간 동적 조영검사에 사용하고 있는 VIBE 시퀀스의 고식적인 방법과 딥러닝 방법에 관한 선행된 연구가 부족하여 영상의 평가와 검사의 방향성 및 타당성을 제시하고자 한다. ACR 팬텀 실험은 30회 반복 실험하였고, 저 대조도 분해능 평가영역 에서 syngo.via View&Go를 이용하여 신호대잡음비와 대조대잡음비를 평가하였고, 공간분해능 평가영역에서 MATLAB 을 통해 신호강도의 높이와 반치폭으로 공간 분해능을 평가했다. 팬텀 실험을 기준으로 Matrix 352를 설정하여 30명의 환자 실험을 했다. 간 실질, 간 문맥, 내림 대동맥에서 대조대잡음비를 평가했고, 공간 분해능은 간 문맥, 내림 대동맥의 경계면을 평가했다. 결과 분석은 이원배치 분산 분석으로 진행하고, 사후 분석은 Duncan을 사용했다. 통계분석은 정량적 으로 p-value 0.05 미만으로 유의한 것으로 판단했다. 팬텀 실험의 신호대잡음비와 대조대잡음비 결과는 Matrix 416 이하에서 유의하였으며, 공간분해능 결과는 고식적인 방법 Matrix 352 이하, 딥러닝 방법 288 이하에서 평가할 수 없었 다. 환자 실험 결과는 신호대잡음비, 대조대잡음비, 공간분해능 모두 유의했다. 본 연구는 고식적인 방법보다 딥러닝 방법 이 영상은 더 향상되었고, 획득 시간은 평균 4초(22.4%)가 단축되었다. 딥러닝 방법에서 Matrix 352를 적용하였을 때 검사 시간의 감소로 재현성과 호흡에 의한 인공물 감소가 있었다. 이에 딥러닝 방법에서 Matrix size 적용의 방향성을 제시할 수 있었다.

본 연구는 수직 벽체형 콘크리트 구조물의 정밀안전진단을 위한 외관조사시 고품질 정밀영상을 자동화된 방식으로 획득하여 균열손상을 탐지하고 시설물의 상태를 평가하기 위하여 개발된 등벽드론 탑재형 균열진단 시스템에 대한 것이다. 본 논문에서는 영상기반 균열진단 시스템을 이용한 정밀영상 획득기술, 자동화된 영상처리 알고리즘을 이용한 데이터 처리 기법을 제시하였으며, 실험적으로 도출된 지상표본거리를 기반으로 영상처리 자동화 알고리즘을 이용하여 생성된 균열모사 시험벽체의 평면전개 이미지 상 균열손상의 위치 정확도를 평가 분석하였다. 평가분석 결과, 가로축 길이 대비 최대 1.1%, 세로축 길이 대 비 최대 1.4%의 오차율을 보이는 것으로 나타났다. 제안된 영상 내 픽셀 좌표와 지상표본거리를 기반으로 균열손상의 위치를 추정하는 기법은 실측 좌표 대비 평균 1.0% 이하의 위치 오차를 가지는 것으로 평가되었다. 최종적으로 영상기반 진단과 긴급 보수와 같은 일반적인 시설물의 유지관리에 요구되는 위치 정확도를 확보하고 있는 것으로 분석되었다.

Forest destruction is an inevitable result of the development processes. According to the environmental impact assessment, over 10% of the destroyed trees need to be recycled and transplanted to minimize the impact of forest destruction. However, the rate of successful transplantation is low, leading to a high rate of tree death. This is attributable to a lack of consideration for environmental factors when choosing a temporary site for transplantation and inadequate management. To monitor transplanted trees, a field survey is essential; however, the spatio-temporal aspect is limited. This study evaluated the applicability of remote sensing for the effective monitoring of transplanted trees. Vegetation indices based on satellite remote sensing were derived to detect time-series changes in the status of the transplanted trees at three temporary transplantation sites. The mortality rate and vitality of transplanted trees before and after the transplant have a similar tendency to the changes in the vegetation indicators. The findings of this study showed that vegetation indices increased after transplantation of trees and decreased as the death rate increased and vitality decreased over time. This study presents a method for assessing newly transplanted trees using satellite images. The approach of utilizing satellite photos and the vegetation index is expected to detect changes in trees that have been transplanted across the country and help to manage tree transplantation for the environmental impact assessment.

본 연구에서는 DWI 적용 시 X축 거리에 따른 신호 손실과 인공물 발생 여부를 SS-EPI 기법과 비교 분석하여, MS-EPI 기법의 특성을 제시하고 임상 적용 관련 기초자료를 제시하고자 하였다. 3.0T 자기공명영상장치와 팬텀을 사용 하여 자기장 중심축과 좌우 끝 지점 ±3cm, 3번씩 움직여 표준 영상인 T2 강조영상과 SS-EPI DWI, MS-EPI DWI(RESOLVE) 축상면 영상을 획득하였다. 각 동일 부위에서의 SS-EPI DWI, MS-EPI DWI 영상을 T2 강조영상과 감산하여 신호 손실 직경을 측정하여 정량적 분석을 하였다. 정성적 평가는 나이퀴스트 허상과 기하학적 왜곡과 신호 손실, 인공물 발생 여부를 방사선사 3명이 비교평가 하였다. 두 기법 모두 오프 센터(off-center)로 이동할수록 신호 손실구간 또는 기하학적 왜곡이 나타나는데, 특히 MS-EPI 기법에서는 좌우 신호 손실 현상이 매우 증가해 –25, +25 cm 구간에서 는 약 50% 길이가 감소하였다. MS-EPI 기법은 근골격계 질환에서 기존에 매우 높은 영상 유용성을 인정받고 있다. 그러 나 k-공간을 분할 하여 채우는 MS-EPI 기법은 오프 센터의 낮은 공간 주파수 획득 시 위상변동 보정이 안 되어 신호 손실구간이 나타나며, 이에 관한 연구는 전혀 없는 실정이다. 이에 따라 본 연구는 기존의 선행 연구에서의 보여주지 못한 임상적 적용 시 MS-EPI 기법의 문제점을 파악하면서 이러한 정보를 공유하고 추가적인 연구에 토대가 될 수 있는 기초를 마련했다는 점에 의의가 있다.

최근 3차원 영상 데이터 활용 기술이 주목받으며 레이저 스캐너, 깊이 카메라와 같은 장비를 활용하여 작물의 생육을 측정하려는 연구가 시도되고 있다. 작물의 생육 특성을 측정할 때 3차원 영상 데이터를 활용한다면 평면 데이터에서 측정하지 못한 구조와 형태 정보를 이용할 수 있는 장점이 있다. 본 연구에서는 콩의 생육 특성을 3차원 영상 데이터를 활용하여 추정하였다. 깊이 카메라를 이용하여 콩의 개화시(R1), 착협기(R3), 종실비대기(R5) 에 촬영하고 3차원 데이터로 개체의 초장과 엽면적을 추정하고 실측 값과 비교하였다. 초장 추정을 위해 평면에 투영된 개체의 무게 중심을 이용하여 원줄기의 x, y 좌표 위치를 지정하였는데 눈으로 보고 지정한 원줄기의 위치와 무게 중심 점의 x, y 좌표 위치는 높은 결정 계수를 보였다. 초장 추정의 경우 콩의 구조와 형태가 발달함에 따라 3차원 영상에서 지면으로부터 개체 상단 지점 간 거리를 이용하는 방법은 실측과 추정 값간 오차가 컸다. 엽면적 추정을 위해서 3차원 위치 값을 갖는 개체 표면 점들을 높이에 따라 분할하고 각 높이 구간의 면적을 계산하였다. 3차원 데이터 병합 과정에서 늘어난 점 개수로 인해 각 높이 구간에서 계산된 면적이 증가하였기 때문에 추정 값은 과대평가되었다. 향후 3차원 영상을 이용한 보다 정밀한 생육 조사를 위해서는 작물 고유의 생육변수 특성을 고려한 데이터 전처리 과정과 분석 방법 개발이 필요할 것으로 사료된다.

신안군 해역의 섬을 통한 관광사업이 활발해지면서 도서 간을 연결하는 해상교량은 현재까지 총 13개가 완공되었다. 그러나 통항로에 설치된 해상교량은 선박통항에 있어 위험성을 주며, 특히 섬과 섬을 연결하는 연도교의 경우 수로의 폭이 매우 좁아 그 위험도 는 더욱 높다. 본 연구는 신안군 해역의 연도교에 대한 해상교통조사를 토대로 교각과 선박의 충돌위험도를 항만수로의 위험도 평가 모 델인 IWRAP(IALA Waterway Risk Assessment Program)을 활용하여 평가하였다. 그 결과 신안1교가 충돌확률이 가장 높은 것으로 분석되었으 며, 통항선박의 대부분은 연안 여객선으로 나타났다. 또한, 신안1교는 대상해역의 교각 중 가장 충돌사고가 많이 발생한 곳으로 본 연구 에서는 그 원인을 분석하고자 하였다. 신안1교 해역환경의 위성사진을 영상처리기법으로 분석한 결과 해도에는 볼 수 없는 장애물이 교 량 근처에 존재하는 것을 확인할 수 있었다. 이로 인해 장애물을 피해 교량의 통항유도방식인 양방향 통항과 달리 한 방향으로 통항이 집 중되는 것을 알 수 있었다. 본 연구의 영상처리기법을 활용한 위험원인 분석방법은 향후 연도교의 위험요인 분석을 하는데 기초자료로 활용될 수 있을 것으로 기대된다.

MRI는 인체에 수소 밀도에 따른 재현성의 차이가 상대적으로 기존의 영상 장비들에 비교하여 큰 차이가 있으므로 임상 에서 이를 증명하고 문제 발견 시 이를 보완하는 것이 딥러닝 알고리즘은 매우 중요하다. 따라서 본 연구에서는 현재 특수 의료장비에서 권하는 미국 방사선 의학회(American College of Radiology, ACR)의 두부 전용 MRI 팬텀을 사용하여 영상 품질기준에 현재 임상 적용되고 있는 딥러닝 알고리즘 방법을 적용하여 딥러닝 알고리즘 적용 전후 변화를 평가해 보고자 하였다. 연구 결과 분해능을 측정하는 항목인 고대조도 공간 분해능과 같이 해상도와 관련된 영상 품질은 분해능은 개선되었음을 알 수 있었고, 그뿐만 아니라 위치의 정확도 역시도 기존에 딥러닝 알고리즘의 적용 전 영상과 통계적으로 차이가 있었다. 또한 딥러닝 알고리즘의 강도 차이에도 영상 간 차이는 없었다. 이러한 결과는 특수의료장비 영상품질관리 규정에 적용되고 있는 ACR 팬텀의 평가 기준에 부합 하나, 딥러닝 알고리즘 적용 전후 차이가 통계적으로 있었으며, 이러 한 차이가 재현성과 관련하여 추후에 조금 더 관련된 연구기 필요할 것으로 사료된다.

자기공명영상장치(magnetic resonance, MR)/양전자 방출 단층촬영 장치(positron emission tomography, PET)는 두 가지 의료장치가 결합한 하이브리드 시스템으로써 MR의 해부학적 정보와 PET의 기능적 정보를 동시에 획득할 수 있는 최신 의료장치이다. 일반적으로 MR/PET의 우수한 팬텀 영상의 질 획득과 평가를 위하여 팬텀 내에 전기전도도가 낮은 액체 물질과 방사성동위원소를 주입하고, UTE MR 펄스 시퀀스를 적용한 감쇠 보정된 PET 영상을 획득한다. 본 연구의 목적은 MR/PET 전용 팬텀에서 물 대체물질로써 NaCl과 NaCl+NiSO4 물질에 따른 UTE MR 펄스 시퀀스를 획득하고, 감쇠 보정된 PET 영상의 질을 평가하고자 한다. 정량적 분석을 위하여 대조도 회복비(contrast recovery, CR), 신호대잡 음비(signal to noise ratio, SNR), 변동 계수(coefficient of variation, COV)를 적용하였다. NaCl 물질 기반 UTE MR 펄스 시퀀스를 적용한 PET 영상의 질이 CR은 1.38배, SNR은 1.18배가 증가하였고, COV는 1.18배 감소함을 확인할 수 있었다. 결론적으로, MR/PET 전용 팬텀을 활용한 신호의 획득 가능성을 확인하였고, UTE MR 펄스 시퀀스는 해부학 적 정보와 PET 영상의 질 향상에 필수적임을 확인할 수 있었다.

본 연구는 무릎 MRI 검사 시 무릎의 위치가 보어 중심을 기준으로 거리가 멀어짐에 따라 무릎 연골 T2 값의 변화를 평가하고자 하였다. 이를 위해 무릎 질환이 없는 정상인 지원자 10명을 대상으로 하였고 보어 중심을 기준으로 무릎을 오른쪽으로 10 cm 그리고 20 cm 이동시키면서 영상을 획득하였다. 무릎 MRI 영상은 스핀에코기법을 활용하였고 무릎 연골의 T2 값을 계산하기 위해 TE 값은 13.8, 27.6, 41.4, 55.2, 그리고 69 ms로 적용하였다. 신호 측정은 무릎의 내, 외측 관절 융기가 가장 크게 나타난 영상의 대퇴 연골과 경골 연골에서 진행하였다. 연구의 결과, 재구성된 T2 값은 보어 중심에서 멀어질수록 감소하였다 (0 cm: 39.16 ms, 10 cm: 32.59 ms, 20 cm: 26 ms). 또한, 신호 값도 보어 중심에서 그 위치가 멀어질수록 감소하였다 (p<0.00). 특히, 보어 중심에서 20 cm까지 멀어짐에 따라 TE 69 ms의 영상에서 신호 값은 46.2%까지 감소하였다. 무릎 위치와 무릎 연골 T2 값의 상관관계분석 결과는 음의 상관관계 (r=-0.736)가 나타났다 (p<0.00). 결론적으로 MRI 검사에서 무릎 위치는 무릎 연골의 T2 값에 상당한 영향을 미치므로 T2 값의 정확도나 재현성 이 감소할 수 있다. 따라서 무릎 MRI 검사에서 무릎 연골의 정확한 T2 값을 획득하기 위해서는 최대한 보어 중심에서 검사가 이루어져야 한다.

본 연구는 고속스핀에코 기법을 이용한 MRI 검사에서 영상 변수가 전자파 흡수율(SAR)과 온도 증가에 미치는 영향을 평가해 보고자 하였다. 이를 위해 인체 등가 조직 팬텀을 제작하였고 같은 조건에서 재위상화 RF의 FA와 ETL을 증가시키 며 MRI 검사를 시행하였다. SAR는 장비에서 계산된 두부 SAR값을 사용하였고 팬텀의 온도 변화는 양성자 공명 주파수를 이용해 계산하였다. 실험 결과, FA를 60°에서 180°까지 증가시켰을 때 SAR는 약 8배까지 상승하였고 팬텀의 온도 상승의 폭은 약 2.8배(0.21°-0.599°) 증가하였다. 그리고 다중 회귀 분석 결과, FA는 SAR와 온도 상승의 관계에서 표준화 계수 가 각각 0.935, 0.741로 나타나 높은 상관관계를 보였다. ETL은 15에서 30까지 증가시켰을 때 SAR는 약 2배 증가하였 다. 하지만 팬텀의 온도 상승 폭은 오히려 39.2%(0.53°-0.303°) 감소하였다. 다중 회귀 분석 결과에서도 ETL은 SAR의 관계에서 표준화 계수가 0.741로 양의 상관관계를 보였지만 온도 상승의 경우 표준화 계수가 –0.482로 나타나 음의 상관 관계가 있었다. 이는 ETL이 15에서 30까지 증가함에 따라 검사 시간이 약 43% 짧아져 전자파의 노출 시간이 감소한 것이 원인이 될 수 있다. 결국, FSE 기법을 이용한 MRI 검사에서는 재위상화 FA는 최소화하고 기준 SAR 범위 내에서 ETL을 최대로 적용하면 전자파로 인한 온도 상승을 최소화할 수 있어 환자 안전을 증진 시킬 수 있을 것으로 기대한다.

보행환경은 개인의 영역이자 공공 공간으로서 시민들의 일상생활에 매우 중요한 요소이다. 보행환경의 중요성이 인지되면서 국가적 차원에서도 보행환경 실태조사를 전국 지자체가 5년마다 시행하도록 법으로 규정하는 등 체계적인 실태조사가 필요한 실정이다. 하지만 보행환경에 대한 실태조사는 일부 지역을 대상으로 현장 조사에 의지하는 등 실태조사 방법론에 있어서는 기존의 한계를 벗어나지 못하고 있다. 본 연구는 고해상도 거리 영상과 딥러닝 기술을 활용한 보행환경 평가 지표 개발을 목표로 하였다. 보행환경 평가 지표 개발을 위해 보행환경 평가와 관련된 국내외 문헌 및 딥러닝 기술을 활용한 보행환경 평가 연구를 리뷰를 토대로 보행환경 평가 지표 초안을 개발하고, 도출된 보행환경 평가 지표의 구체적 데이터 구축 가능성을 확인하기 위해 거리 영상의 시멘틱 세그멘테이션(semantic segmentation) 결과 정확도와 영상 외 필요한 자료에 대한 취득 가능성을 검토한 후 최종 보행환경 평가 지표를 제안하였다. 도출된 보행환경 평가 지표는 안전성, 편리성, 쾌적성, 접근성 4개 카테고리에 8개 지표를 활용하는 것을 제안하였다. 본 연구의 결과는 현장 관찰 조사나 설문조사에 기반한 기존 보행환경 연구의 한계점을 탈피하고 고해상도 거리 영상과 딥러닝 기술을 활용한 도시 연구의 지능화 계기를 마련하고 보행환경 평가 업무를 보다 효율적으로 수행할 수 있는 초석이 될 것으로 기대한다.

In this study, the PBL class was applied to a Vietnamese video class. 13 learners were divided into 3 groups, and it was examined whether all learners grew toward their learning goals, and if so, through what process they grew. When group 1 announces a task, groups 2 and 3 perform peer evaluation and submit a peer evaluation sheet. For this, group 1 categorized the contents of peer evaluation into reflecting, partially reflecting, revised, and not reflecting to prepare the presentation evaluation sheet. Further, they were required to write a reason why “not reflecting.” A reflection log was also submitted. As a result of the above, the assignments were immediately revised, supplemented, and developed every week through peer and instructor evaluation. Through this process, the instructor learned in detail what kind of reflection the presenter and team members were doing each week. In particular, learners achieved ‘up-leveling’ with the activeness of immediately accepting each other’s strengths while conducting peer evaluations on each other’s presentations. This shows that the weekly assignments are improved, while the competencies of both the presentation team and peers are developed at the same time.

뇌 3차원 T1 관상면 검사 시 ENCASE를 적용했을 때 CS 계수의 증가 시 영상획득 시간 변화와 영상의 질의 변화에 따른 유용성에 관하여 알아보고자 한다. 연구 대상은 본원을 내원한 30명의 환자를 대상으로 하였고, 1.5T MRI 장치로 진행하였으며, 24채널 두경부 코일을 사용하였다. 획득한 영상의 상대적신호강도비(rSI)와 상대적대조도비(rC)를 구하였으 며, MIPAV로 뇌실질과 뇌실의 체적을 측정하여 One-way Anova를 사용하여 정량적 분석을 하였고, p<0.05일 때 통계 적으로 유의한 것으로 해석하였다. 또한, 5점 리커트 척도를 이용하여 영상의 질에 대하여 정성적 분석을 하였고, 측정자 내 신뢰도를 확인하기 위해 ICC가 0.75 이상 나오면 측정자간 신뢰성이 높은 것으로 간주하였다. rSI와 rC 모두 p<0.05로 통계적으로 유의미한 차이를 보였고, 급내 상관계수가 0.75이상(p<0.05)으로 통계적으로 매우 높은 신뢰도를 나타냈다. MIPAV를 이용한 체적측정에서는 뇌실질과 뇌실의 체적의 차이는 p=1.000으로 통계학적으로 유의미한 차이는 없었고, 사후분석결과 또한 유의미한 차이를 보이지 않았으며. 급내 상관계수가 0.75이상(p<0.05)으로 통계적으로 매우 높은 신뢰도를 나타냈다. 또한, 정성적 평가에서는 CS 계수가 증가함에 따라 유의미한 차이가 있는 것으로 나타났다(p<0.001). 따라 서 ENCASE 기법을 이용한 3차원 T1 TFE 관상면 검사 시 CS 계수를 증가시킨다면 뇌의 체적 변화 없이 3차원 T1 시상면 영상보다 짧은 150초로 기존의 뇌 3차원 시상면 T1 기본 검사시간 260초 보다 짧은 영상획득 시간으로 진단적 가치가 높은 영상을 제공할 수 있을 것으로 사료된다.

As Deepfakes phenomenon is spreading worldwide mainly through videos in web platforms and it is urgent to address the issue on time. More recently, researchers have extensively discussed deepfake video datasets. However, it has been pointed out that the existing Deepfake datasets do not properly reflect the potential threat and realism due to various limitations. Although there is a need for research that establishes an agreed-upon concept for high-quality datasets or suggests evaluation criterion, there are still handful studies which examined it to-date. Therefore, this study focused on the development of the evaluation criterion for the Deepfake video dataset. In this study, the fitness of the Deepfake dataset was presented and evaluation criterions were derived through the review of previous studies. AHP structuralization and analysis were performed to advance the evaluation criterion. The results showed that Facial Expression, Validation, and Data Characteristics are important determinants of data quality. This is interpreted as a result that reflects the importance of minimizing defects and presenting results based on scientific methods when evaluating quality. This study has implications in that it suggests the fitness and evaluation criterion of the Deepfake dataset. Since the evaluation criterion presented in this study was derived based on the items considered in previous studies, it is thought that all evaluation criterions will be effective for quality improvement. It is also expected to be used as criteria for selecting an appropriate deefake dataset or as a reference for designing a Deepfake data benchmark. This study could not apply the presented evaluation criterion to existing Deepfake datasets. In future research, the proposed evaluation criterion will be applied to existing datasets to evaluate the strengths and weaknesses of each dataset, and to consider what implications there will be when used in Deepfake research.