• Tuberculosis and Respiratory Diseases
• /
• 제45권2호
• /
• pp.380-387
• /
• 1998

연구배경: 압력보조환기법은 기계호흡으로부터 이탈시 최근에 많이 이용되는 인공환기법으로 적절한 압력보조 수준이 이탈 과정에 중요하며 특히 최소압력보조 (minimal pressure support) 수준에서 환자의 환기 상태가 적절하면 치료자는 인공 호흡기로 부터 여탈 및 기관내 관을 발관할 수 있다. 그러나 부적절한 최소압력 보조 수준의 적용은 환기 이탈 기간의 장기화나 이탈 실패를 초래할 수 있다. 본 연구는 이탈기 환자들이 최소압력보조 치의 범위를 알아보고 또한 최대 흡기유량과 총환기계 저항의 곱으로 구한 최소압력보조치의 계산값과 환자의 기관내 관 끝에서 실측한 값 사이의 차이를 비교함으로써 유도식으로 계산된 최소압력 보조 값의 임상적 유용성을 예측하고자 하였다. 방 법: 기저 질환이 호전되어 기계호흡으로부터 이탈이 가능한 환자 16명을 대상으로 폐 감시기 (CP-100 pulmonary monitor, Bicore, USA)를 이용하여 부가된 호흡일을 구한 후 최소압력보조의 수준을 직접 측정하였고, 이들 중 9예에서는 또한 유도식 (peak inspiratory flow rate$\times$total ventilatory system resistance=minimal pressure support)을 이용하여 최소합력보조의 수준을 구하였다. 결 과: 대상환자 16명중 14명에서 측정한 최소압력보조의 실측치는 4~12.5 cm$H_2O$로써 환자에 따라 차이가 심하였다. 대상 환자 중 2명에서 각각 15, 21 cm$H_2O$로써 높게 측정되었으나 기관내 관을 발관 후 내강이 기도 분비물로 심한 폐쇄가 발견되었다. 실측치를 측정한 16명중 9명에서 유도식을 이용하여 최소압력 보조의 계산치를 구하였으며 실측치와 계산치의 비는 평균 0.81로 실측치 보다 높게 나타나는 경향을 보였으나 실측치와 계산치의 상관 계수는 0.88(p=0.002)로 통계학적으로 유의한 상관관계를 보였다. 결 론: 압력보조환기법에 의한 이탈 시도시 최소압력보조 수준의 결정은 유도식을 이용하여 계산된 값을 적용하는 것이 치료자가 임의적으로 일정한 값을 적용하는 것보다 더 나을 것으로 사료된다.

• 대한원격탐사학회지
• /
• 제36권6_1호
• /
• pp.1465-1483
• /
• 2020

증발산은 토양으로부터 발생하는 증발과 식물의 잎에서 발생하는 증산을 통칭하는 것으로, 물 수지, 가뭄, 작물생장, 기후변화 등의 모니터링에 있어 중요한 요소이다. 실제증발산은 식생 지표면의 물 소비량 또는 물 필요량이며 기준증발산에 작물계수를 곱하여 구하므로, 농지의 실제증발산을 구하기 위해서는 기준증발산의 계산이 정확히 이루어져야 한다. 격자형 기준증발산을 합리적으로 산출하기 위하여 그동안 많은 노력들이 있었고 복수의 산출물이 제공되고 있다. 이에 본 연구에서는 FAO56-PM, LDAPS, PKNU-NMSC, MODIS 기준증발산 산출물을 비교평가 함으로써, 우리나라처럼 복합적이고 이질적인 지표면에서 국지적 규모의 수문 및 농업 분야에 활용하기 위하여 어떤 기준증발산 산출 방법이 적합한지 살펴보고자 한다. 2016~2019년 3~11월의 1일 단위 자료와 8일 합성 자료를 기상청 현장관측치와 비교하여 지점별, 연도별, 월별로 분석하고 시계열변화를 검토한 결과, 기계학습을 통해 우리나라 농지에 대한 지역최적화가 상당히 잘 수행된 PKNU-NMSC 자료의 정확도가 월등히 높게 나타났으며, 시간과 장소에 상관없이 안정적인 산출이 이루어졌음을 확인하였다. 또한 본연구에서는 FAO56-PM, LDAPS, MODIS 산출물에 내재한 정확도 특성을 제시하였으며, 이는 기준증발산 자료 사용에 있어 중요한 정보가 될 것으로 기대한다.

• 대한원격탐사학회지
• /
• 제39권5_3호
• /
• pp.979-995
• /
• 2023

산불은 예측이 어려운 재해이기 때문에 실시간 모니터링을 통해 빠르게 대응하는 것이 중요하며, 정지 궤도 위성 영상은 광역을 짧은 시간 간격으로 모니터링할 수 있어 산불 탐지 분야에 활발히 이용되고 있다. 기존의 위성 영상 기반 산불 탐지 알고리즘은 밝기 온도의 통계량 분석을 통한 임계값 기반으로 이상치를 탐지하는 방향으로 진행되어 왔다. 그러나 강도가 약한 산불을 탐지하기 어렵거나, 적절한 임계값 설정의 어려움으로 일반화 성능이 저하되는 한계점이 있어 최근에는 기계학습을 이용한 산불 탐지 알고리즘들이 제시되고 있다. 현재까지는 random forest, VanillaConvolutional neural network (CNN), U-net 구조 등의 비교적 간단한 기법이 적용되고 있다. 따라서, 본 연구에서는 정지궤도 위성인 Advanced Himawari Imager를 이용하여 동아시아와 호주를 대상으로 State of the Art (SOTA)딥러닝 기법을 적용한 산불 탐지 알고리즘을 개발하고자 하였다. SOTA 모델은 EfficientNet과 lion optimizer를 적용하여 개발하고, Vanilla CNN 구조를 사용한 모델과 산불 탐지 결과를 비교하였다. EfficientNet은 동아시아와 호주에서 0.88 및 0.83의 F1-score를 기록함으로써 CNN (동아시아: 0.83, 호주: 0.78)에 비해 뛰어난 성능을 입증하였다. EfficientNet에 불균형 문제 해결을 위한 weighted loss, equal sampling, image augmentation 기법 적용 시, 동아시아와 호주에서 각각 0.92와 0.84의 F1-score를 기록함으로써 적용 전(동아시아: 0.88, 호주: 0.83)에 비하여 성능이 향상되었음을 확인하였다. 본 연구를 통하여 제시된 SOTA 딥러닝 기법의 산불 탐지에의 적용 가능성과 딥러닝 모델의 성능 향상을 위해 고려해야 할 방향은 향후 산불탐지 분야에 대한 딥러닝 적용에 도움이 될 것으로 기대된다.