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.

코로나-19 감염증 사태가 일상화됨에 따라, 문화⋅예술, 스포츠 분야에서 비대면 방식을 통한 소통이 일상화되었다. 특히 대규모 관중이 운집한 상태에서 이루어지는 스포츠 경기는 코로나-19 의 직접적인 영향을 받을 수밖에 없었다. 스포츠 경기 및 스포츠 경기 영상에 대하여 저작물성이 인정되는지 여부와 관련하여, 축구, 야구와 같은 프로스포츠 및 육상, 수영과 같은 기초 종목 등에 대하여 저작물성이 부인되는 것으로 보는 것이 저작권 학계의 다수설이다. 싱크로나이 즈드스위밍이나 리듬체조와 같은 선수의 표현력이 중시되는 종목의 경우 저작물성이 인정된다는 견해가 있으나 판정기준에 따라 선수가 기량을 발휘하는 행위에 대해 저작물성을 인정할 수 없다는 반론도 존재한다. IOC, FIFA와 같은 국제기구나 KBO, KBL과 같은 경기주최자로서는 경기를 개최하는데 막대한 비용을 투자한 까닭에 스포츠 이벤트 가치가 훼손되는 행위를 방지할 필요가 있으나 법적으로 구제할 수 있는 방안이 존재하지 않으므로 브라질 저작권법상 인정되는 ‘스타디움 권리’를 도입 하는 방안이 고려될 수 있을 것이다. 스포츠 경기 중계 영상의 중계 기법이 발전해 가는 현실 속에서, ‘클린피드’ 그 자체에 대하여도 저작물성이 인정된다고 할 것이며 해당 저작 물의 저작권은 방송사에 귀속된다 할 것이다. 스포츠 중계 영상의 이용관계에 관하여 여러 권리주체 간의 충돌 문제가 발생하는데, 특히 블로그, SNS 및 유튜브 등을 통한 소통이 일상화 된 현실 속에서 스포츠 중계권 고유의 가치를 훼손하지 않는다면 저작권법상 공정이용 규정을 적용하는 방안을 고려할 수 있다 할 것이다.

본 연구에서는 게임 동영상의 고화질 변환이 가능한 초해상화 알고리즘을 제시한다. 본 알고리즘은 오픈 소 스 형태의 GPU에서 제공하는 MMU에서 구현될 수 있도록 희소 행렬 연산을 이용해서 설게된다. 이를 위해 서 일반적인 영상 해상도 향상 방법인 이중 일차 및 이중 삼차 보간 법과 심층 학습에 기반한 초해상화 모 델에서 사용하는 컨볼루션 연산을 희소 행렬 연산으로 변환하는 방법을 제시한다. 이는 각 픽셀에 적용되는 필터를 행렬 곱 형태로 표현하고, 이 행렬을 희소 행렬로 표현함으로써 수행되는데, 이러한 과정을 통해서 연산의 효율성을 추구함으로써 안정적인 초해상화 알고리즘을 제공한다. 이러한 희소행렬 연산 형태로 표현 되는 초해상화 알고리즘은 기존의 라이브러리를 이용해서 구현된 초해상화 알고리즘과 유사한 PSNR과 FPS 를 보인다.

I propose an algorithm to detect defects in the production of wire mesh using computer image processing. The process is explained as follows, First reading consecutive frames coming through the camera, then the preprocessing process is performed. Second calculate the absolute difference between the two images to distinguish the moving wire mesh from the unnecessary background image. Third based on the past moving data of the welded wire mesh, predict and track future movement. As a result of observing the samples of some defective welded wire mesh products, it was confirmed that the horizontal line of the defective wire mesh had a higher height value of the tracked wire netting. Therefore it is possible to judge whether there is a defect or not at the same time without any additional process to judge. Finally, shear strength test were performed on the welds determined to be normal products by the algorithm proposed in this paper, so that I could verify the reliability and validity of the proposed algorithm.

확산강조 영상은 자기공명영상에서 진단에 매우 중요한 역할을 차지하고 있다. 또한, 높은 b-value를 요구하는 검사가 늘어나는 추세로 확산강조 영상을 얻기 위하여 검사 시간이 길어지게 되며 인공물과 전체적인 신호 감소가 동반하게 된다. 본 연구에서는 확산강조 영상에서 확산 방법을 3스캔 추적 확산강조 영상(3-scan trace diffusion weighted image, tDWI) 에서 DTI의 원리를 적용한 대각선 확산강조 영상(diagonal diffusion weighted image, dDWI)로 변경하여 획득 하였을 때, 두 방법 간의 검사 시간의 단축과 영상을 비교 평가하였다. 농도가 0에서 50%까지 10% 간격인 팬텀을 제작하여 제한된 확산(restrict diffusion)을 단발 스핀에코평면영상(single shot spin echo echo planar, SE-EPI) 기법을 사용하여 검사하였다. 확산 방법을 변경하며 tDWI와 dDWI 검사를 진행하였으며, 획득한 영상을 Image J 프로그램을 이용 하여 농도별 동일한 관심 체적을 설정하여 신호를 측정 후 분석방법은 독립 T-test를 이용하고, 통계적 분석은 SAS를 통해 신호 대 잡음 비와 대조도 대 잡음 비를 비교·분석하였다. p-value 0.05를 기준으로 유의성을 검증하였다. b0를 제외한 b100 이상은 전반적으로 신호 대 잡음 비, 대조도 대 잡음 비가 크며, p-value 0.05 이상으로 나타났다. 확산 방법 간 유의하지 않지만, 전반적으로 dDWI이 tDWI에 비해 평균이 높았다. dDWI 방법이 tDWI에 비해 화질의 변화 없이 검사 시간이 18.35% 단축되는 효과가 있으며, 신호 대 잡음 비와 대조도 대 잡음 비가 소폭 향상된 것으로 나타나 다른 부위의 확산강조 영상을 사용하는 검사에 적용 시 유용할 것으로 사료 된다.

자기 감수성 인공물은 영상의 질에 영향을 미치며 환자의 안전 또한 영향을 준다. 대부분 자기공명영상 검사 시 화장을 지우지 않고 검사를 진행한다. 하지만 화장품에도 금속 성분이 있어 자기 감수성 인공물을 일으키게 된다. 본 논문은 자기 공명영상에서 화장품에 따른 인공물의 영향을 평가하고자 하였으며 화장품의 종류와 자장의 세기, 시퀀스에 따라 비교하였다. 대상 물질은 아이섀도 24종, 마스카라 4종, 아이라이너 4종으로 총 32개를 설정하였다. 실험은 스핀 에코, 터보 스핀 에코, 경사 에코, 에코 평면 영상 4가지 시퀀스를 사용하여 각 대상물질의 관상면과 축상면 영상을 획득하였고 관상면 영상 에서 대상 물질이 부착된 표면으로부터 인공물이 미치는 곳까지 수직으로 측정하였다. 실험에 사용한 전체 32개 화장품에서 자화 감수성 인공물이 모든 제품에서 발생하였다. 경사 에코와 에코 평면 영상에서 가장 큰 인공물이 보였으며 인공물이 가장 많이 생겼다. 1.5T보다 3.0T에서 자기 감수성 인공물이 크게 나타났으며, 최대 인공물의 크기는 9.05mm로 3.0T의 경사 에코에서 발생하였다. 따라서 본 논문에서 화장품이 자기 감수성 인공물로 인해 영상에 영향을 미치는 것을 확인하였으며 안구 검사와 같이 인공물에 의한 영향이 미칠 수 있는 검사는 화장을 지우고 검사해야 하겠다. 또한, 화장품이 자기 감수성 인공물을 생성하기 때문에 발열에 의한 화상의 위험성이 있을 수 있어, 되도록 자기공명영상 검사 시 화장을 지우도록 안내하거나 검사 중 이상 반응의 발생 여부 확인이 필요하다.

본 연구에서는 게임 영상과 같은 생성된 영상으로부터 물체를 인식하는 심층 학습 기반 모델의 성능을 향상 시키는 방법을 제시한다. 특히, 실제 영상으로 훈련된 물체 인식 모델에 대해서 게임 영상으로 추가 훈련을 수행함으로써 물체 인식 성능이 향상됨을 검증한다. 본 연구에서는 심층 학습 기반의 물체 인식 모델들 중에서 가장 널리 사용되는 YoloV2 모델을 이용한다. 이 모델에 대해서 8 종류의 다양한 게임에서 샘플링한 160장의 게임 영상을 적용해서 물체 인식 모델을 다시 훈련하고, IoU와 정확도를 측정해서 본 연구에서 주장하는 게임 영상을 이용한 훈련이 효과적임을 입증한다.

자기공명영상은 고해상도의 연부조직에 대한 영상정보를 제공하며, 뇌종양 등 연부조직 진단에 활용된다. 본 연구는 합성곱신경망 인공지능을 통해 뇌종양 자기공명영상 분류성능을 확인해 보고자 한다. 4개 종류로 구분된 3264 장의 MRI 데이터 세트(data set)를 이용하였으며, 인공지능 학습을 위해 훈련용 데이터와 시험용 데이터를 9 : 1, 훈련용 데이터의 10%를 검증용 데이터로 구분하였다. 합성곱신경망은 기본 CNN과 VGG16으로 구성하였으며, 학습 평가는 정확도와 손실율로 확인하였으며, 생성된 모델을 통해 분류성능 정확도를 확인하였다. 실험 결과 과적합은 없었으며, 분류성능은 기본 CNN과 VGG16 각각 67%와 80%의 분류성능을 보였다. 도출된 뇌종양 자기공명영상 분류 결과를 통해 자기공명영상과 인공지능 접목에 관한 기초 자료로 사용될 수 있을 것이라 사료된다.