Through the process of chemical vapor deposition, Tungsten Hexafluoride (WF6) is widely used by the semiconductor industry to form tungsten films. Tungsten Hexafluoride (WF6) is produced through manufacturing processes such as pulverization, wet smelting, calcination and reduction of tungsten ores. The manufacturing process of Tungsten Hexafluoride (WF6) is required thorough quality control to improve productivity. In this paper, a real-time detection system for oxidation defects that occur in the manufacturing process of Tungsten Hexafluoride (WF6) is proposed. The proposed system is implemented by applying YOLOv5 based on Convolutional Neural Network (CNN); it is expected to enable more stable management than existing management, which relies on skilled workers. The implementation method of the proposed system and the results of performance comparison are presented to prove the feasibility of the method for improving the efficiency of the WF6 manufacturing process in this paper. The proposed system applying YOLOv5s, which is the most suitable material in the actual production environment, demonstrates high accuracy (mAP@0.5 99.4 %) and real-time detection speed (FPS 46).

본고는 비대면 환경에서의 영상번역수업에 학습자중심 교육을 적용한 사례 연구이 다. 학습자가 무엇에 관심과 흥미가 있는지 개인프로필을 조사하였고, ZOOM 소회의 실 기능의 조별활동을 통해 학습자간의 상호작용을 최대한 높이고, 개별 피드백과 조별 피드백, 이클래스 LMS를 통해 학습자와 교수자와의 소통을 활성화한 수업이 되도록 진행하였다. 한 학기 동안 학습자중심으로 설계하고 운영한 영상번역수업에 대한 학습자의 강의평가와 만족도를 살펴보았다. 학습자들이 직접 번역하고 교수자 의 피드백을 받고, 조별 활동의 토론을 통해 서로의 의견을 교환한 뒤 조별 완성본 을 제출하면서 수업에 대한 성취감과 만족감이 높은 것으로 확인되었다.

소셜 네트워크는 우리 일상 생활의 필수적인 부분이 되었다. 소셜 미디어 정보에 대한 정서 분석은 소셜 네 트워킹 사이트에 대한 사람들의 견해, 태도, 감정을 이해하는 데 도움이 된다. 전통적인 정서 분석은 주로 텍 스트에 의존한다. 스마트폰이 등장하면서 문자뿐만 아니라 이미지 등 네트워크 상의 정보도 점차 다양해지고 있다. 많은 경우 이미지가 감정을 독립적으로 표현하기 보다는 텍스트를 향상시킬 수 있다는 것이 밝혀졌습 니다. 우리는 새로운 이미지 텍스트 정서 분석 모델(LSTM-VAA)을 제안한다. 구체적으로 이 모델은 사진 정보 를 직접 입력으로 가져가지 않고 VGG16 네트워크를 사용하여 이미지 특징을 추출한 다음 시각적 측면 주의 를 생성하고 문서의 핵심 문장에 더 높은 가중치를 부여하고 시각적 측면 주의를 기반으로 문서 표현을 얻 는다. 또한, 우리는 LSTM 네트워크를 사용하여 텍스트 감성을 추출하고 텍스트만을 기반으로 문서 표현을 얻 는다. 마지막으로, 우리는 두 분류 결과 그룹을 통합하여 최종 분류 레이블을 얻는다. 옐프 레스토랑 리뷰 데 이터 세트에서, 우리의 모델은 감정 분류를 위한 시각 주의 보조 텍스트로 시각 정보를 사용하는 것의 효과 를 검증하는 BiGRU-m VGG보다 18.92% 높은 62.08%의 정확도를 달성한다. 비스타넷 모델보다 0.32% 높아 비스타넷 모델의 이미지가 텍스트를 완전히 커버할 수 없는 결함을 LSTM 모델이 효과적으로 보완할 수 있 음을 입증했다.

실제 환경과 유사한 게임 환경은 사용자의 현실감과 몰입도를 높인다. 특히 현실 세계에서 건물은 사용자에 게 현실감을 부여하는 중요한 요소이다. 위성영상, 항공영상, 360°영상 등 실제 환경 데이터는 이미 디지털화 되어 구글 스트리트뷰나 카카오 로드뷰처럼 서비스되고 있다. 또한 이미지가 아닌 3D 모델로 세상을 구성하 는 것은 이미 진행 중인 작업이다. 그러나 Google 및 기타 업체에서 수행한 작업은 주로 항공 이미지를 모 델의 텍스처로 사용된다. 항공 영상의 특성상 카메라 시점이 낮을 때 왜곡이 심하고 해상도가 높지 않다. 본 연구에서는 기존의 360° 거리 이미지 서비스에서 거리 이미지와 메타데이터를 추출하여 사용자가 이동하 고 상호작용하는 지도를 구성하여 3차원 공간에서 독립된 건물 메쉬를 생성하였다. 스트리트 뷰는 TM 좌표 를 이용하여 3차원 공간에 배치되어 사용자의 움직임에 따라 적절한 스트리트 뷰가 적용된다. 우리는 깊이 데이터를 분석하여 스트리트 뷰에 투영된 구형 화면에 깊이를 적용하고 스트리트 뷰에서 건물을 배경과 분 리하고 각 건물을 별도의 수직 평면에 투영하였다. 또한 각 건물은 사용자를 따라 초기 방향을 유지하도록 회전되어 스트리트 뷰 사이의 전환에서 건물 평면의 연속성이라는 인상을 준다. 본 연구는 기존 디지털 데이 터를 다양한 분야에서 활용할 수 있도록 재가공하여 가치를 높이는 것을 목적으로 한다.

최근 자기공명영상 획득을 위한 시뮬레이션 도구가 개발되어 오랜 시간이 소요되는 임상 연구를 대체할 수 있게 되었다. 이에 본 연구에서는 MRiLab 시뮬레이션을 사용하여 부가인자인 에코 시간의 변화에 따라 경사에코 펄스 시퀀스가 적용된 뇌 T2 강조 영상을 획득하여 영상의 신호 및 노이즈의 변화를 정량적으로 평가하고 경향성을 파악하고자 한다. 이를 위해 실제 MRI 장비를 기반으로 새롭게 개발된 MRiLab simulation tool을 사용하여 모든 파라미터를 같게 고정한 후 TE만을 20~95 ms범위에서 5 ms 간격으로 각각 설정하여 경사에코 펄스 시퀀스가 적용된 뇌 T2 강조 영상을 획득하였다. 획득된 영상들의 신호 및 노이즈 특성 변화를 정량적으로 평가하기 위해 신호대잡음비 및 대조대잡음비를 측정하였다. 결과적으로, TE가 증가할수록 SNR은 감소하고 CNR은 증가하는 경향을 보였다. 이는 TE가 증가할수록 관심 영역으로 설정된 뇌척 수액 신호는 일정하게 유지되는 반면 노이즈는 증가하였으며, 백그라운드로 설정된 백질의 경우 신호가 감소함과 동시에 노이즈가 증가한 것이 원인으로 분석된다. 결론적으로, 진단에 용이한 경사에코 펄스 시퀀스가 적용된 뇌 T2 강조 영상을 획득하기 위해서는 그 목적에 따라 적합한 TE를 설정하는 것이 중요함을 확인하였다.

본 연구의 목적은 60대의 대뇌에서 T1, T2, PD 이완 시간 값을 측정하여 연령별 특정 해부학적 구조물들의 이완 시간 의 평균값과 연령에 따른 이완 시간 변화의 관련성이 있는지 분석하고자 하였다. 60에서 69세까지 총 50명의 정상 뇌자기 공명영상검사자의 데이터를 Synthetic MR의 MAGiC을 이용하여 후향적으로 분석하였다. 대상 부위는 해마, 대뇌 부챗살, 측두엽 회백질, 시상, 뇌척수액이었다. 실험결과 해마, 대뇌 부챗살, 측두엽 회백질은 연령 변화에 따른 T1, T2, PD 이완 시간의 차이가 없었다(p>0.05). 하지만 시상에서는 PD 이완시간이 연령과의 상관성이 있었고(R2=0.112, p<0.05), 뇌척 수액에서는 T1 이완시간(R2=0.063, p<0.05)과 T2 이완시간(R2=0.061, p<0.05)에서 연령과의 상관성을 확인하였다. 추후 다양한 연령대의 대뇌 이완 시간을 측정하여 평균값의 비교 연구가 필요하고, 시상과 뇌척수액에서는 대규모 모집단 연구가 필요할 것이라 판단되며 이에 본 연구가 기초자료를 제공할 것이라 사료된다.

본 연구에서는 균일도 보정기법이 적용된 영상의 신호강도 측정 시 적용된 보정기법을 측정할 수 없는 ImageJ 프로그램 의 문제점을 알아보고자 하였다. 연구방법은, 균일도를 보정하지 않은 영상과 보정한 영상을 각각 획득한 후 적용된 보정기 법을 측정할 수 있는 전용 영상측정 프로그램과 측정할 수 없는 ImageJ 프로그램으로 신호강도를 측정하여 비교 평가하였다. 연구결과, 전용 영상측정 프로그램은 균일도를 보정한 영상과 보정하지 않은 영상 모두 유의한 차이가 있었으나, ImageJ 프로그램은 균일도를 보정한 영상과 보정하지 않은 영상 모두 유의한 차이가 없었다. 결론적으로 균일도를 보정한 영상의 신호강도 측정 시 적용된 보정기법을 측정할 수 없는 ImageJ 프로그램은 부정확한 신호강도 값이 산출되기 때문에 매우 주의를 해야 한다.

본 연구는 고속 스핀에코 기법의 T2 강조영상 획득에 있어 온도 상승을 최적화하기 위한 에코 개수(echo train length, ETL) 25를 기반으로 재자화 펄스의 범위에 따른 온도 변화와 이에 따른 신호대잡음비(signal to noise ratio, SNR) 분석을 통한 합리적인 영상 파라미터를 제시하고자 하였다. 온도 변화측정은 수소원자 공명주파수(proton resonance frequency shift. PRF) 기법을 활용했으며, 재자화 펄스의 각도(flip angle, FA)에 따른 온도 상승을 측정하였다. 온도 변화는 재자화 펄스 90도 인가 시에 약 0.202±0.023°C로 증가했으며, 이는 최소 FA인 60도(약 0.196±0.024°C)와 가장 유사하게 나타났다. 또한, 그 영상의 SNR은 FA 120도과 150도에 비해 FA 90도에서 약간 감소하는 경향이 나타났지만(약 12.5%), FA 180도와 비교하여 큰 차이는 발생하지 않았다 (FA 90도=349.66±3.68; FA 180도=357.68±3.21). 이 결과들은 고속스핀에코 기법에서 ETL 25를 사용한 빠른 영상획득 시간을 기반으로 합리적인 영상신호와 재자화 펄스에 의한 최소 온도 상승을 나타내며, 이는 인체 MR 안전기준을 충분히 보장하는데 기여할 수 있다. 특히, ETL 25와 결합된 90도 FA 사용은 가속화된 영상획득 시간, 합당한 T2 영상의 SNR, 그리고 최적의 인체 온도 증가를 위한 고속스핀에코 기법에서의 최적화된 영상 파라미터가 될 수 있을 것으로 사료된다.

본 연구는 MRI 검사 시 순간증모제의 산화철 성분에 의한 자화 감수성 인공물과 발열 정도에 대해 분석하였다. 인공물 정도 실험은 위상 부호화 방향을 다르게 SE, GRE 시퀀스를 사용하여 각각의 축상면 영상을 획득하였고, 3가지 종류의 순간증모제 부착 면으로부터 인공물 발생 지점까지의 길이를 10번 반복 측정하여 평가하였다. 발열 정도 실험은 GRE, FSE 시퀀스의 영상을 4번 반복 획득하여 PRF 기법을 통해 온도변화 영상을 재구성하였다. 인공물 측정 결과 스프레이형 의 GRE에서 최대 25.62 mm의 크기로 발생하였고, 시퀀스에 따라 GRE, SE 순서로 크게 나타났으며, 순간증모제 종류에 따라서도 인공물의 크기는 다양하게 나타났다. 또한, 분말형의 경우 강자장 구역에서 흩날림에 따라 장비 고장의 원인이 될 수 있음을 확인하였다. 발열 측정 결과 스프레이형은 최대 2°C, 분말형과 바르는 형에서 최대 1.2°C 이상의 온도 상승을 보였다. 결론적으로 MRI 검사 시 순간증모제에 의한 자화 감수성 인공물과 발열로 인해 진단적 가치 저하와 환자의 안전성에 적합하지 않다는 것을 확인하였다. 따라서 검사 전 순간증모제 사용 여부에 관한 확인이 필요하며, 정확한 진단과 환자 의 안전을 위해 순간증모제를 씻어내고 MRI 검사를 시행할 것을 권고한다.

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.

본 연구는 MRCP 검사에서 대부분 시간이 소요되는 T2 3D 검사 시 CS 기법을 적용해 시간을 단축하고 동시에, CS 계수와 De-noising 계수를 변화시켜 그에 따른 영상 변화에 관하여 연구하고자 하였다. 본 연구는 환자 대신에 3D 프린터를 사용하였으며, 지름 0.55cm인 실리콘 bile duct를 제작하여 실험하였다. 실험 조건은 CS 계수를 1.1, 5, 10, 15, 20, 25로 변화시켰으며, 각각 변화된 CS 계수마다 De-noising 계수를 1, 100, 250, 500, 750, 1000으로 변화시켜 설정된 조건으로 5번씩 검사를 시행하고, 나머지 매개변수는 같게 하여 영상을 획득하였다. 계수 설정 별로 획득된 영상을 SNR, CNR, SSIM 값 순으로 측정하여 비교, 평가하였으며 검사 소요 시간의 변화도 측정하였다. 실험 결과 CS 계수를 기준으로 De-noising을 변화시킨 그룹과 De-noising 계수를 기준으로 CS 계수를 변화시킨 그룹에서 SNR과 CNR 전체적으로 유의하게 감소하였다(p<0.05). 또한, 검사 소요 시간은 CS 계수의 변화에 따라 많이 감소하였다. 특징적으로는 모든 계수 를 변화시킨 그룹에서 De-noising 계수 10, De-noising 계수 100의 그룹이 SNR과 CNR이 가장 높았으며, 구조적인 유사도를 측정하는 SSIM 값도 가장 높은 것으로 나타났다(p<0.05). 결론적으로, 환자의 호흡정지 기법이 가능한 CS 계수 15 이상에서 De-noising 10 또는 De-noising 100의 조합이 영상의 질과 검사 소요 시간에 있어 가장 최선의 계수 설정이며, 특히 CS 계수 20, De-noising 계수 100의 영상이 기준 영상 SNR의 90%, CNR의 97.2%, 구조적 유사성 98.7%로 가장 우수한 설정값으로 나타났다. 본 연구의 CS 계수와 De-noising 계수의 설정은 영상의 질적 수준을 일정 수준 유지하며, MRCP 검사에서 많은 시간이 소요되는 T2 3D sequence의 검사소요 시간을 단축시켜 진단적인 능력은 유지하며 검사 소요 시간을 줄이는 기초자료로 사용 될 것이라고 사료된다.

본 논문은 대형 시설물의 점검 및 진단을 위한 외관조사시 영상기반 스캐닝 시스템의 성능 및 정확도를 정량적으로 평가하기 위한 것으로, 도로터널, 철도터널, 지하철과 같은 대형 터널 시설물의 복공 라이닝을 대상으로 영상기반 스캐닝 분석 결과, 균열, 박리, 박락, 철근노출 등 각종 손상의 검출 성능과 정확도를 육안조사, 터널 스캐닝 분석 후 확인조사 데이터를 이용하여 비교 분석하였다. 제안된 터널 스캐닝 시스템의 균열손상 검출성능은 육안조사 분석결과 대비 개소 수 및 면적물량에 있어 월등히 우수함을 확인하였으며, 균열손상 증감을 고려한 균열손상은 현장 확인조사 결과 95%이상의 검출 정확도를 확보하고 있는 것으로 평가되었다.

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.

가축의 체중은 사료 요구량과 영양 상태를 평가하는 데 필요한 주요 지표에 해당한다. 본 연구는 한우의 3-D 영상으로부터 몸통 체적을 산출한 후 체중을 추정하고자 시도되었다. 한우의 3-D 영상 획득에 640×480 픽셀의 해상도, 44fps의 프레임속도 및 47°(H)×37°(V)의 화각을 갖는 TOF 카메라가 사용되었다. 획득된 3-D 영상에서 배경과 몸통 분리, 이상치 제거 등의 전처리 과정을 거쳐서 몸통에 대한 격자 영상을 얻었다. 또한 각각의 격자에 깊이 정보를 적용한 수치적분으로 몸통 체적을 결정하였다. Calibration dataset에서 체중과 몸통체적의 선형회귀에 대한 결정계수는 0.8725로 나타났다. 한편 몸통 체적에 월령을 설명 변수로 추가한 체중 추정의 중회귀 모형에서 결정계수는 0.9083으로 나타났다. Validation dataset에서 중회귀 모형을 이용한 체중 추정의 MAPE와 RMSE는 각각 8.2%, 24.5kg으로 나타났다. 결과적으로 체중 추정을 위한 회귀 모형의 성능이 개선되고, 체중 추정에 소요되는 노력이 절감됨을 고려한다면 3-D 영상에서 결정된 몸통 체적이 한우의 체중 추정에 유효한 변수로 사용될 것이다.