Earticle

기존 CNN 기반 의료 영상 진단 모델은 높은 분류 성능에도 불구하고, 판단 근거에 대한 설명 가능성이 부족하며 데이터 편향이나 노이즈에 의존하는 숏컷 학습(shortcut learning) 문제가 존재한다. 이러한 한계는 의료 AI의 신뢰성과 임상적 활용 가능성을 저해하는 주요 요인이다. 본 논문에서는 평발 진단을 위한 CNN 기반 모델의 설명 가능성(XAI)과 분류 성능을 동시에 향상시키기 위해 오토인코더(Autoencoder, AE) 기반 전처리 기법을 제안한다. 먼저, 변분 오토인코더(Variational Autoencoder, VAE)를 이용해 입력 영상을 복원하고, 원본과의 차이로부터 다양한 오류 맵을 생성한다. 이후 이를 다중 채널로 구성하여 CNN에 입력함으로써 평발 여부를 분류한다. 또한 Grad-CAM을 활용하여 모델의 판단 근거를 시각화하고, VAE 전처리 적용 여부에 따른 성능과 XAI 시각화의 변화를 분석한다. 실험 결과, 제안 방법은 XAI 시각화의 명확도를 향상시켰을 뿐만 아니라, 정확도 0.9915와 Macro F1-Score 0.9856을 달성하여 baseline 대비 각각 약 18%p와 0.537 이상 향상됨을 확인하였다. 본 연구는 평발 진단 AI의 신뢰성과 설명 가능성을 동시에 향상시키는 데 기여할 수 있다.

Despite the high classification performance of CNN-based medical image diagnosis models, they often lack explainability and are prone to shortcut learning caused by data bias or noise. These limitations hinder the reliability and clinical applicability of medical AI systems. In this paper, we propose an autoencoder (AE)-based preprocessing method to improve both explainability (XAI) and classification performance for flatfoot diagnosis. A Variational Autoencoder (VAE) is used to reconstruct input images, and multiple error maps are generated from reconstruction discrepancies. These maps are combined into multi-channel inputs and fed into a CNN for classification. In addition, Grad-CAM is applied to visualize decision regions, and the impact of VAE preprocessing on both performance and XAI clarity is analyzed. Experimental results show that the proposed method improves both XAI clarity and classification performance, achieving an accuracy of 0.9915 and a Macro F1-Score of 0.9856. This corresponds to improvements of approximately 18 percentage points in accuracy and over 0.53 in F1-Score compared to the baseline model. This study contributes to enhancing both the reliability and explainability of AI systems for flatfoot diagnosis.

사회과 교과서는 지도가 사용되는 빈도와 지도의 역할 정도에 따라 첫째, 지도가 학습 보조 자료로 일부 활용되는 일반사회와 윤리 교과목, 둘째, 지도가 학습 대상의 위치나 영역에 대한 정보를 제공하기 위해 빈번히 활용되는 역사 교과목, 셋째, 지도가 교과 내용 전달의 주요요소가 되는 지리 교과목으로 구분할 수 있다. 이 중 지리학을 전공한 교사나 교수가 집필에 참여한 지리 관련 교과목은 대체로 지도를 지도학적 규칙에 맞추어 적절하게 제작하고 있으나 일반사회, 윤리, 역사 교과목은 적절한 지도데이터와 투영법을 사용하지 못함으로써 학생들에게 우리나라의 영역에 대한 왜곡된 위치 개념을 전달하는 경우가 많으며, 위치도가 없음으로 인해 지도에 나타난 지역의 위치를 파악할 수 없는 경우나 잘못된 지도 범례를 사용하는 경우도 많이 존재한다. 본 연구의 목적은 일반사회, 윤리, 역사 등 사회과 교과서의 지도 오류를 유형별로 분류하고, 교과서를 대상으로 각 과목의 교과서별 지도 오류를 분석하여 사회과 교과서의 지도 오류 현황을 파악하고, 교과서 지도의 오류 방지를 위한 제도적, 실천적 방안을 제시하는 것이다. 분석결과 사회과 교과서에 수록된 1,085개 지도 중 약 32.4%에 해당하는 352개 지도에서 오류가 발견되었다. 유형별로는 기하학적 오류가 20.8%로 가장 많고 다음으로는 삽입지도가 필요한 경우가 6.8%, 범례가 부적절한 경우가 4.8%였다. 이와 같은 사회과 교과서의 오류 방지를 위해서는 교과서 집필 및 검수과정에서의 제도적 절차에 대한 보완과 교과서용 지도 제작을 위한 표준지도 데이터베이스의 구축이 시급한 실정이다.

Social studies textbooks first, depending on the role and frequency of maps, are classified 3 categories; 1) social studies or ethics in which maps are used collateral material, 2) history in which maps contain location information of historic events, 3) geography in which maps play key roles in delivering curriculum contents. Generally, maps in geography textbook made by teachers or professors majoring geography are generated according to cartographic rules, and properly. But many maps in social studies, ethics, and history textbook have incorrect map projection, missing inset map, and wrong map legends. As results, maps containing errors may lead distorted national territory recognition of students. In the research, map errors in social studies, ethics, and history textbook are divided in geometric errors, inset map errors, and wrong legends. Analysis shows that 352 maps in total 1085 textbook maps contains map errors. Geometric errors are the most abundant with 20.8% and ratio of inset map errors and improper legends are 6.8% and 4.8% respectively. In order to prevent generating map with errors, systematic and institutional procedures are essential in textbook authorizing and standard databases used in textbook map writing are urgently prepared.

In this paper, we introduce the software/hardware system that can reliably calculate the distance from sensor to the model regardless of point cloud density. As the 3d point cloud map is widely adopted for SLAM and computer vision, the accuracy of point cloud map is of great importance. However, the 3D point cloud map obtained from Lidar may reveal different point cloud density depending on the choice of sensor, measurement distance and the object shape. Currently, when measuring map accuracy, high reflective bands are used to generate specific points in point cloud map where distances are measured manually. This manual process is time and labor consuming being highly affected by Lidar sparsity level. To overcome these problems, this paper presents a hardware design that leverage high intensity point from three planar surface. Furthermore, by calculating distance from sensor to the device, we verified that the automated method is much faster than the manual procedure and robust to sparsity by testing with RGB-D camera and Lidar. As will be shown, the system performance is not limited to indoor environment by progressing the experiment using Lidar sensor at outdoor environment.

사회과 교과서는 지도가 사용되는 빈도와 지도의 역할 정도에 따라 첫째, 지도가 학습 보조 자료로 일부 활용되는 일반사회와 윤리 교과목, 둘째, 지도가 학습 대상의 위치나 영역에 대한 정보를 제공하기 위해 빈번히 활용되는 역사 교과목, 셋째, 지도가 교과 내용 전달의 주요요소가 되는 지리 교과목으로 구분할 수 있다. 이 중 지리학을 전공한 교사나 교수가 집필에 참여한 지리 관련 교과목은 대체로 지도를 지도학적 규칙에 맞추어 적절하게 제작하고 있으나 일반사회, 윤리, 역사 교과목은 적절한 지도데이터와 투영법을 사용하지 못함으로써 학생들에게 우리나라의 영역에 대한 왜곡된 위치 개념을 전달하는 경우가 많으며, 위치도가 없음으로 인해 지도에 나타난 지역의 위치를 파악할 수 없는 경우나 잘못된 지도 범례를 사용하는 경우도 많이 존재한다. 본 연구의 목적은 일반사회, 윤리, 역사 등 사회과 교과서의 지도 오류를 유형별로 분류하고, 교과서를 대상으로 각 과목의 교과서별 지도 오류를 분석하여 사회과 교과서의 지도 오류 현황을 파악하고, 교과서 지도의 오류 방지를 위한 제도적, 실천적 방안을 제시하는 것이다. 분석결과 사회과 교과서에 수록된 1,085개 지도 중 약 32.4%에 해당하는 352개 지도에서 오류가 발견되었다. 유형별로는 기하학적 오류가 20.8%로 가장 많고 다음으로는 삽입지도가 필요한 경우가 6.8%, 범례가 부적절한 경우가 4.8%였다. 이와 같은 사회과 교과서의 오류 방지를 위해서는 교과서 집필 및 검수과정에서의 제도적 절차에 대한 보완과 교과서용 지도 제작을 위한 표준지도 데이터베이스의 구축이 시급한 실정이다.

Social studies textbooks first, depending on the role and frequency of maps, are classified 3 categories; 1) social studies or ethics in which maps are used collateral material, 2) history in which maps contain location information of historic events, 3) geography in which maps play key roles in delivering curriculum contents. Generally, maps in geography textbook made by teachers or professors majoring geography are generated according to cartographic rules, and properly. But many maps in social studies, ethics, and history textbook have incorrect map projection, missing inset map, and wrong map legends. As results, maps containing errors may lead distorted national territory recognition of students. In the research, map errors in social studies, ethics, and history textbook are divided in geometric errors, inset map errors, and wrong legends. Analysis shows that 352 maps in total 1085 textbook maps contains map errors. Geometric errors are the most abundant with 20.8% and ratio of inset map errors and improper legends are 6.8% and 4.8% respectively. In order to prevent generating map with errors, systematic and institutional procedures are essential in textbook authorizing and standard databases used in textbook map writing are urgently prepared.

LIS/GIS의 D/B구축을 위한 수치지도에서의 위치정보는 지물의 위치판독뿐만 아니라 이를 이용한 LIS/GIS의 구조화나 시설물 관리, 도시관리, 지적관리, 공간분석 등에서 중요한 자료로 이용되고 있다. 본 연구에서는 수치지도에서 평면위치자료의 오차분석을 위하여 지형별 특성에 따라 지형, 밀도, 경사도의 세가지 형태로 분류하고, 지형도의 평면위치를 참값으로 하여 수치지도와의 상대적 오차를 분석하였다 수치실험결과, X, Y 방향에 관계없이 면 구조의 데이터보다 선구조의 데이터에 대하여 과대오차가 더 많이 발생함을 알 수 있었으며, 지형별 분석의 경우에 있어서는 교외지와 산악지에서의 평균오차가 작게 나타났다. 밀도별 분석에 있어서는 느슨한 밀도를 기준으로 중간밀도와 조밀한 밀도에서의 평균오차가 작게 나타나고, 경사도별 분석에 있어서는 평지를 기준으로 급경사지와 완경사지에서의 평균오차가 작게 나타남을 알 수 있었다.

In the digital mapping for data base contruction, the positional information is used as an important tool in LIS/GIS(Land Information System/Geographic Information System) that is used for a facility management, urban/cadastral management as well as in spatial analysis. In this paper, for an error analysis of X, Y coordinates data on digital map, test area was classified by topography, density, and slope. The coordinates on topographic map were assumed as true values and they were compared with the coordinates on digital map. A result of the numerical test show that a vector data of line type had more gross error than vector data of polygon type. And, SME(stanadrd mean error) of urban or intermountain area had small values compared to that of suburban area in topography analysis. The SME of dense and middle zone had small values compared to that of loose zone in density analysis. In another slope analysis. the SME of steep of gentle slope had small values compared to that of flatland.

본 연구는 부산의 고지도 지명 중에서 기장군 지명을 중심으로 《서울대학교 규장각 한국학 연구원》에서 제공하는 고지명 색인 서비스의 오류를 밝히고 이를 유형화하는 것이 목적이다. 연구의 결과는 다음과 같다. 먼저, 대상 고지도 37개 중 색인 오류가 없는 고지도는 17개 고지도이며 색인 오류가 있는 고지도는 15개로 색인 오류 비율은 전체 40%에 해당한다. 또한 기장 고지도의 색인 오류는 35개로 나타났으며, 이중 색인 오류가 가장 많이 있는 지도는 『여지도』이다. 『여지도』에서는 총 8개의 색인 오류가 나타났는데, 이는 전체 오류의 22.8%에 해당하는 것이다. 다음으로 색인 오류가 많이 나타난 고지도는 『지승』으로 5개로 전체의 14%에 해당한다. 고지명 색인 오류 유형은 다음과 같다. 첫째, 한자 오판독으로 인한 오류이다. 이는 전체 35개의 오류 중에서 17개에 해당하는 것으로 전체의 42.5%에 해당한다. 둘째, 한자 약자를 다른 한자로 오해한 경우이다. 이러한 오류는 11개로 전체 오류의 31.5%에 해당한다. 셋째, 한자음을 잘못 읽은 경우이다. 이러한 오류는 주로 ‘串’에서 나타나는데, 전체 오류의 8.6%에 해당한다. 넷째, 지명 색인 누락으로 원래의 지도에는 지명이 표기되어 있으나 색인으로 제공되지 않는 경우이다. 이러한 오류는 4개로 전체의 11.4%에 해당한다.

목적: 자기공명 영상장치(MRI)의 송신 자기장 정보를 이용한 인체 내 도전율을 측정하는 기술이 최근 제안되었다. 송신 자기장 정보의 노이즈에 따른 도전율의 오차를 측정하고 도전율과 노이즈의 관계를 모델화 하였다. 대상과 방법: 송신 자기장의 분포는 원형 모델에 대해서 시뮬레이션을 수행하였다. 시뮬레이션으로 생성된 송신 자기장의 분포에 가우시안 노이즈를 더해준 후 정량적인 도전율 측정에 어떤 영향을 주는지 공명 주파수, 물체의 크기, 송신 자기장의 신호 대 잡음 비에 대해서 수행하였다. 각 각의 변수에 따른 도전율 대 잡음 비를 측정하여 모델화 하였다. 결과: 시뮬레이션 결과 도전율 측정은 송신 주파수의 크기 오차보다 위상 오차에 더 큰 영향을 받는 것을 보였다. 또한, 송신 자기장의 신호 대 잡음 비, 공명 주파수, 도전율 값, 평균필터의 크기에 따라서 도전율 대 잡음비가 비례하는 경향성을 보였다. 하지만, 물체를 둘러싼 외부 물질의 크기는 도전율 측정에 큰 영향을 주지 않았다. 위의 시뮬레이션 결과는 3T 임상용 MRI에서 원형 모델 팬텀에 대해서 검증되었다. 결론: 시뮬레이션을 통해 얻어진 변수와 도전율 측정의 오차와의 관계를 통해서 정량적인 도전율 측정에서 발생되는 오차를 모델화 할 수 있었다. 또한 제시된 분석 방법을 통하여 자기공명 영상 장치를 이용한 도전율 측정의 필터링 및 재구성 알고리즘의 효과를 검증 할 수 있을 것으로 보인다.

Purpose : In-vivo conductivity reconstruction using transmit field ($B_1{^+}$) information of MRI was proposed. We assessed the accuracy of conductivity reconstruction in the presence of statistical noise in complex $B_1{^+}$ map and provided a parametric model of the conductivity-to-noise ratio value. Materials and Methods: The $B_1{^+}$ distribution was simulated for a cylindrical phantom model. By adding complex Gaussian noise to the simulated $B_1{^+}$ map, quantitative conductivity estimation error was evaluated. The quantitative evaluation process was repeated over several different parameters such as Larmor frequency, object radius and SNR of $B_1{^+}$ map. A parametric model for the conductivity-to-noise ratio was developed according to these various parameters. Results: According to the simulation results, conductivity estimation is more sensitive to statistical noise in $B_1{^+}$ phase than to noise in $B_1{^+}$ magnitude. The conductivity estimate of the object of interest does not depend on the external object surrounding it. The conductivity-to-noise ratio is proportional to the signal-to-noise ratio of the $B_1{^+}$ map, Larmor frequency, the conductivity value itself and the number of averaged pixels. To estimate accurate conductivity value of the targeted tissue, SNR of $B_1{^+}$ map and adequate filtering size have to be taken into account for conductivity reconstruction process. In addition, the simulation result was verified at 3T conventional MRI scanner. Conclusion: Through all these relationships, quantitative conductivity estimation error due to statistical noise in $B_1{^+}$ map is modeled. By using this model, further issues regarding filtering and reconstruction algorithms can be investigated for MREPT.

현재 제작되어 있는 연속지적도면은 도곽접합 과정에서 발생하는 여러 문제점으로 인하여 다양한 활용이 이루어지지 못하고 있다. 즉, 연속지적도면의 적정한 품질이 확보되지 못하여 활용에 어려움을 겪고 있다. 이러한 문제의 해결을 위해 현재 지적분야에서는 연속지적도의 품질을 확보하기 위한 별도의 사업을 계획하고 있다. 본 연구에서는 GIS와 현황을 정확하게 참조할 수 있는 수치정사사진을 이용하여 현재 제작되어있는 연속지적도면의 제작 오류를 분석하여 봄으로써 향후 연속지적도면이 보다 정확하게 제작될 수 있는 보완 방법을 제시하여보고자 하였다.

The present serial cadastral maps, which have lots of problems arisen from map matching processes, have very limited applications. That is, the poor quality of serial cadastral maps has kept us from using them. Therefore, a special project for improving the quality of serial cadastral maps was proposed by korean cadastral specialists to solve those problems. The primary purpose of this study is to provide effective ways of serial cadastral map production by reviewing the errors of the present situation-based serial cadastral map production using GIS and digital orthophoto.

오늘날 컴퓨터와 정보통신 기술에 의해 생성된 디지털 맵(map)은 다양한 분야에서 응용 활용되고 있다. 이에 디지털 맵 제작 기술의 발전과 함께 선형 단순화(line simplification) 기법에 대한 연구가 활발하게 진행되고 있다. 이에 본 논문은 라인의 형상을 최대한 보존하기 위하여 최소영역오차(minimum area error, MAE) 구간을 이용한 혼합형 선형 단순화 기법을 제안한다. 기존의 선형 단순화 기법과의 비교 실험을 통하여, 제안하는 기법의 성능이 우수함을 확인하였다.

최근 남북교류 협력사업과 통일에 대비한 각종 계획 및 정책 수립에 비접근 지역에 대한 공간자료의 필요성이 대두되고 있다. 이에 본 연구에서는 PLEIADES 영상과 TerraSAR 기준점을 활용하여 비접근 지역의 1/5,000 수치지형도 제작을 위한 기하보정의 허용오차 만족 가능성을 평가하였다. GPS 측량성과의 기준점 수량 및 배치를 변경해 가면서 기하보정을 수행하였고, 기하학적 배치와 안전성을 고려하여 5점을 활용하는 방안을 선정하였다. 선정된 위치에 TerraSAR 기준점을 확보하여 정확도를 평가한 결과, RMSE는 X=±0.64m, Y=±0.46m, Z=±0.28m였고, TerraSAR 기준점으로 PLEIADES 영상을 기하보정한 결과, RMSE는 X=±0.34m, Y=±0.27m, Z=±0.11m, 검사점에 대한 RMSE는 X=±0.50m, Y=±0.30m, Z=±0.66m임을 확인하였다. 본 연구 결과를 통해 비접근지역의 PLEIADES 영상과 최적의 TerraSAR 기준점을 확보하여 공간자료를 구축한다면 국내 항공삼각측량의 조정계산 및 오차한계의 1/5,000 수치지형도 제작 규정에 부합하는 고정밀 공간정보의 확보가 가능하다고 사료된다.

Recently, the necessity of spatial data in unaccessible area was challenged to set up various plans and policies for preparing the unification and the cooperative projects between South-North Korea. Therefore, this paper planned to evaluate the possibility of adopting the error tolerance in Geometric correction for 1/5,000 digital topographic mapping, using the PLEIADES images and the TerraSAR GCPs (Ground Control Points). The geometric correction was performed by changing the number and placement of GCPs by GPS (Global Positioning System) surveying, as the optimal placement of 5 GCPs were selected considering the geometric stability and steady rate. The positional accuracy evaluated by the TerraSAR GCPs, which were selected by optimal placement of GCPs. The RMSE in control points were X=±0.64m, Y=±0.46m, Z=±0.28m. While the result of geometric correction for PLEIADES images confirmed that the RMSE in control points were X=±0.34m, Y=±0.27m, Z=±0.11m, the RMSE in check points were X=±0.50m, Y=±0.30m, Z=±0.66m. Through this study, we believe if spatial data can integrate with the PLEIADES images and the optimal TerraSAR GCPs, it will be able to obtain the high-precision spatial data for adopting the regulation of 1/5,000 digital topographic map, which adjusts the computation as well as the error bound.