for the smartphone usage time and desirable usage level will be needed. The effects of smartphone usage and diverse developmental outcome should be further investigated.

합성곱 신경망 기반 화재 분류 모델의 예측성능에 관한 기초 연구

노주형(Joohyung Roh),김유경(Yukyung Kim),이민주(Minjoo Lee),이태헌(Taeheon Lee),공민석(Minsuk Kong) 한국화재소방학회 2022 한국화재소방학회 학술대회 논문집 Vol.2022 No.추계

최근 사회의 밀집화, 심층화, 고층화 등의 현상은 복합적이고 대규모적인 화재안전사고를 유발하고 있다. 이러한 화재안전사고의 피해를 최소화하기 위해서 조기 발견 및 진압을 위한 화재감지 기술에 관한 다양한 연구들이 수행되고 있다. 일반적으로 화재 시 발생하는 화염, 연기 및 열 등을 감지하는 기술을 활용한 단일 혹은 복합 감지 센서에 관한 연구가 많이 이루어지고 있으며 기술적 비용적 한계를 해결하기 위해 최근 컴퓨터 비전 기술을 활용한 화재감지 연구가 활발하게 진행되고 있다. 화재 이미지의 공간정보를 반영한 이미지 특징 추출을 통해 우수한 화재 예측성능을 갖는 합성곱 신경망 기반의 화재감지기술은 신뢰성을 확보하고 실 예측성능을 향상이 요구되고 있다. 본 연구에서는 합성곱 신경망 기반의 화재 이미지 분류 모델의 신뢰성 확보 및 성능향상을 목적으로 화재와 유사한 이미지 특성을 갖는 이미지 군들에 대한 추가적 학습이 분류 모델의 예측성능에 미치는 영향을 분석하였다. 이를 위해 화재를 나타내는 화염 및 연기 이미지뿐만 아니라 연무 및 빛 이미지 군을 추가하여 클래스 수 변경에 따른 분류 모델의 성능 비교를 수행하였으며 CNN 모델, 손실함수, 최적화법 등 분류 모델 알고리즘은 동일하게 적용하였다. 정밀도, 재현율, 정확도 등의 지표들을 이용하여 정량적으로 예측성능을 비교하였으며 혼동행렬을 이용하여 분류 모델의 예측 경향 및 상세 특징을 분석하였다. 이를 통해서 학습 클래스의 증가에 따라서 화재와 유사한 이미지에 대한 분류 예측성능이 향상됨을 확인하였다. 본 기초 연구결과를 기반으로 다른 신뢰성 및 성능향상 기술과의 연계를 통해 실 화재감지 적용 가능 분류 모델 개발을 위한 성능검증 및 개선을 진행할 계획이다.

Glycoproteomics Method to Discover Reliable Biomarkers from Human Plasma of Lung Cancer Patients for MS-based Clinical Studies

이진욱,신지훈,정미선,윤민규,노주형,강정훈,조원련 대한화학회 2019 Bulletin of the Korean Chemical Society Vol.40 No.6

In clinical and diagnostic proteomics, it is important to discover significant biomarkers from biosamples. Thus, a reliable proteomics methodology is required for the development and standardization of an MS-based protein identification and quantification method in biosamples. In particular, plasma is one of the most complex fluids in the human body and is commonly used in hospitals to diagnose disease. The purpose of this study was to develop a reliable and reproducible proteomics method using lung cancer plasma for biomarker discovery and diagnostic kits for screening. Glycoproteins are well-known to be associated with diseases (especially cancers) so in this study glycoproteomics was used for discovering biomarkers from lung cancer plasma. Thirty-five lung cancer plasma were pooled, and glycoproteins were separated using lectin affinity chromatography (LAC). After affinity selection, trypsin-digestion, and deglycosylation with PNGase F, the resulting deglycosylated peptides were analyzed with nLC?MS/MS runs twice. The corresponding parent proteins were identified separately through two database search engines and then analyzed individually. The identified proteins from each set were compared, combined, and then categorized for analysis. The combined total identified number of proteins were about 50% increased than in a single run and some proteins seemed to be more reproducible and reliable biomarker candidates because they were always identified in every run. From this research, method-optimized proteomics can be applied to biomarker discovery for diagnosis and prognosis of disease such as cancer for better MS-based clinical studies. The identified plasma proteins from this research will also be lung cancer biomarker candidates and can be utilized for the development of in vitro lung cancer diagnostic kits.