[토론 3] “안전한 임신중단을 위한 의료접근성 제고방안 연구”의 조사결과 및 개선사항제언에 대한 의견

오정원 한국여성정책연구원(구 한국여성개발원) 2021 한국여성정책연구원 연구보고서 Vol.2021 No.-

복강 내 체액의 감별에 있어서 생체 외 양성자 자기공명분광법의 유용성

오정원,신상수,정용연,송상국,임효순,선현주,김재규,정광우,강형근 대한영상의학회 2006 대한영상의학회지 Vol.55 No.4

Vaginal Hemorrhage Associated with Decidualized Rectovaginal Deep Infiltrating Endometriosis during the Third Trimester of Pregnancy: A Case Report

오정원,Eun Ji Lee,Yoon-Mi Jin 대한영상의학회 2022 대한영상의학회지 Vol.83 No.5

Endometriosis-related symptoms are believed to be alleviated during pregnancy. However, pregnancy complications, such as pseudoaneurysm of the uterine artery, rupture of ovarian or uterine vessels, and intraabdominal bleeding from decidualized deep infiltrating endometriosis (DIE) lesion have been rarely reported. Owing to the potential risk of rupture and resultant life-threatening complications, proper diagnosis and close monitoring of decidualized endometriotic lesion are very important despite its low relative risk. Till date, massive vaginal bleeding from decidualized rectovaginal DIE during pregnancy has not been in English literatures. Here, we present the first case of spontaneous massive vaginal bleeding due to decidualized rectovaginal DIE that occurred in the late third trimester of pregnancy.

비파괴 당도센서와 색상센서를 사용한 빅 데이터 분석 적용 과일 수확시기 예측 시스템 아키텍처 개발

오정원,김행곤 사단법인 인문사회과학기술융합학회 2017 예술인문사회융합멀티미디어논문지 Vol.7 No.9

농부들의 수익 증대는 농업의 발전에 중대한 영향을 미친다. 본 논문에서 제안하는 과일 수확 시기 예측 시스템 아키텍처의 가장 중요한 목적은 농부들의 수익 증대이다. 최근 현대사회의 고도의 산업화로 인해 축소되는 농업을 활성화하기 위해서 농업에 ICT 기술을 접목하는 스마트 농업 분야(Smart U-Agriculture) 즉, 스파트 팜(Smart Farm) 분야가 활발하게 연구되고 있다. 스파트 팜(Smart Farm) 분야에서는 농작물 환경을 실시간으로 분석하여 농작물이 자랄 수 있는 최적의 생육환경을 제공하고 관련 시스템을 제어하여 농작물의 생산량 증대와 노동력 감소를 핵심적으로 연구되고 있다. 그러나 단순한 농작물의 생산량 증대와 노동력 감소는 해당 상품의 과잉 생산으로 농산물 가격의 하락을 유도하며 농산물 가격의 하락은 농부들의 수입이 오히려 감소는 역효과를 유도하고 농촌 인력의 탈 농촌화를 가중시킬 수 있다. 농부들의 수입을 증대시키려면 농작물의 생산성 증대뿐이 아니라 우수한 품질의 농작물을 생산하여 산출된 농작물이 좋은 가격을 받아야 한다. 좋은 가격의 높은 품질을 가진 과일을 수확하려면 수확시기를 정확하게 예측하는 것이 무엇보다 중요하다. 본 논문에서 사용하는 표본 과일은 사과이며 수확 시기 예측의 기준은 당도와 색상을 적용했다. 또한 센서에서 발생하는 데이터를 실시간으로 수집하여 수확 상관인자(색상, 당도) 관련 시계열 차트를 제공할 수 있는 아키텍처를 설계하였다. 본 논문에서 제안하는 아키텍처는 유사 스마트 팜(Smart Farm) 관련 시스템에 유연하게 적용할 수 있으며 유사 농작물 수확시기 예측 시스템을 개발하는 표준 프레임워크로 사용될 수 있다. The farmer’s revenue increases have significant effects on the agriculture development. The most important objective of Fruit Harvest Season Prediction System Architecture suggested in this paper is the farmer’s revenue increases. To revitalization of the agriculture reduced for today’s high industrialized society, the Smart U-Agriculture that integrates ICT technology with agriculture, or Smart Farm field is actively studied. A central parts of this study are providing the best growing environment with real-time Analysis for the agriculture environments and controlling the related system to increase the crop yields and reduce the labor. But simply increasing the crop yields and reduce the labor may cause declining the agricultural price that leads another problems like decreasing the farmer’s revenue and population in rural areas. To increase farmer’s revenue, not only increase the crop yields, but also produce the high-quality crops to make a good deal. The most important thing to reap the high-quality fruits is predicting the perfect harvest season. The standard fruit in this paper is an apple and the standard of harvest season prediction applied sugar and color. Also, we designed an architecture for a time series chart related to harvest factors(sugar and color) by collecting data from sensor in real time. It can be applied in similar Smart Farm System and used standard framework to develop the similar Fruit Harvest Season Prediction System.

회원작품 - 옥솔프라자

오정원,O, Jeong-Won 대한건축사협회 1997 建築士 Vol.1997 No.11

배경 모델과 주변 영역과의 상호관계를 이용한 다중 이동 물체 추적

오정원,유지상,Oh, Jeong-Won,Yoo, Ji-Sang 대한전자공학회 2002 電子工學會論文誌-SP (Signal processing) Vol.39 No.4

제한된 구역내의 고정(static)된 감시 카메라를 통해 입력된 영상 데이터에 대해 움직임이 있는 물체를 검출하기 위해서는 주위 잡음(noise)에 대한 민감성(sensitivity)과 상황변화에 대해 대처할 수 있는 강인한 알고리즘이 요구된다. 본 논문에서는 이러한 잡음이나 갑작스런 상황의 변화에 적절히 대응하여 움직임 물체를 추출하고 추적하는 효율적인 알고리즘을 제안한다. 초기 배경 모델(background model) 영상에 의해서 입력되는 영상 내에 이동 물체가 존재할 경우 각 화소의 주변의 변화를 고려하여 움직임 영역을 검출하였다. 움직임 영역의 화소들의 잡음 제거를 위해 형태학적 필터(morphological filter)를 사용하였고, 8-연결 성분 표시(connected component labeling)에 의해 개별적인 물체의 움직임을 검출하였다. 마지막으로 다양한 환경과 모델에 따른 실험결과와 통계적인 분석을 제시하였다. In order to extract motion features from an input image acquired by a static CCD-camera in a restricted area, we need a robust algorithm to cope with noise sensitivity and condition change. In this paper, we proposed an efficient algorithm to extract and track motion features in a noisy environment or with sudden condition changes. We extract motion features by considering a change of neighborhood pixels when moving objects exist in a current frame with an initial background. To remove noise in moving regions, we used a morphological filter and extracted a motion of each object using 8-connected component labeling. Finally, we provide experimental results and statistical analysis with various conditions and models.

머신러닝 적용 과일 수확시기 예측시스템 설계 및 구현

오정원,김행곤,김일태 (사)한국스마트미디어학회 2019 스마트미디어저널 Vol.8 No.1

Recently, machine learning technology has had a significant impact on society, particularly in the medical,manufacturing, marketing, finance, broadcasting, and agricultural aspects of human lives. In this paper, we studyhow to apply machine learning techniques to foods, which have the greatest influence on the human survival. Inthe field of Smart Farm, which integrates the Internet of Things (IoT) technology into agriculture, we focus onoptimizing the crop growth environment by monitoring the growth environment in real time. KT Smart FarmSolution 2.0 has adopted machine learning to optimize temperature and humidity in the greenhouse. Most existingsmart farm businesses mainly focus on controlling the growth environment and improving productivity. On theother hand, in this study, we are studying how to apply machine learning with respect to harvest time so that wewill be able to harvest fruits of the highest quality and ship them at an excellent cost. In order to apply machinelearning techniques to the field of smart farms, it is important to acquire abundant voluminous data. Therefore, toapply accurate machine learning technology, it is necessary to continuously collect large data. Therefore, the color,value, internal temperature, and moisture of greenhouse-grown fruits are collected and secured in real time usingcolor, weight, and temperature/humidity sensors. The proposed FPSML provides an architecture that can be usedrepeatedly for a similar fruit crop. It allows for a more accurate harvest time as massive data is accumulatedcontinuously. 최근에 머신 러닝 기술은 의료, 제조, 마케팅, 금융, 방송, 농업 등 사회 전반에 많은 영향을 미치고 있고 미래에도 인류의생활에 많은 도움을 줄 것으로 예상된다. 본 논문에서는 인류의 생존에 가장 큰 영향을 주는 먹거리 즉, 농업 분야에 머신러닝기술을 적용하는 방법을 연구한다. 농업 분야에 IoT(Internet of Things) 기술을 접목하는 스마트 팜 (Smart Farm) 분야는생육환경을 실시간으로 모니터링 하여 농작물의 생육환경을 최적으로 유지 하는 방법을 중점적으로 연구한다. 최근 KT에서출시된 기가 스마트 팜 솔루션 2.0 에서는 머신러닝 기술을 사용하여 온실내의 온습도를 최적으로 유지하는 기술에 머신러닝을적용하였다. 기존의 스마트 팜 분야 연구가 생육환경 조절에 중점을 두어 생산성 증대에 집중되어 있지만 본 연구에서는 과일을최상의 품질 상태에서 수확하여 좋은 가격으로 출하할 수 있도록 수확시기에 머신러닝을 적용하는 방법을 연구한다. 스마트팜 분야에 머신러닝 기술을 적용하기 위해서는 풍부한 빅 데이터의 확보가 무엇보다 중요하므로 정확한 머신러닝 기술을 적용하기 위해서는 지속적으로 빅 데이터 수집이 가능해야 한다. 본 논문에서 수확시기 예측에 필요한 인자로는 온실 내에서 재배되는 과일의 색상 값과 무게 값, 내부 온습도 값을 색상센서 와 무게센서, 온습도센서를 사용하여 실시간으로 수집하여 확보한다. 본 논문에서 제안하는 FPSML은 유사 과일 재배에 반복적으로 사용할 수 있는 아키텍처를 제공하며 지속적으로 빅 데이터가축적될수록 보다 정밀한 수확시기를 예측할 수 있다.

배경 모델과 주변 영역과의 상호관계를 이용한 다중 이동 물체 추적

吳政元,유지상 대한전자공학회 2002 電子工學會論文誌-SP (Signal processing) Vol.39 No.7

In order to extract motion features from an input image acquired by a static CCD-camera in a restricted area, we need a robust algorithm to cope with noise sensitivity and condition change. In this paper, we proposed an efficient algorithm to extract and track motion features in a noisy environment or with sudden condition changes. We extract motion features by considering a change of neighborhood pixels when moving objects exist in a current frame with an initial background. To remove noise in moving regions, we used a morphological filter and extracted a motion of each object using 8-connected component labeling. Finally, we provide experimental results and statistical analysis with various conditions and models. 제한된 구역내의 고정(static)된 감시 카메라를 통해 입력된 영상 데이터에 대해 움직임이 있는 물체를 검출하기 위해서는 주위 잡음(noise)에 대한 민감성(sensitivity)과 상황변화에 대해 대처할 수 있는 강인한 알고리즘이 요구된다. 본 논문에서는 이러한 잡음이나 갑작스런 상황의 변화에 적절히 대응하여 움직임 물체를 추출하고 추적하는 효율적인 알고리즘을 제안한다. 초기 배경 모델(background model) 영상에 의해서 입력되는 영상 내에 이동 물체가 존재할 경우 각 화소의 주변의 변화를 고려하여 움직임 영역을 검출하였다. 움직임 영역의 화소들의 잡음 제거를 위해 형태학적 필터(morphological filter)를 사용하였고, 8-연결 성분 표시(connected component labeling)에 의해 개별적인 물체의 움직임을 검출하였다. 마지막으로 다양한 환경과 모델에 따른 실험결과와 통계적인 분석을 제시하였다.

IoT Sensing을 이용한 농작물 수확 시기 예측 시스템 아키텍처 개발

오정원,김행곤 사단법인 인문사회과학기술융합학회 2017 예술인문사회융합멀티미디어논문지 Vol.7 No.6

Recently, the field of agriculture has been gaining a new leap with the integration of ICT technology in agriculture. In particular, smart farms, which incorporate the Internet of Things (IoT) technology in agriculture, are in the spotlight. Smart farm technology collects and analyzes information such as temperature and humidity of the environment where crops are cultivated in real time using sensors to automatically control the devices necessary for harvesting crops in the control device, Environment. Although smart farm technology is paying attention as if it can solve everything, most of the research focuses only on increasing crop yields. This paper focuses on the development of a system architecture that can harvest high quality crops at the optimum stage rather than increase crop yields. In this paper, we have developed an architecture using apple trees as a sample and used the color information and weight information to predict the harvest time of apple trees. The simple board that collects color information and weight information and transmits it to the server side uses Arduino and adopts model-driven development (MDD) as development methodology. We have developed an architecture to provide services to PC users in the form of Web and to provide Smart Phone users with services in the form of hybrid apps. We also developed an architecture that uses beacon technology to provide orchestration information to users in real time. 최근 농업 분야는 농업 분야에 ICT 기술이 접목 되면서 새로운 도약의 계기가 마련되고 있다. 특히 농업에 사물 인터넷(IoT: Internet of Things) 기술을 접목한 스마트 팜 [smart farm] 영역이 각광받고 있다. 스마트 팜 [smart farm] 기술은 농작물이 재배 되는 환경의 온도, 습도 등의 정보를 센서를 이용해 실시간으로 수집, 분석하여 제어장치에서 농작물 수확에 필요한 장치들을 자동으로 구동하여 농작물이 자랄 수 있는 최적의 환경을 제공하는 것이다. 스마트 팜 [smart farm] 기술이 마치 모든 것을 해결할 수 있을 것처럼 주목을 받고 있지만, 대부분의 연구가 농작물의 생산량 증대에만 치중되어 있다. 본 논문 에서는 농작물의 생산량 증대 보다는 우수한 품질의 농작물을 최적기에 수확할 수 있는 시스템의 아키텍처 개발에 중점을 두어 이루어졌다. 본 논문에서는 사과나무를 표본으로 아키텍처를 개발 하였으며 사과나무의 수확시기를 예측하는 데이터로는 색상정보와 중량정보를 사용하였다. 색상정보와 중량정보를 수집하여 서버 단으로 전송하는 간이형 보드는 아두이노를 사용하였으며. 개발 방법론으로는 모델 주도 개발(model-driven development :MDD)를 적용하였다. PC 사용자들에게는 웹 형태로 서비스를 제공하며 Smart Phone 사용자들에게는 하이브리드앱 형태로 서비스를 제공할 수 있도록 아키텍처를 개발했다. 또한 비콘 기술을 사용해서 과수원 정보를 실시간으로 사용자들에게 제공하도록 아키텍처를 개발했다.

효율적인 교육 기자재 관리 시스템의 설계 및 구현

오정원 ( Jeong-won Oh ),김순철 ( Soon-cheol Kim ) 한국정보처리학회 2004 한국정보처리학회 학술대회논문집 Vol.11 No.2

현재 교육기관에서 사용되고 있는 컴퓨터 기자재 관리 방법은 컴퓨터 기자재의 사용 현황, 관리 실태 등에 대한 실시간 모니터링이 힘들고, 기자재 조사에 많은 인력과 시간이 요구되는 단점이 있다. 본 논문에서는 클라이언트-서버 모델을 이용하여 하급 기관에서는 컴퓨터에서 적절한 자료를 데이터베이스에 전송하고, 상급 기관에서는 교육기관의 컴퓨터 기자재 관리를 실시간으로 할 수 있는 교육 기자재 관리 시스템을 설계하고 구현하였다. 본 논문에서 제안한 시스템을 사용함으로써 기자재 관리에 소요되는 많은 시간과 인력 낭비를 줄일 수 있으며, 컴퓨터 기자재에 대한 실시간 관리를 통해 분산된 교육용 컴퓨터 자원의 효율적인 관리를 가능하게 할 것이다.