• 한국산업정보학회논문지
• /
• 제28권2호
• /
• pp.1-9
• /
• 2023

유방암 관련 기존 AI 연구는 보조적인 진단 예측이나 임상적 요인에 따른 진료 결과를 예측하는 주제가 많았다. 또한 연구기관의 코호트 자료나 일부 환자 자료를 이용하는 경우가 대부분이었다. 본 논문에서는 건강보험심사평가원이 보유하고 있는 전 국민 유방암 환자의 전수 데이터를 활용하여 유방암 환자의 40~50대와 다른 연령대 간의 생존 여부 예측과 생존 여부에 미치는 요인의 차이점을 분석했다. 그 결과, 환자들의 생존 여부 예측 정밀도는 40~50대가 평균 0.93으로 60~80대 0.86 보다 높았으며, 요인에 있어서도 40~50대는 치료횟수(46%)가, 60~80대는 나이(32%)의 변수 중요도가 제일 높았다. 기존 연구와 성능 비교 결과, 평균 정밀도가 0.90으로 기존 논문의 정밀도 0.81보다 높았다. 적용 알고리즘별 성능 비교 결과, 의사결정나무(Decision Tree), 랜덤포레스트(Random Forest) 및 그래디언트부스팅(Gradient Boosting)의 전체 평균 정밀도는 0.90, 재현율은 1.0으로 연령대 그룹 내에서 동일하였으며, 다층퍼셉트론(Multi-Layer Perceptron)의 정밀도는 0.89, 재현율은 1.0 이었다. 심평원의 전 국민 심사청구 빅데이터 가치 활용을 제고하기 위해 비전문가용 머신러닝 자동화(Auto ML) 도구를 사용한 더 많은 연구가 진행되기를 바란다.

• 대한화장품학회지
• /
• 제49권2호
• /
• pp.159-167
• /
• 2023

이산화티타늄(TiO₂)은 일반적으로 선크림 제제에 사용되어 빛의 물리적 산란 작용에 의해 피부 표면을 보호하고 유해한 자외선(UV)의 침투를 방지한다. 그러나 불활성 미네랄 성분으로 인해 피부에 사용시 백탁현상을 유발할 수 있다는 단점이 있다. 또한 백탁현상을 없애기 위해 TiO₂ 입자를 나노화 하면 가시광선 투과율을 증가시켜 백탁 현상을 감소시키지만 알레르기 염증과 같은 심각한 피부 트러블을 유발할 수 있다. 이러한 문제를 극복하기 위해 본 연구에서는 산소 결핍 구조 및 질소량 제어를 이용하여 TiO₂의 밴드갭을 제어하고, 결과적으로 피부 맞춤형 유색 TiO₂를 개발하였다. 이는 백탁 현상을 감소시킬 수 있을 뿐만 아니라 활성산소를 유발하여 피부 노화를 촉진시키는 것으로 알려진 블루라이트를 효과적으로 차단할 수 있다. 본 연구에서 제안된 밴드갭 제어 TiO₂ 화합물은 저자극이고 스펙트럼이 넓으며 환경친화적이다. 또한 이는 자외선 차단제의 sun protection factor (SPF)를 획기적으로 향상시켜 블루라이트 차단 제품에 적용할 수 있을 것으로 기대된다.

• 대한화장품학회지
• /
• 제50권1호
• /
• pp.1-10
• /
• 2024

본 연구에서는 오가노 헥토라이트를 사용하여 쿼세틴을 안정화 시킨 쿼세틴 벤톤겔(QUERPLEX)을 제조하였고, 이의 효능을 확인하였다. 또한, 이를 자외선 차단 화장품에 적용 시 안정성 및 효과에 대한 비교 연구를 수행하였다. QUERPLEX는 4 주 동안 결정 석출 및 성장을 보이지 않고 안정하게 유지됨을 확인하였다. 2,2-Diphenyl-1-picrylhydrazyl (DPPH)를 이용한 항산화 활성 측정 결과 농도 의존적으로 항산화 활성을 보였으며, 2,500 ppm 이상의 농도에서 70% 이상의 라디칼 소거능을 보여 유의미한 효과를 확인하였다. RAW 264.7 세포를 이용한 항염 활성 실험 결과 25 ㎍/mL에서 8%, 50 ㎍/mL에서 23%, 100 ㎍/mL에서 84%의 NO 생성량을 감소시켜 농도 의존적으로 NO 생성량이 감소함을 확인하였다. 자외선 차단 제형에서 쿼세틴의 투입방법에 따른 제형 안정성 확인 결과, 쿼세틴을 제형에 직접 투입했을 때 보다, QUERPLEX로 투입 했을 때 제형의 안정성 향상을 가져왔다. 또한 in vitro 및 in vivo 상에서 자외선 차단 지수를 향상시켰고 이를 통해 자외선 차단에 새로운 부스팅 효과를 줄 수 있는 성분으로의 가능성이 예상된다. 이러한 결과들은 쿼세틴 운반체로서 오가노헥토라이트가 매우 효과적이며, 쿼세틴의 효능 발현은 물론, 부가적인 효과를 가져옴으로써 화장품 제형에서의 응용가능성을 시사하였다.

• 지능정보연구
• /
• 제24권2호
• /
• pp.243-264
• /
• 2018

현재 전세계 배터리 시장은 이차전지 개발에 박차를 가하고 있는 실정이지만, 실제로 소비되는 배터리 중 가격 대비 성능이 좋고 재충전을 통해 다시 재사용이 가능한 납축전지(이차전지)의 소비가 광범위하게 이루어지고 있다. 하지만 납축전지는 복합적 셀(cell)을 묶어 하나의 배터리를 구성하여 활용하는 배터리의 특성상 하나의 셀에서 열화가 발생하면 전체 배터리의 손상을 가져와 열화가 빨리 진행되는 문제가 존재한다. 이를 극복하기 위해 본 연구는 기계학습을 통한 배터리 상태 데이터를 학습하여 배터리 열화를 예측할 수 있는 모델을 개발하고자 한다. 이를 위해 실제 현장에서 배터리 상태를 지속적으로 모니터링 할 수 있는 센서를 골프장 카트에 부착하여 실시간으로 배터리 상태 데이터를 수집하고, 수집한 데이터를 이용하여 기계학습 기법을 적용한 분석을 통해 열화 전조 현상에 대한 예측 모델을 개발하였다. 총 16,883개의 샘플을 분석 데이터로 사용하였으며, 예측 모델을 만들기 위한 알고리즘으로 의사결정나무, 로지스틱, 베이지언, 배깅, 부스팅, RandomForest를 사용하였다. 실험 결과, 의사결정나무를 기본 알고리즘으로 사용한 배깅 모델이 89.3923%이 가장 높은 적중률을 보이는 것으로 나타났다. 본 연구는 날씨와 운전습관 등 배터리 열화에 영향을 줄 수 있는 추가적인 변수들을 고려하지 못했다는 한계점이 있으나, 이는 향후 연구에서 다루고자 한다. 본 연구에서 제안하는 배터리 열화 예측 모델은 배터리 열화의 전조현상을 사전에 예측함으로써 배터리 관리를 효율적으로 수행하고 이에 따른 비용을 획기적으로 줄일 수 있을 것으로 기대한다.

• 대한원격탐사학회지
• /
• 제37권2호
• /
• pp.321-335
• /
• 2021

미세먼지 (PM10) 및 초미세먼지 (PM2.5)는 인체에 흡수 가능하여 호흡기 질환 및 심장 질환과 같이 인체건강에 악영향을 미치며, 심각할 경우 조기 사망에 영향을 줄 수 있다. 전 세계적으로 현장관측기반의 모니터링을 수행하고 있지만 미 관측지역에 대한 대기질 분포의 공간적인 한계점이 존재하여 보다 광범위한 지역에 대한 지속적이고 정확한 모니터링이 필요한 상황이다. 위성기반 에어로졸 정보를 사용함으로써 이러한 현장 관측자료의 한계점을 극복할 수 있다. 따라서 본 연구에서는 다양한 위성 및 모델자료를 활용하여 2019년도에 대해 한 시간 단위의 지상 PM10 및 PM2.5 농도를 추정하였다. GOCI 위성의 관측영역을 포함하는 동아시아 지역에 대해 트리 기반 앙상블 방법을 사용하는 Boosting 기법인 GBRTs (Gradient Boosted Regression Trees)와 LightGBM (Light Gradient Boosting Machine)을 활용하여 모델을 구축하였다. 또한, 기상변수 및 토지피복변수의 사용유무에 따른 모델의 성능을 비교하기 위해 두 가지 festure set으로 나누어 테스트하였다. 두 기법 모두 주요 변수인 AOD (Aerosol Optical Depth), SSA (Single Scattering Albedo), DEM (Digital Eelevation Model), DOY (Day of Year), HOD (Hour of Day)와 기상변수 및 토지피복변수를 함께 사용한 Feature set 1을 사용하였을 때 높은 정확도를 보였다. Feature set 1에 대해 GBRT 모델이 LightGBM에 비해서약 10%의 정확도 향상을 보였다. 가장 정확도가 높았던 기상 및 지표면 변수를 포함한 Feature set1을 사용한 GBRT기반 모델을 최종모델로 선정하였으며 (PM10: R2 = 0.82 nRMSE = 34.9%, PM2.5: R2 = 0.75 nRMSE = 35.6%), 계절별 및 연평균 PM10 및 PM2.5 농도에 대한 공간적인 분포를 확인해본 결과, 현장관측자료와 비슷한 공간 분포를 보였으며, 국가별 농도 분포와 계절에 따른 시계열 농도 패턴을 잘 모의하였다.