• 생명과학회지
• /
• 제33권11호
• /
• pp.923-935
• /
• 2023

산딸기(RC), 유백피(UM)와 치자(GJ)는 위장장애 개선 및 다양한 효능이 보고된 중요한 민간 의약품 소재이다. 본 연구에서는 안전한 천연물을 이용한 실제적 위장 질환 개선제의 상업화를 위해, 상기 3종 천연물 추출물의 분말을 각각 3:1:2(w/w/w) 비율로 혼합하여 제조한 임상용 복합제제(LS-RUG-com)의 위 질환 억제활성을 평가하였다. HCl/EtOH 유도 위염 모델에서 LS-RUG-com (150 mg/kg)은 76%의 우수한 위염 억제 효능을 보였다(lesion index; HCl/EtOH, 112.37±11.20 mm, RUG-com; 26.32±1.87 mm). 또한 indomethacin 처리에 의한 위궤양 rat model에서 LS-RUG-com (150 mg/kg) 처리 시 90.8%의 위궤양 억제 효능을 보여, 임상에서 사용중인 cimetidine (100 mg/kg) 처리구의 81.1% 억제활성보다 우수한 활성을 보였다(lesion index; indomethacin ; 121.72±3.19 mm, RUG-com ; 12.5±1.16 mm). 역류성 식도염 유발 모델에서는 LS-RUG-com (150 mg/kg) 처리군에서 조직학적으로 omeprazole (150 mg/kg)에 비교되는 우수한 위 및 위 점막 손상 회복 활성을 확인하였으며, 위 내용물의 pH 상승, 위점막 보호의 증가 및 위의 pepsin 생성억제를 확인하였다. 또한, 위 식도 조직에서 TNF-α 및 IL-1β 발현이 유의적으로 감소하여 염증 발생이 억제됨을 확인하였다. 또한 항 Helicobacter pylori 효능도 검증하였다. 본 연구는 LS-RUG-com이 인체의 위 관련 질환을 개선하고, 위 및 위 점막 손상을 예방, 개선할 수 있음을 제시하고 있다.

• 한국음향학회지
• /
• 제42권6호
• /
• pp.603-616
• /
• 2023

본 연구는 주파수 및 시간 특성을 활용하여 머신러닝 기반 공동주택 주거소음의 군집화 및 분류를 진행하였다. 먼저, 공동주택 주거소음의 군집화 및 분류를 진행하기 위하여 주거소음원 데이터셋을 구축하였다. 주거소음원 데이터셋은 바닥충격음, 공기전달음, 급배수 및 설비소음, 환경소음, 공사장 소음으로 구성되었다. 각 음원의 주파수 특성은 1/1과 1/3 옥타브 밴드별 L_eq와 L_max값을 도출하였으며, 시간적 특성은 5 s 동안의 6 ms 간격의 음압레벨 분석을 통해 L_eq값을 도출하였다. 공동주택 주거소음원의 군집화는 K-Means clustering을 통해 진행하였다. K-Means의 k의 개수는 실루엣 계수와 엘보우 방법을 통해 결정하였다. 주파수 특성을 통한 주거소음원 군집화는 모든 평가지수에서 3개로 군집되었다. 주파수 특성 기준으로 분류된 각 군집별 시간적 특성을 통한 주거소음원 군집화는 L_eq평가지수의 경우 9개, L_max 경우는 11개로 군집되었다. 주파수 특성을 통해 군집된 각 군집은 타 주파수 대역 대비 저주파 대역의 음에너지의 비율 또한 조사되었다. 이후, 군집화 결과를 활용하기 위한 방안으로 세 종류의 머신러닝 방법을 이용해 주거소음을 분류하였다. 주거소음 분류 결과, 1/3 옥타브 밴드의 L_eq값으로 라벨링된 데이터에서 가장 높은 정확도와 f1-score가 나타났다. 또한, 주파수 및 시간적 특성을 모두 사용하여 인공신경망(Artificial Neural Network, ANN) 모델로 주거소음원을 분류했을 때 93 %의 정확도와 92 %의 f1-score로 가장 높게 나타났다.

• 생명과학회지
• /
• 제33권11호
• /
• pp.915-922
• /
• 2023

동백꽃으로부터 분리된 24 Leuconostoc spp. 균주들에 대한 항균활성 분석 결과, Leuconostoc mesenteroides DB3가 E. coli, Salmonella Typhimurium, Bacillus cereus, Staphylococcus aureus, Candida albicans 등에 대해 우수한 것으로 나타났다. 내산성 분석결과 pH 2.5까지는 내성이 존재하고, pH 2.0에서는 내성이 존재하지 않았지만, 비교적 우수한 내산성이 존재했다. 담즙산에 대해서는 시험 구간내에서는 모두 안정한 것으로 관찰되었다. L. mesenteroides DB3는 표준균주인 L. mesenteroides KCTC3505에 비교하여 성장력이 늦은 것으로 나타났고, 생육적온은 30℃로 관찰되었다. 30℃에서 성장곡선의 관찰결과, L. mesenteroides DB-3는 L. mesenteroides KCTC3505에 비교하여 성장이 지연되었고, 18시간 이후에 정지기에 도달되었다. pH 변화는 성장곡선에 연동하여 변화되었지만, pH 3.98 이상에서 유지되었다. L. mesenteroides DB-3는 L. mesenteroides KCTC3505에 비교하여 초기 항균활성이 높았지만, 대수증식기 후반부 이후에는 유사한 것으로 나타났다. 유산 함량은 성장 곡선에 연동되어 나타났으며, 초기에는 L. mesenteroides DB-3가 낮게 생성되었지만, 대수증식기 후반부 이후에는 유사하였다. 뮤이신 부착력은 L. mesenteroides DB-3가 L. mesenteroides KCTC3505보다 우수한 것으로 평가되었다. 등유에 대한 유화 능력은 L. mesenteroides KCTC3505와 DB-3 모두 우수한 것으로 나타났으며, 소수성이 강한 바이오계면활성제인 것으로 추정된다. 이상의 결과로 볼 때, 본 연구에 사용된 Leuconostoc mesenteroides DB3는 우수한 항균력, 내산성, 내담즙성 및 뮤이신 부착력에 기인하여 프로바이오틱스로써 활용 가능성이 높은 것으로 평가된다.

• 분석과학
• /
• 제36권6호
• /
• pp.267-280
• /
• 2023

2019~2021년 동안 서울지역에서 유통되는 한약재 209품목 4333건을 대상으로 ICP-MS와 수은 분석기를 사용하여 유해 중금속인 납, 카드뮴, 비소, 수은의 함량을 조사하고, 약용부위와 원산지에 따라 구분하여 위해성를 평가하였다. 부위별 평균함량(mg/kg)은 납은 0.123~1.290, 카드뮴은 0.018~0.131, 비소는 0.034~0.290, 수은은 0.003~0.015이었다. 납은 지상부위인 전초류와 엽류가 높았고(ANOVA-test, p < 0.05), 카드뮴은 엽류, 근(경)류, 등목류가 높았으며(ANOVA-test, p < 0.05), 14 품목에서 카드뮴 기준치를 초과하였다. 납과 카드뮴의 기준치를 초과한 시료는 각각 8, 22개였다. 비소는 엽류, 화류, 전초류에서, 수은은 엽류, 전초류, 등목류가 유의적인 수준(ANOVA-test, p < 0.05)에서 높았으나 기준을 초과한 시료는 없었다. 원산지간 비교에서 카드뮴, 비소, 수은은 국산보다 수입한약재의 함량이 높았다(t-test, p < 0.05). 위해도 평가 결과, 납은 대부분의 시료에서 MOE 값이 1 이상으로 인체노출에 의한 우려는 낮았지만 국산 측백엽과 수입 부평이 각각 0.85, 0.17로 1 보다 낮았다. 카드뮴, 비소, 수은의 위해지수(HI)는 각각의 중금속 위해도를 모두 더하여도 100 % 이하로 평가되어 한약재 복용으로 인한 위해성은 안전한 수준으로 평가되었다.

• 경영정보학연구
• /
• 제25권4호
• /
• pp.131-159
• /
• 2023

최근 코로나 엔데믹(Endemic)을 배경으로 메타버스의 미래에 대한 회의론이 부상하는 한편, 로블록스(Roblox) 등 주요 메타버스 플랫폼이 생성형 AI를 결합한 서비스를 출시하고 애플(Apple)의 MR(Mixed Reality)하드웨어인 비전프로(Vision Pro)가 발표되면서 메타버스의 새로운 기대감이 형성되고 있다. 이처럼 메타버스의 전망이 엇갈리는 상황에서 메타버스를 생태계적 관점에서 파악하고, 주요 생태계적 특징과 발전 동력 그리고 향후 발전 가능성을 검토하는 것이 필요하다. 이에 본 연구는 정보시스템(IS)분야에서 생태계 연구를 대표하는 Wang(2021)의 IET(Information Ecology Theory)를 사용하여 메타버스 산업 생태계(MIE : Metaverse Industrial Ecosystem)를 도출하였다. 분석 결과 MIE는 네 가지 세부 영역(Tech Landscape, Category Ecosystem, Metaverse Platform, Product/Service Ecosystem)으로 구성되며, 디지털 연결성, 현실과 가상의 연결, 가치 창출, 가치 공유(Web 3.0) 라는 특징을 확인하였다. 또한 MIE의 세부 영역 간 상호작용과 상술한 특징들은 메타버스를 플랫폼을 넘어 생태계 차원에서 발전시키는 동력으로 작용하고 있음을 알 수 있었다. 생태계 차원에서의 MIE의 발전은 크게 세 가지 단계(Narrow Ecosystem, Expanded Ecosystem, Everywhere Ecosystem)로 정의되었으며, 향후 로봇, AI, 6G 등 유관 기술과 산업의 발전은 현(Expanded Ecosystem) 생태계 수준을 넘어 현실과 가상이 연결되는 Everywhere Ecosystem으로의 발전을 촉진시킬 전망이다. 본 연구는 다음과 같은 시사점을 내포한다. 기존 메타버스 연구에서 취약했던 생태계 분야에 있어 핵심 이론과 분석 기반을 제공, 다양한 메타버스 연구 주제를 제시한다. 또한 메타버스 연구의 주요 분야인 메타버스 개념 연구와 영향력 연구를 통합할 수 있는 학술적 기반을 제공한다. 마지막으로 본 연구가 제시하는 메타버스의 발전 단계와 발전 조건 등을 참고하여 기업과 정부는 미래 메타버스 신시장 및 관련 기술을 발굴하고, 다양한 메타버스 사업 전략을 검토할 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제39권6_1호
• /
• pp.1255-1272
• /
• 2023

위성영상 기반 클로로필-a (chlorophyll-a) 농도는 전지구 기후변화 연구를 위해 장기간의 시계열 자료로 생산되고 있으며, 시간합성 또는 다종위성 자료의 병합(merging)을 통해 결측이 없는 자료의 생산이 요구된다. 그러나 한반도 주변 해역에서의 위성영상 기반 클로로필-a 농도와 관련된 연구는 단일 해색센서로 산출하여 계절적 특징을 평가하거나 연구해역에 적합한 알고리즘을 제시하는 연구가 주로 수행되었다. 본 연구에서는 한반도 주변 해역에서의 공간 커버리지가 높은 클로로필-a 농도 산출을 위해 정지궤도 해색센서 GOCI-II와 극궤도 센서(MODIS, VIIRS, OLCI)의 원격반사도(Remote Sensing Reflectance) 병합자료를 이용하였다. 연구결과 산출물의 공간 커버리지는 극궤도 해색센서 자료보다 약 30% 증가하여 구름으로 인한 결측을 보완하였다. 그리고 현장 관측자료와 함께 Ocean Colour Climate Change Initiative (OC-CCI)와 GlobColour에서 제공하는 전지구 클로로필-a 합성장 자료와의 비교를 통해 정확도를 정량적으로 제시하고자 하였다. 그러나 현장관측 자료의 절대적인 수 부족으로 유의미한 통계적 결과는 제시하지 못하였지만, 전지구 자료와의 비교 결과보다 과소 추정 경향을 확인하였다. 또한 적조와 같은 해양재해·재난 대응 목적의 활용성 평가를 위해 2013년 동해에서 발생한 대번성 사례와 정성적으로 비교하여 정지궤도 해색센서 단독 결과보다 OC-CCI와 유사하게 나타나는 것을 확인하였다. 본 연구를 통해 산출한 결과를 사용하여 향후 인공지능모델 기반의 예측 연구와 아노말리(anomaly) 활용 연구를 수행할 예정이며, 이를 통해 우리나라 연안해역에서 발생하는 클로로필-a 이벤트 모니터링에 유용하게 활용이 가능할 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제39권6_1호
• /
• pp.1341-1352
• /
• 2023

위성영상 기반의 정규식생지수(normalized difference vegetation index, NDVI)는 넓은 영역에서 주기적인 정보를 수집할 수 있어 산림 및 농업 모니터링에 주로 사용된다. 그러나 광학센서 기반 식생지수는 구름 등의 영향으로 일부 지역에서 결측을 가지기 때문에, 본 연구는 전천후 및 주야에 관계없이 관측 가능한 Sentinel-1의 합성 개구 레이더(synthetic aperture radar, SAR) 영상을 활용하여 Sentinel-2 NDVI 결측값을 복원하는 모델을 개발하였다. 이는 광학적으로 관측이 어려운 구름 조건이나 야간에도 NDVI를 추정할 수 있는 잠재력을 보여준다. Automated machine learning (AutoML)을 활용한 비선형 결측복원모델의 5폴드(fold) 교차검증 결과, 절대오차 7.214E-05, 상관계수 0.878의 NDVI 복원 성능을 보였다. 이를 통해 시공간 연속적인 NDVI 생산 방법론을 발전시켜, 전천후 식생 모니터링에 필요한 정보 생산에 기여할 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제39권6_1호
• /
• pp.1283-1297
• /
• 2023

중적외선(mid-wave infrared, MWIR) 영상은 피복 및 객체의 온도를 파악할 수 있어 환경, 국방 등 다양한 분야에서 핵심 데이터로 사용된다. KOMPSAT-3A 위성은 타 위성에 비해 높은 공간해상도의 MWIR 영상을 제공하지만, 광학(electro-optical, EO) 영상에 비해 상대적으로 낮은 시인성을 가져 활용성의 확대에 어려움을 겪는다. 이에 본 연구에서는 KOMPSAT-3A 전정색(panchromatic, PAN) 영상의 윤곽 정보를 기반으로 시인성이 높은 MWIR 융합 영상을 제작하고자 한다. 먼저, 이종 센서에서 취득된 PAN 영상과 MWIR 영상의 상대 기하오차를 제거하는 전처리를 수행하고, 딥러닝 기반 윤곽 정보 추출 기술인 Pixel difference network (PiDiNet)의 사전 학습 모델을 이용하여 PAN 영상에 대한 윤곽 정보를 추출한다. 이후 전처리된 MWIR 영상과 추출된 윤곽 정보를 중첩하여 객체 경계면이 강조된 MWIR 융합 영상을 제작한다. 제안 방법을 이용하여 서로 다른 세 지역에 대한 MWIR 융합 영상을 제작하였으며, 이를 시각적으로 분석하였다. 본 기법을 통해 제작된 MWIR 융합 영상은 지형 및 지물의 경계면이 강조되어 시인성이 개선되었으며, 세부적으로 관심 지역에 대한 열 정보를 전달할 수 있었다. 특히, MWIR 융합 영상에서는 저해상도의 원본 MWIR 영상에서 식별할 수 없었던 비행기, 선박 등의 객체를 육안으로 판독할 수 있었다. 본 연구는 가시적인 정보와 열 정보를 동시에 고려할 수 있는 단일 영상 제작 방법론을 제시하였으며, 이는 MWIR 영상의 활용성 확대에 이바지할 수 있을 것으로 사료된다.

• 대한원격탐사학회지
• /
• 제39권6_1호
• /
• pp.1211-1224
• /
• 2023

구름은 광학위성을 이용한 국토 관측 및 재난 대응, 변화 탐지 등 지표의 현상을 관측하는데 있어 많은 어려운 문제를 야기한다. 구름의 존재는 영상 처리 단계 뿐만 아니라 최종적으로는 데이터의 품질에 영향을 미치므로 이를 반드시 식별하고 제거하는 과정이 필요하다. 따라서 본 연구에서는 위성영상 내 구름의 분광패턴에 가장 근접한 화소를 탐색 및 추출해 최적의 임계값을 선정하고 임계값을 바탕으로 구름 산출물을 제작하는 일련의 과정을 자동으로 수행하는 새로운 구름 탐지 기법을 개발하고자 하였다. 구름 탐지 기법은 크게 세 단계로 구성된다. 첫 번째 단계에서는 Digital Number (DN) 단위 영상을 대기상층 반사율 단위로 변환하는 과정을 수행한다. 두 번째 단계에서는 대기상층 반사율 영상을 이용하여 Hue-Value-Saturation (HSV) 변환 및 삼각형 임계 처리, 최대우도 분류 등의 전처리를 적용하고 각 영상별로 초기 구름 마스크 생성을 위한 임계값을 결정한다. 세번째 후처리 단계에서는 생성된 초기 구름 마스크에 포함된 노이즈를 제거하고 구름 경계 및 내부를 개선한다. 구름 탐지를 위한 실험 자료로 구름의 공간적, 계절적 분포의 다양성을 보여주는 4~11월 시기에 한반도 지역에서 촬영된 국토위성 L2G 영상을 사용하였다. 제안 방법의 성능을 검증하기 위해 단일 임계화 방법으로 생성된 결과를 비교하였다. 실험 결과, 제안 방법은 기존 방법과 비교하여 전처리 과정을 통해 각 영상의 방사학적 특성을 고려할 수 있어 보다 정확하게 구름을 검출할 수 있었다. 또한, 구름 개체를 제외한 나머지 밝은 물체(판넬식 지붕, 콘크리트 도로, 모래 등)의 영향을 최소화하는 결과를 보여주었다. 제안 방법은 기존 방법 대비 F1-score 기준으로 30% 이상의 개선된 결과를 보여주었으나 눈이 포함된 특정 영상에서 한계점이 있었다.

• 대한원격탐사학회지
• /
• 제39권6_1호
• /
• pp.1413-1425
• /
• 2023

기후변화로 인한 대형 산불의 빈도가 증가함에 따라 극심한 인명 및 재산상의 피해를 초래하고 있다. 이로 인해 많은 식생이 소실되며, 그 강도와 발생 형태에 따라 생태계 변화에 영향을 끼친다. 생태계 변화는 다시 산불 발생을 유발하여 2차 피해를 야기한다. 따라서 산불 피해지에 대한 정확한 탐지 및 면적 산정의 중요성이 지속적으로 제기되고 있다. 효율적인 산불 피해지 모니터링을 위해 산불 발생 후 실시간 지형 및 기상정보는 물론 피해지역의 영상을 대규모로 취득할 수 있는 위성영상이 주로 활용되고 있다. 최근, 합성곱 신경망(convolution neural network, CNN) 기반 모델부터 고성능 트랜스포머(Transformer) 기반 모델에 이르기까지 딥러닝 알고리즘이 빠르게 발전하면서 산림원격탐사에서 이를 적용한 연구가 활발히 이루어지고 있다. 하지만 현재까지 적용된 딥러닝 모델은 제한적이며 현업에서의 합리적인 활용을 위한 정량적 성능평가에 대한 보고가 부족한 상황이다. 따라서 본 연구에서는 모델에 따른 성능향상과 데이터 설계에 따른 성능향상을 중점적으로 비교 분석하였다. 미국 캘리포니아 지역을 대상으로 CNN 기반 모델의 U-Net, High Resolution Network-Object Contextual Representation (HRNet-OCR)을 활용하여 산불 피해지 모델을 구축하였다. 또한, 기본 파장대역과 함께 식생활력도 및 지표의 수분함량 정도를 고려하고자 normalized difference vegetation index (NDVI), normalized burn ratio (NBR)와 같은 산불 관련 분광지수를 산출하여 입력 이미지로 사용하였다. U-Net의 mean intersection over union (mIoU)이 0.831, HRNet-OCR이 0.848을 기록하여 두 모델 모두 우수한 영상분할 성능을 보였다. 또한, 밴드 반사도뿐 아니라 분광지수를 추가한 결과 모든 조합에서 평가지표 값이 상승하여 분광지수를 활용한 입력 데이터 확장이 픽셀 세분화에 기여함을 확인하였다. 이와 같은 딥러닝 방법론을 발전시킨다면 우리나라의 산불 피해지에 대한 신속한 파악 및 복구 계획 수립의 기초자료로 활용될 수 있을 것으로 기대된다.