본 논문에서는 엣지 디바이스 기반의 교통 법규 위반 자동 단속 및 간편 신고 시스템을 설계하고 구현한다. 이 시스템은 도로 교통 환경에서 신호 위반, 난폭 운전, 이륜차 안전모 미착용, 야간에 후미등을 끄고 주행하는 차량 등의 교통 법규 위반 행위를 자동으로 탐지한다. 엣지 디바이스에서 영상을 실시간으로 수집하여 고성능 딥러닝 모델(YOLOv8)과 차선 검출 모델(UFLDv2)을 활용하여 영상을 분석함으로써 다양한 교통 법규 위한 행위를 탐지한다. 특히 후미등을 끄고 주행하는 차량은 다중 프레임 연속 검출로 오탐지율을 낮추었으며, 이륜차 헬멧 미착용은 단일 프레임에서 즉시 위반 처리가 가능하도록 구현한다. 그리고 자동차 번호판 인식 및 자동 신고 절차를 연동하여 교통 법규 위반 차량을 간편하게 신고할 수 있도록 구현한다. 본 논문에서 제안하는 시스템은 83.3% 정밀도와 71.4% 재현율로 교통 법규 위반 행위를 탐지하는 결과를 보였다. 향후 다양한 환경에서 검증하고, 모델 경량화함으로써 상용화 가능성을 높일 수 있다.

이 연구는 한국어 자연어 이해(NLU)를 위해 맞춤화된 이중 스트림 네트워크 아키텍처를 개척한다. 구문(syntactic)과 의미(semantic) 측면을 구별하여 처리함으로써 이해를 향상시키는 데 초점을 둔다. 이러한 분기(bifurcation)가 한국어를 보다 정교하고 정확하게 이해하는 데 기여할 수 있다는 가설을 세웠으며, 일반화된 모델로는 충분히 다루어지지 않는 한국어의 고유한 구문 및 의미상의 도전 과제를 더 잘 반영할 수 있다고 본다. 이 새로운 아키텍처의 타당성 검증은 한국어 자연어 추론(koNLI) 및 한국어 의미적 텍스트 유사도(koSTS) 데이터셋을 사용하여 수행한다. 이들 데이터셋에서 모델의 성능을 평가함으로써, 한국어 텍스트의 구문 구조와 의미를 정확하게 분석하고 해석하는 데 있어 그 효율성을 규명하는 것을 목표로 한다. 본 연구의 예비 결과는 유망하다. 이는 이중 스트림 접근이 복잡한 한국어 문장을 이해하고 해석하는 모델의 능력을 유의미하게 향상시킨다는 것을 시사한다. 이러한 개선은 특히 언어 특화적 적용에서 NLU에 매우 중요하다. 본 연구의 함의는 광범위하다. 제안된 방법론과 발견은 고급 감성 분석, 정교한 텍스트 요약, 보다 효과적인 대화형 AI 시스템 등 한국어에 맞춘 보다 정교한 NLU 응용의 기반을 마련할 수 있다. 또한 본 연구는 언어 특화 모델을 개발하는 것의 중요성과 효능을 강조함으로써, 범용 언어 모델의 ‘일률적인’ 접근을 넘어서는 방향으로 NLU 분야 전반에 상당한 기여를 한다. 따라서 본 연구는 언어 이해 기술에서의 전문화된 접근의 잠재력을 보여주는 사례이다.

본 논문에서는 엣지 디바이스 기반의 교통 법규 위반 자동 단속 및 간편 신고 시스템을 설계하고 구현한다. 이 시스템은 도로 교통 환경에서 신호 위반, 난폭 운전, 이륜차 안전모 미착용, 야간에 후미등을 끄고 주행하는 차량 등의 교통 법규 위반 행위를 자동으로 탐지한다. 엣지 디바이스에서 영상을 실시간으로 수집하여 고성능 딥러닝 모델(YOLOv8)과 차선 검출 모델(UFLDv2)을 활용하여 영상을 분석함으로써 다양한 교통 법규 위한 행위를 탐지한다. 특히 후미등을 끄고 주행하는 차량은 다중 프레임 연속 검출로 오탐지율을 낮추었으며, 이륜차 헬멧 미착용은 단일 프레임에서 즉시 위반 처리가 가능하도록 구현한다. 그리고 자동차 번호판 인식 및 자동 신고 절차를 연동하여 교통 법규 위반 차량을 간편하게 신고할 수 있도록 구현한다. 본 논문에서 제안하는 시스템은 83.3% 정밀도와 71.4% 재현율로 교통 법규 위반 행위를 탐지하는 결과를 보였다. 향후 다양한 환경에서 검증하고, 모델 경량화함으로써 상용화 가능성을 높일 수 있다.

이 연구는 한국어 자연어 이해(NLU)를 위해 맞춤화된 이중 스트림 네트워크 아키텍처를 개척한다. 구문(syntactic)과 의미(semantic) 측면을 구별하여 처리함으로써 이해를 향상시키는 데 초점을 둔다. 이러한 분기(bifurcation)가 한국어를 보다 정교하고 정확하게 이해하는 데 기여할 수 있다는 가설을 세웠으며, 일반화된 모델로는 충분히 다루어지지 않는 한국어의 고유한 구문 및 의미상의 도전 과제를 더 잘 반영할 수 있다고 본다. 이 새로운 아키텍처의 타당성 검증은 한국어 자연어 추론(koNLI) 및 한국어 의미적 텍스트 유사도(koSTS) 데이터셋을 사용하여 수행한다. 이들 데이터셋에서 모델의 성능을 평가함으로써, 한국어 텍스트의 구문 구조와 의미를 정확하게 분석하고 해석하는 데 있어 그 효율성을 규명하는 것을 목표로 한다. 본 연구의 예비 결과는 유망하다. 이는 이중 스트림 접근이 복잡한 한국어 문장을 이해하고 해석하는 모델의 능력을 유의미하게 향상시킨다는 것을 시사한다. 이러한 개선은 특히 언어 특화적 적용에서 NLU에 매우 중요하다. 본 연구의 함의는 광범위하다. 제안된 방법론과 발견은 고급 감성 분석, 정교한 텍스트 요약, 보다 효과적인 대화형 AI 시스템 등 한국어에 맞춘 보다 정교한 NLU 응용의 기반을 마련할 수 있다. 또한 본 연구는 언어 특화 모델을 개발하는 것의 중요성과 효능을 강조함으로써, 범용 언어 모델의 ‘일률적인’ 접근을 넘어서는 방향으로 NLU 분야 전반에 상당한 기여를 한다. 따라서 본 연구는 언어 이해 기술에서의 전문화된 접근의 잠재력을 보여주는 사례이다.

센서 기술을 포함한 정보통신기술의 발전은 널리 보급된 감지 및 자원 관리를 위해 사물인터넷(IoT)이 스마트 홈으로 나아가는 데 기여하고 있다. 게이트웨이 연결은 중앙집중형 구조를 기반으로 한 보안을 상징하며, 스마트 홈 내의 다양한 IoT 기기를 포함한다. 본 시스템에서의 보안 목적을 해결하기 위해 블록체인 프레임워크를 스마트 홈 게이트웨이로 고려하여 가능한 공격을 극복하고 딥 강화학습(Deep Reinforcement Learning, DRL)을 적용한다. 제안된 블록체인 기반 스마트 홈 접근법은 접근성, 개인정보 보호, 무결성 측면에서 신뢰성과 보안을 면밀히 평가하였다. 기존의 전통적 중앙집중형 아키텍처를 극복하기 위해 블록체인을 데이터 저장소 및 교환 블록에 적용하였다. 스마트 홈 내부 및 외부의 데이터 무결성은 네트워크 구성원이 인증할 수 있는 능력을 제공한다. 제시된 네트워크는 Ethereum 블록체인 상에 구현하였으며, 보안, 응답 시간, 정확도의 관점에서 측정하였다. 실험 결과는 제안된 솔루션이 최근의 기존 연구들에 비해 더 나은 성능을 포함함을 보여준다. DRL은 학습 기반 알고리즘으로서, 스마트 기기에 기반한 스마트 홈의 보안 측면에서 블록체인과 결합하여 공유 및 해킹으로부터 개인정보 보호를 극복하고, 적절한 값에 기반하여 시스템 성능을 향상시키는 데 제안 접근법의 가장 효과적인 특성을 제공한다. 우리는 제안한 시스템을 다른 최첨단 시스템과 비교하였고, NSL-KDD 및 KDD-CUP-99의 두 가지 유형 데이터셋에서 이 시스템을 시험하였다. 96.9%의 정확도를 보이는 DRL은 두 번째 단계에서 정확도 80.05%를 보이는 인공신경망(Artificial Neural Networks)과 비교하여 더 높은 성능을 보이며 더 강한 출력(성과)을 나타내는데, 이 단계에는 스마트 홈의 정확도를 향상시키기 위한 16%의 차이가 포함된다.

현대 사회의 바쁜 일상과 넘쳐나는 정보 속에서 많은 사람들은 수많은 선택지로 인해 점심 메뉴를 고르는 데에도 과도한 시간과 에너지를 소비하며 어려움을 겪는다. 이는 결국 결정 피로(decision fatigue)와 만족도 저하로 이어진다. 특히 직장인과 학생들은 한정된 점심시간에 빠른 결정이 필요하나, 효과적인 의사결정 도구가 부족한 실정이다. 이를 해결하기 위해 GPS와 사용자 선호를 활용한 맞춤형 메뉴 추천 서비스 '뭐먹젠?'을 설계한다. React Native와 Django 프레임워크 기반의 모바일 애플리케이션을 구현한다. TF-IDF 알고리즘을 이용한 음식 메뉴 추천 시스템과 알레르기 및 식단 조절을 위한 영양 정보 제공 기능을 강화학습으로 최적화하여 사용자 만족도를 60%까지 향상시켰다.

현대 기술은 교수 및 학습을 향상시키는 다양한 방법을 제공하며, 이는 차례로 교실 안팎에서 이루어지는 교육 활동을 위한 도구의 개발을 촉진한다. 증강현실(AR) 기술을 활용한 많은 교육 프로그램이 학생들을 위한 보충 학습 자료를 제공하기 위해 널리 사용되고 있다.

목적: 인체 경추의 3차원(3D) 피질 골( cortical shell ) 모델을 기반으로 한 전산화단층촬영(CT) 영상에서 경추 척추경 나사(cervical pedicle screw) 삽입의 안전한 방향을 계산하기 위한 최적 방법을 정의하고자 한다. 방법: C3–C6 구간의 경추 피질 골 모델은 44명의 지원자로부터 획득한 생체 내( in vivo ) CT 영상 자료를 분할(segmentation)한 후 제작하였다. 전체 척추의 표면, 양측 척추경 및 후벽(posterior wall)을 구성하는 모든 점들의 3차원 데카르트 좌표를 획득하였다. 이상적 척추경 나사 삽입 궤적은, 양오목(biconcave) 관형의 척추경을 관찰할 때 척추경의 내측 공간(inner area)이 가장 크게 보이는 시선 방향으로 정의하였다. 352개의 척추경(각 피험자당 8개, 44명)을 대상으로 맞춤 제작 프로그램을 이용해 이상적 궤적을 계산하였고, 각 척추체의 후벽 3차원 위치에 따라 전역 좌표(global coordinate)에서 국소 좌표(local coordinate)로 변환하였다. 궤적의 횡단(transverse) 및 시상(sagittal) 각은 각각 수평 및 시상 평면에서 이상적 궤적 선과 후벽에 수직인 선 사이의 각으로 정의하였다. 모든 측정값의 평균과 표준편차를 계산하였다. 결과: 평균 횡단 각은 C3에서 50.60º±6.22º, C4에서 51.42º±7.44º, C5에서 47.79º±7.61º, C6에서 41.24º±7.76º였다. 횡단 각은 C3에서 C6으로 갈수록 더 가파르게 증가하였다. 평균 시상 각은 C3에서 9.72º±6.73º 하방(downward), C4에서 5.09º±6.39º 하방, C5에서 0.08º±6.06º 하방, C6에서 1.67º±6.06º 상방(upward)이었다. 시상 각은 C3에서 C6으로 갈수록 미측(caudad)에서 근측(cephalad) 방향으로 변화하였다. 결론: 본 연구에서 횡단 및 시상 각의 절대값은 선행 연구와 동일하지는 않았으나, 변화 양상(trend)은 유사하였다. 경추의 피질 골을 구성하는 모든 점의 3차원 위치를 알고 있으므로, 컴퓨터 프로그램을 사용하여 3차원 모델을 손쉽게 재구성하고 자유롭게 관리할 수 있다. 원시 골을 직접 관찰하는 것보다 형태학적 특성에 대한 보다 창의적인 측정이 가능하다. 또한 이러한 측정 개념은 자동화된 로봇 나사 삽입을 위한 계산 프로그램에도 적용될 수 있다.

서론: 자발성 척수 경막외 혈종(SSEH)은 드물지만 잠재적으로 치명적인 질환이다. 항응고제 약물과 관련된 출혈 경향의 증가는 SSEH의 위험을 증가시키는 것으로 입증되었다. SSEH의 증상은 대개 갑작스러운 심한 목 또는 등 통증으로 시작되며, 이후 신경학적 결손이 동반된다. 그러나 일부 경우에서는 축성 통증만 나타나거나, 추간판 탈출증 질환에서와 유사한 방사통만 나타나기도 한다. 증례 제시: 28세의 건강한 남성이 갑작스럽게 심한 목과 우측 어깨 통증이 발생하였고, 경미한 팔 약화가 동반되었다. 자기공명영상(MRI)에서 C2-C6 구간의 우측 후외측 경막외 공간에서 척수의 압박을 일으키는 SSEH가 확인되었다. 입원 2일째에 증상이 갑자기 호전되었고, 혈종의 대부분이 자연적으로 해소되었다. 결론: 현재 SSEH의 발생 빈도는 증가할 것으로 예상된다. 통증의학과 전문의는 특히 위험 인자가 존재하는 경우, 축성 통증 또는 방사통 증상만 있는 환자에서 감별진단에 SSEH를 반드시 포함해야 한다.

본 논문에서는 도메인 비의존적 센서 데이터 구조화 방법과 이질적 도메인 시스템의 ‘필터 기준(Filter Criteria)’ 확장 계수에 관한 도출을 연구한다. 이를 위해 우리는 대상 도메인에 대한 지식 없이도 5W1H 기반의 정보 탐색 및 검색 방법을 제안한다. 또한 정보의 검색 확장을 지원할 수 있는 자원 관리 모델도 제안한다. 제안된 방법을 통해, 이질적 도메인 간 ‘데이터 교환’과 같은 유스케이스를 구현할 수 있는 oneM2M 표준을 가능하게 한다.