고교 교육과정에 기반한 대학입학전형의 전공 특성 면접 도구 개발

백성준 ( Sung June Baek ),최성호 ( Sung Ho Chol ),류윤희 ( Yoon Hee Ryu ),김민자 ( Min Ja Kim ),박은영 ( Eun Young Park ) 전남대학교 사회과학연구소 2016 현대사회과학연구 Vol.20 No.-

이 연구는 고교 공교육 정상화 도모와 동시에 대학의 전공 특성에 부합하는 학생 선발을 위한 면접 문항을 개발·검증하여 전남대학교 면접 도구로 활용 가능한지를 모색하기 위해 수행하였다. 고교 교육과정의 범위와 내용에 기반을 둔 문항 출제를 위하여 대학과 교육적 연계가 밀접한 4개 교과목을 선정하고 해당 교과목 고교 교사로 전문가 집단을 구성하여 문항을 출제하였고, 그 문항이 전공 특성을 평가하는 데 얼마만큼 타당한지 측정하기 위해 대학 교수로 구성된 대입 전문가 24인에게 2차에 걸쳐 델파이 조사를 실시하였다. 검증한 결과 전문가 합의를 이뤄가는 과정이 2차례의 델파이 검증만으로는 부족한 것으로 나타났다. 2차 델파이 검증을 통해 확정된 최종 문항의 실효성을 파악하기 위해 실제적인 대입 이해관계 대상자인 고등학생을 대상으로 한 설문조사를 실시하였으며 그 결과를 바탕으로 실제 전형 운영 시 나타날 수 있는 문제점과 해결책을 제시하였다. The aims of this study is i) to develop interview questionnaires that would help to normalize public high school education and to select applicants with aptitude for their majors at Chonnnam National University (CNU), and ii) to verify if these questionnaires can be used as interview tools for undergraduate admission assessment at CNU. Four high school subjects were chosen with close educational ties to CNU curriculum, and high school teachers of these subjects developed interview items on respective subject. To validate if the items could assess the characteristics of the major, 24 CNU professors performed twice Delphi methods on the items, which did not suffice to reach a consensus between teacher`s and professor`s groups. To determine effectiveness of the items finalized upon the Delphi method, 572 second-grade high school students were surveyed with the items. Finally, based on the survey results, we presented potential pitfalls that could transpire in actual interviews and their solutions.

간 질병 분류를 위한 라만 스펙트럼의 배경 잡음 제거 방법

박아론,백성준,Park, Aaron,Baek, Sung-June 한국스마트미디어학회 2013 스마트미디어저널 Vol.2 No.2

In this paper, we investigated baseline estimation methods for remove background noise using Raman spectra from acute alcohol liver injury and acute ethanol-induced chronic liver fibrosis. Far the baseline estimation, we applied first derivative, linear programming and rolling ball method. Optimal input parameter of each method were determined by the training rate of MAP (maximum a posteriori probability) classifier. According to the experimental results, classification results baseline estimation with the rolling ball algorithm gave about 89.4%, which is very promising results for classification of acute alcohol liver injury and acute ethanol-induced chronic liver fibrosis. From these results, to determined the appropriate methods and parameters of baseline estimation impact on classification performance was confirmed. 본 논문에서는 급성 알코올성 간 손상과 만성 에탄올성 간섬유증이 유도된 마우스로부터 획득한 라만 스펙트럼에서 배경 잡음을 제거하기 위한 기준선 추정 방법을 조사하였다. 기준선을 추정하기 위해 일차 미분, 선형계획법, rolling ball을 이용한 방법을 적용하였다. 각 방법의 적절한 압력 파라미터를 MAP(maximum a posteriori probability)의 훈련율에 의해 결정하였다. 실험 절과에 따르면 rolling ball 알고리즘을 이용한 기준선 추정 방법이 급성 알코올성 간 손상과 만성 에탄올성 간섬유증의 MAP 분류에서 평균 89.4%로 가장 좋은 결과를 나타냈다. 이 결과로부터 라만 스펙트럼의 기준선 추정에 적절한 방법과 파라미터를 결정하는 것이 분류 성능에 미치는 영향을 확인하였다.

마이크로 라만 스펙트럼에서 퇴행성 뇌신경질환 분류를 위한 특징 추출 방법 연구

박아론(Aaron Park),백성준(Sung-June Baek) 大韓電子工學會 2011 電子工學會論文誌-SC (System and control) Vol.48 No.2

알츠하이머병(AD: Alzheimer's disease)과 파킨슨병(PD: Parkinson's disease)은 가장 흔한 퇴행성 뇌신경질환이다. 본 연구에서는 라만 스펙트럼을 이용하여 AD와 PD를 분류하기 위해 특징 추출하는 방법을 제안하였다. 혈소판으로부터 측정한 라만스펙트럼에 먼저 smoothing을 적용한 다음 기준선의 왜곡을 제거하고 스펙트럼의 기준 피크를 중심으로 그 위치를 정렬하는 순서로 이루어진 전처리 과정을 적용하였다. 전처리 과정을 수행한 스펙트럼에서 AD와 PD를 구별할 수 있는 특징을 조사하였고 그 결과 743과 757 cm?¹ 영역의 피크 비와 1248과 1448 cm?¹ 영역의 피크 크기가 가장 변별력 있는 특징임을 확인하였다. 실험 결과에 따르면, 총 216개의 라만 스펙트럼에 대한 MAP(maximum a posteriori probability) 분류 실험에서 이 세 개의 특징만으로도 약 95.8%의 분류율을 보였다. Alzheimer's disease and Parkinson's disease are the most common neurodegenerative disorders. In this paper, we proposed a feature extraction method for classification of AD and PD based on micro-Raman spectra from platelet. The first step of the preprocessing is a simple smoothing followed by background elimination to the original spectra to make it easy to measure the intensity of the peaks. The last step of the preprocessing was peak alignment with the reference peak. After the inspection of the preprocessed spectra, we found that proportion of two peak intensity at 743 and 757 cm?¹ and peak intensity at 1248 and 1448 cm?¹ are the most discriminative features. Then we apply mapstd method for normalization. The method returned data with means to 0 and deviation to 1. With these three features, the classification result involving 263 spectra showed about 95.8% true classification in case of MAP(maximum a posteriori probability).

저조도 환경에서의 염료감응형 태양전지를 활용한 발전소자에 관한 연구

김순금(Sun-Geum Kim),백성준(Sung-June Baek) 한국전기전자학회 2021 전기전자학회논문지 Vol.25 No.2

최근 화석에너지 고갈 및 환경 문제 해결을 위하여 신재생에너지와 탄소중립에 관한 관심이 집중되고 있다. 또한, 도시 건물의 고층화와 건물의 증가에 따른 건물에너지의 증가가 급속하게 되고 있다. 도시의 중심에 신재셍에너지원인 태양광 발전을 설치하는데 있어서 많은 제약사항이 있으며, 건물의 고층화가 됨에 따라 그늘이 형성되는 저조도 환경이 많이 발생하게 된다. 따라서 본 연구에서는 실외의 저조도 환경 및 실내의 조명 환경에서 전력발생이 가능한 발전소자를 개발하고자 한다. 저조도 환경에서의 발전소자는 태양전지의 종류중에 하나인 염료감응형 태양전지를 활용하고자 한다. 염료감응형 태양전지의 단위셀과 20㎝X20㎝ 모듈을 제작하였고, LED, 할로겐램프, 3파장 램프의 광원을 활용하여 발전소자의 전기적 특성을 측정하였다. 단위셀의 광전변환효율은 LED, 할로겐 램프, 3파장 램프별로 17.2%, 1.28%, 19,2%로의 결과를 나타냈으며 20㎝×20㎝ 모듈의 광전변환효율은 각각 10.9%, 8.7%, 11.8%의 결과를 나타내었다. 또한 모듈의 최대전력값은 광원별로 각각 13.1㎽, 15.7 ㎽, 14.2 ㎽로서 저조도 환경에서 발전 가능성을 확인하였다. Recently, attention has been focused on renewable energy and carbon neutrality to resolve fossil energy depletion and environmental problems. In addition, high-rise urban buildings and an increase in building energy are rapidly increasing. There are many restrictions on installing solar power in urban areas. In addition, as buildings become taller, a lot of low-light environments in which shade is formed occur. Therefore, in this study, we intend to develop a power plant capable of generating electric power in an outdoor low-light environment and indoor lighting environment. The power plant in a low-light environment used a dye-sensitized solar cell. A unit cell and a 20㎝X20㎝ module were manufactured, and the electrical characteristics of the power plant were measured using light sources of LED, halogen lamp, and 3-wavelength lamp. The photoelectric conversion efficiency of the unit cell was 17.2%, 1.28%, 19,2% for each LED, halogen lamp, and 3-wavelength lamp, and the photoelectric conversion efficiency of the 20㎝X20㎝ module was 10.9%, 8.7%, and 11.8%, respectively. In addition, the maximum power value of the module was 13.1㎽, 15.7 ㎽, and 14.2 ㎽ for each light source, respectively, confirming the possibility of power generation in a low-light environment.

선형 강도 교정을 이용한 라만 스펙트럼 인식

박준규(Jun-Kyu Park),백성준(Sung-June Baek),박아론(Aaron Park) 한국산학기술학회 2018 한국산학기술학회논문지 Vol.19 No.3

라만 스펙트럼은 측정 장비 및 환경 조건에 따라 동일한 물질이라도 스펙트럼의 강도 차이를 보인다. 이는 라만분광의 패턴 인식적인 접근에 제약을 주기 때문에 장비간의 호환성 및 라만 데이터베이스의 재사용을 위해 반드시 해결해야 하는 문제다. 이를 위해 이전의 주요 연구들에서는 측정 장비 간에 전달 함수를 가정하고 이를 구한 후 직접적인 스펙트럼의 교정을 수행하였다. 하지만 이 방식은 강도 왜곡을 발생시키는 다른 조건들에 대해서는 대처 할 수 없는 방법이다. 따라서 본 논문에서는 다양한 측정 조건에 보다 유연하게 대응 할 수 있는 선형 강도 교정을 이용한 분류 방법을 제안하였다. 제안한 방법의 성능 평가를 위해 실험에서는 14033종의 화학 물질에서 측정된 라만 라이브러리를 실험물질에 대한 판별 지표로 사용하였으며, 3개의 라만 분광기로부터 측정된 10종의 화학 물질 라만 스펙트럼을 실험 데이터로 사용하였다. 실험결과에 따르면 제안한 방법을 사용하였을 때 강도 왜곡된 스펙트럼에 대해 100%의 판별 성능을 보였으며, 판별된 스펙트럼에 대해서도 이전보다 높은 상관점수를 보여 사용자가 화학 물질을 판별하는 데 유용한 도구로 사용될 수 있음을 확인하였다. Raman spectra exhibit differences in intensity depending on the measuring equipment and environmental conditions even for the same material. This restricts the pattern recognition approach of Raman spectroscopy and is an issue that must be solved for the sake of its practical application, so as to enable the reusability of the Raman database and interoperability between Raman devices. To this end, previous studies assumed the existence of a transfer function between the measurement devices to obtain a direct spectral correction. However, this method cannot cope with other conditions that cause various intensity distortions. Therefore, we propose a classification method using linear intensity calibration which can deal with various measurement conditions more flexibly. In order to evaluate the performance of the proposed method, a Raman library containing 14033 chemical substances was used for identification. Ten kinds of chemical Raman spectra measured using three different Raman spectroscopes were used as the experimental data. The experimental results show that the proposed method achieves 100% discrimination performance against the intensity-distorted spectra and shows a high correlation score for the identified material, thus making it a useful tool for the identification of chemical substances.

혈소판 라만 스펙트럼의 효율적인 분석을 위한 기준선 보정 방법

박아론(Aaron Park),백성준(Sung-June Baek) 대한전자공학회 2012 電子工學會論文誌-CI (Computer and Information) Vol.49 No.1

본 논문에서는 알츠하이머병이 유도된 형질전환 마우스로부터 획득한 혈소판 라만 스펙트럼의 분석을 위해 가우시안 모델을 이용한 커브 피팅으로 기준선을 추정하고 보정하는 방법을 제안하였다. 측정된 라만 스펙트럼은 의미 있는 정보와 불필요한 노이즈 성분인 기준선과 가산 노이즈를 포함하고 있다. 스펙트럼의 효율적인 분석을 위해 노이즈를 포함하고 있는 스펙트럼을 몇 개의 피크를 포함하는 영역으로 분할하고 각 로컬 영역의 스펙트럼을 가우시안 모델을 이용한 커브 피팅으로 모델링 한다. 가산 노이즈는 원 스펙트럼을 이 모델로 대체하는 과정에서 명백하게 제거된다. 피팅된 모델의 로컬 최저점을 linear, piecewise cubic Hermite, cubic spline 알고리즘으로 보간하고 기준선을 보정한다. 기준선을 보정한 피팅 모델은 PCA(principal component analysis) 방법을 이용하여 특징을 추출하고 SVM(support vector machine)과 MAP(maximum a posteriori probability) 분류 방법으로 성능 비교 실험을 하였다. 실험 결과에 따르면 linear 보간법이 모든 주성분 수에 대한 분류율의 평균에서 우세하였고 특히 piecewise cubic Hermite 보간법은 주성분의 수가 6개인 경우에서 SVM 분류율이 약 97.3%로 가장 좋은 성능을 보였다. 또한 이전의 연구 결과와 비교를 통해 제안한 기준선 보정 방법이 혈소판 라만 스펙트럼의 분석에 효과적으로 적용될 수 있음을 확인하였다. In this paper, we proposed a method of baseline correction for analysis of Raman spectra of platelets from Alzheimer's disease (AD) transgenic mice. Measured Raman spectra include the meaningful information and unnecessary noise which is composed of baseline and additive noise. The Raman spectrum is divided into the local region including several peaks and the spectrum of the region is modeled by curve fitting using Gaussian model. The additive noise is clearly removed from the process of replacing the original spectrum with the fitted model. The baseline correction after interpolating the local minima of the fitted model with linear, piecewise cubic Hermite and cubic spline algorithm. The baseline corrected models extract the feature with principal component analysis (PCA). The classification result of support vector machine (SVM) and maximum a posteriori probability (MAP) using linear interpolation method showed the good performance about overall number of principal components, especially SVM gave the best performance which is about 97.3% true classification average rate in case of piecewise cubic Hermite algorithm and 6 principal components. In addition, it confirmed that the proposed baseline correction method compared with the previous research result could be effectively applied in the analysis of the Raman spectra of platelet.

Asymmetrically Reweighted Penalized Least Squares을 이용한 기준선 보정에서 최적 매개변수 자동 선택 방법

박아론(Aaron Park),백성준(Sung-June Baek),박준규(Jun-Qyu Park),서유경(Yu-Gyung Seo),원용관(Yonggwan Won) 대한전자공학회 2016 전자공학회논문지 Vol.53 No.3

분광법을 이용한 많은 응용에서 스펙트럼 데이터의 기준선 보정은 분석 시스템의 성능을 좌우하는 매우 중요한 과정이다. 기준선은 많은 경우에 육안 검사로 매개변수를 선택하여 추정한다. 이 과정은 매우 주관적이고 특히 대량의 데이터인 경우 지루한 작업을 동반하므로 좋은 분석 결과를 보장하기 어렵다. 이러한 이유로 기준선 보정에서 최적의 매개변수를 자동으로 선택하기 위한 객관적인 방법이 필요하다. 이전의 연구에서 PLS(penalized least squares) 방법에 새로운 가중 방식을 도입하여 기준선을 추정하는 arPLS(asymmetrically reweighted PLS) 방법을 제안하였다. 본 연구에서는 arPLS 방법에서 최적의 매개변수를 자동으로 선택하는 방법을 제안한다. 이 방법은 가능한 매개변수의 범위에서 추정한 기준선의 적응도와 평활도를 계산한 다음 정규화한 적응도와 평활도의 합이 최소가 되는 매개변수를 선택한다. 경사 기준선, 곡선 기준선, 이중 곡선 기준선의 모의실험 데이터와 실제 라만 스펙트럼을 이용한 실험에서 제안한 방법이 기준선 보정을 위한 최적 매개변수의 선택에 효과적으로 적용될 수 있음을 확인하였다. Baseline correction is very important due to influence on performance of spectral analysis in application of spectroscopy. Baseline is often estimated by parameter selection using visual inspection on analyte spectrum. It is a highly subjective procedure and can be tedious work especially with a large number of data. For these reasons, it is an objective and automatic procedure is necessary to select optimal parameter value for baseline correction. Asymmetrically reweighted penalized least squares (arPLS) based on penalized least squares was proposed for baseline correction in our previous study. The method uses a new weighting scheme based on the generalized logistic function. In this study, we present an automatic selection of optimal parameter for baseline correction using arPLS. The method computes fitness and smoothness values of fitted baseline within available range of parameters and then selects optimal parameter when the sum of normalized fitness and smoothness gets minimum. According to the experimental results using simulated data with varying baselines, sloping, curved and doubly curved baseline, and real Raman spectra, we confirmed that the proposed method can be effectively applied to optimal parameter selection for baseline correction using arPLS.

피부 조직의 라만 스펙트럼에서 NMF 알고리즘을 통한 기저 세포암 진단 방법

박아론(Aaron Park),백성준(Sung-June Baek) 대한전자공학회 2013 전자공학회논문지 Vol.50 No.8

기저 세포암은 가장 일반적인 피부암이고 그 발병이 급속도로 증가하고 있다. 본 연구에서는 피부 조직에서 측정한 라만 스펙트럼에서 기저 세포암 진단을 위해 NMF(non-negative matrix factorization) 알고리즘을 사용하는 방법을 제안하였다. 측정된 라만 스펙트럼은 영역 선택과 정규화 등의 몇 가지 전처리 과정을 거쳐 분류 실험에 사용한다. 전처리 과정을 수행한 라만 스펙트럼은 NMF 알고리즘을 이용하여 분해된 행렬의 열벡터를 기저로 사용한다. 이 기저들을 선형 결합하여 각 클래스의 평균 스펙트럼에 근사하기 위한 가중치는 행렬 연산으로 결정한다. 분류 실험은 스펙트럼과 NMF에 의한 기저와 가중치의 선형 결합 스펙트럼의 차에 대한 제곱평균제곱근을 최소로 하는 클래스를 선택하는 것으로 수행한다. 기저 세포암의 진단을 위한 분류 실험에서 제안한 방법을 사용하는 경우가 약 99.1%의 평균 분류율로 이전의 BCC 진단에 사용한 방법보다 약 2-3% 정도의 향상된 성능을 보였다. Basal cell carcinoma (BCC) is the most common skin cancer and its incidence is increasing rapidly. In this paper, we propose a diagnosis method of basal cell carcinoma by Raman spectra of skin tissue using the NMF(non-negative matrix factorization) algorithm. After preprocessing steps, measured Raman spectra is used classification experiments. The weight and the basis can be obtained in a simple matrix operation and a column vector of the matrix decompsed by the NMF. Linear combination of bases and weights, it is possible to approximate the average of Raman spectra. The classification method is to select the class which to minimize the root mean square of the difference of the linear combination and the objective spectrum. According to the experimental results, the proposed method shows the promising results to diagnosis BCC. In addition, it confirmed that the proposed method compared with the previous research result could be effectively applied in the analysis of the Raman spectra.

특징 순위 방법을 이용한 혈소판 라만 스펙트럼에서 퇴행성 뇌신경질환과 혈관성 인지증 분류

박아론(Aaron Park),백성준(Sung-June Baek) 大韓電子工學會 2011 電子工學會論文誌-CI (Computer and Information) Vol.48 No.4

특징 순위 방법은 데이터에 대한 정보와 관련된 특징을 구별하는데 유용하게 사용된다. 본 논문에서는 혈소판으로부터 측정된 라만 스펙트럼에서 퇴행성 뇌신경질환과 혈관성 인지증의 분류에 특징 순위를 이용하는 방법을 제안하였다. 퇴행성 뇌신경 질환인 알츠하이머병(Alzheimer’s disease)과 파킨슨병(Parkinson’s disease) 그리고 혈관성 인지증(vascular dementia)을 유도한 실험용 쥐의 혈소판에서 측정한 스펙트럼은 가우시안 모델을 이용한 커브 피팅으로 노이즈를 제거하고 로컬 최저점에 선형 보간법(linear interpolation)으로 배경 잡음을 제거한다. 전처리 과정을 수행한 스펙트럼에서 분류정확도와 계산복잡도를 개선하기 위해 특징 순위 방법을 이용하여 주요 특징을 선택하였다. 선택된 특징들은 PCA(principal component analysis) 방법으로 변환하여 주성분의 수를 변화시키며 MAP(maximum a posteriori)으로 분류하고 전체 특징을 사용한 경우의 분류 결과와 비교 하였다. 실험 결과에서 제안한 방법을 적용한 모든 실험에서 분류 시스템의 계산복잡도를 현저하게 감소시키고 분류정확도는 부분적으로 증가하였다. 특히 파킨슨병과 정상을 분류하는 실험에서 제안한 방법이 전체 특징을 사용한 경우보다 모든 주성분의 수에서 분류정확도가 높았으며 평균 1.7 %의 성능이 향상되었다. 이 결과에서 분류정확도와 계산복잡도의 개선을 고려하면 제안한 방법이 혈소판 라만 스펙트럼에서 퇴행성 뇌신경질환과 혈관성 인지증의 분류 시스템에 효율적으로 사용될 수 있음을 확인하였다. Feature ranking is useful to gain knowledge of data and identify relevant features. In this study, we proposed a use of feature ranking for classification of neuro-degeneration and vascular dementia in micro-Raman spectra of platelet. The entire region of the spectrum is divided into local region including several peaks, followed by Gaussian curve fitting method in the region to be modeled. Local minima select from the subregion and then remove the background based on the position by using interpolation method. After preprocessing steps, significant features were selected by feature ranking method to improve the classification accuracy and the computational complexity of classification system. PCA (principal component analysis) transform the selected features and the overall features that is used classification with the number of principal components. These were classified as MAP (maximum a posteriori) and it compared with classification result using overall features. In all experiments, the computational complexity of the classification system was remarkably reduced and the classification accuracy was partially increased. Particularly, the proposed method increased the classification accuracy in the experiment classifying the Parkinson’s disease and normal with the average 1.7 %. From the result, it confirmed that proposed method could be efficiently used in the classification system of the neuro-degenerative disease and vascular dementia of platelet.

ResNet과 Unet을 결합한 딥러닝 모델을 이용한 분광 신호에서 ROI 검출

진철군(Tiejun Chen),손성재(SeongJae Son),박아론(Aaron Park),백성준(Sung-June Baek) 한국산학기술학회 2021 한국산학기술학회논문지 Vol.22 No.12

본 연구에서는 딥러닝 기술(deep learning technology)을 이용하여 분광 신호의 ROI(region of interest)를 찾는 방법을 제안한다. 제안한 방법은 모의실험 데이터로 학습된 딥러닝 모델을 이용하여 분광 신호의 ROI를 검출하는 방법이다. 분광 신호의 피크는 물질의 물리 화학적인 정보를 포함하고 있으므로 정확한 피크 검출은 분석 시스템의 성능에 영향을 미치는 중요한 과정이다. 지금까지 가장 많이 사용되는 방법은 진폭을 기반으로 피크 검출을 진행하는 것이다. 하지만 이런 방법들은 전처리 과정을 포함하거나 분광 신호에 따라 파라미터를 육안 검사로 선택하여 추정하므로 복잡하고 주관적이다. 이러한 문제점 개선을 위해 딥러닝 모델을 통해 분광 신호의 ROI 검출을 수행하였다. 제안한 방법은 전처리 과정이 없고 파라미터를 설정하지 않아도 되는 장점을 갖는다. 또한 검출한 ROI에 따라 분광 신호에 후처리(post-processing)를 수행하여 피크를 얻을 수 있다. 디폴트 손실 함수에 3만개 테스트 데이터를 적용하여 얻은 손실값을 통해 성능 평가를 수행하였다. 제안된 ResNet과 Unet을 결합한 딥러닝 모델은 일반적인 컨볼루션 신경망(CNN: Convolutional Neural Network), ResNet, 그리고 Unet에 비해 각각 76.5%, 69.8%, 5.9%의 성능 향상을 보였으며, 실제 라만 분광 신호의 ROI 검출에도 효과적으로 적용될 수 있음을 확인하였다. This study proposes a method to find the ROI (region of interest) of spectral signals using deep learning technology. The proposed method detects the ROI of spectral signals using a deep learning model trained with simulated data. Since the peak of the spectral signal contains physical and chemical information of the substance, accurate peak detection is an important process affecting the performance of the analyzed system. The widely used method for peak detection is the one based on the amplitude. However, this method is complex and subjective because it involves pre-processing or select and estimate parameters using visual inspection according to spectral signals. To overcome this problem, ROI detection of the spectral signal was performed through a deep learning model. The proposed method has the advantage of requiring no pre-processing and parameter setting. In addition, a peak may be obtained by performing post-processing of the spectral signal according to the detected ROI. Performance evaluation was performed through loss values obtained by applying 30,000 test data to the custom loss function. The proposed deep learning model combining ResNet and Unet showed performance improvements of 76.5%, 69.8%, and 5.9% compared to the general convolutional neural network (CNN), ResNet, and Unet, respectively. It was also confirmed that the proposed method could be effectively applied to measured spectral signals.