• Journal of Periodontal and Implant Science
• /
• 제25권3호
• /
• pp.720-732
• /
• 1995

미분화중배엽세포의 분화에 관여한다고 알려진 변형성장인자-${\beta}1$이 초기배양한 치주인대세포와 치은섬유아세포에 각기 다른 농도와 시간에 따라 변형성장인자-${\beta}1$을 주입했을때 두 세포의 세포증식능에 미치는 영향을 알아보고 각 조건에 따른 두 세포간의 증식능을 상호 비교해 보고자 본 실험을 실시하였다. 교정치료를 목적으로 내원한 환자의 제 1 소구치 부위의 정상치은을 절제하고, 건강한 제 1 소구치를 발거하여 치은섬유아세포와 치주인대세포를 분리, 배양하여 변형성장인자-${\beta}1$을 주입시키지 않은 군을 대조군으로 하고, 변형성장인자-${\beta}1$을 각각 0.25, 0.5, 1, 2.5, 5ng/ml로 주입시킨 군을 실험군으로하여 24시간, 48시간, 72시간 동안 배양하였으며, 각 시간별 배양 24시간 전에 $1{\mu}Ci/ml$ $[^3H]-thymidine$을 첨가하여 $[^3H]-thymidine$이 DNA내로 편재되는 속도로써 두세포군의 증식능을 측정하여 다음과 같은 결과를 얻었다. DNA합성능에 미치는 변형성장인자-${\beta}1$의 효과는 치주인대세포와 치은섬유아세포 모두에서 투여한 변형성장인자-${\beta}1$의 효과는 치주인대세포와 치은섬유아세포 모두에서 투여한 변형성장인자에 대하여 농도의존적으로 세포가 증식 하는 것으로 나타났다. 치은섬유아세포에 변형성장인자-${\beta}1$을 투여한 군에서는 24, 48, 72시간 모두에서 각 대조군에 비하여 농도의존적으로 증가하는 경향을 보였다. 24시간 적용시 대조군에 비해 1,2.5, 5 ng/ml투여군에서 통계적으로 유의한 차이(P<0.05)를 나타내었고, 48시간 적용시에는 대조군에 비해 1, 2.5, 5 ng/ml 투여군에서 통계적으로 유의한 차이(P<0.05)를 나타내었다. 48시간 적용시에 가장 높은 증식능을 보였으며 72시간 적용시에는 48시간 적용에 비해 전반적으로 증식능이 감소하는 경향을 보였다. 치주인대세포의 DNA 합성능에 미치는 변형성장인자-${\beta}$의 효과는, 변형성장인자-${\beta}$를 각각 24시간, 48시간 적용하였을�� 각 대조군에 비하여 농도의존적으로 증가하는 경향을 보였으며, 24시간 적용시에 대조군에 비해 1, 2.5, 5ng/ml 투여군에서 통계적으로 유의한 차이(P<0.05)를 나타내었고, 48시간 적용시에 대조군에 비해 2.5, 5ng/ml 투여군에서 통계적으로 유의한 차이(P<0.05)를 나타애었다. 72시간 적용시에는 5ng/ml의 농도에서 증식능이 감소하는 경향을 보였다. 48시간 적용시에 역시 가장 높은 증식능을 보였으며 72시간 적용에서는 48시간 적용에 비해 전반적으로 증식능이 감소되는 경향을 나타내었다. 변형성장인자-${\beta}1$의 적용에 따른 치주인대세포와 농도별 비교에서 치은섬유아세포군이 치주인대세포군보다 더 높은것으로 나타났다.

• 핵의학기술
• /
• 제12권3호
• /
• pp.235-240
• /
• 2008

PET/CT 검사의 사용 초기에 CT는 주로 감쇠보정(Attenuation Correction: AC)의 목적으로 사용되어졌지만, CT의 성능이 향상됨으로써 조영제를 이용한 CT검사를 진단에 반영하여 보다 진보된 진단적 가치를 가질 수 있게 되었다. 조영제의 사용이 없이도 CT를 판독할 수 있지만 병변의 정확한 범위를 확인하고 정상 구조물을 구별하는데 있어서 조영제의 사용은 판독자로 하여금 판독을 매우 용이하게 하는 도움을 줄 수 있다. 하지만, 그동안 PET/CT검사 시 조영제가 감쇠보정에 영향을 줄 수 있다는 논쟁으로 이견이 많았다. 40-140 keV 정도의 낮은 엑스선을 이용하는 CT영상에 비하여, 조영제를 사용한 CT영상에서는 조영제로 인해 감쇠가 많이 되지만 511 keV의 에너지를 가진 감마선은 조영제로 인해 거의 영향을 받지 않게 되고 이로 인해 감쇠보정 시 과보정을 하게 되어 PET영상에서 오류를 나타낼 수 있다는 의견이 보고되기도 하였다. 이와는 반대로 조영제가 감쇠보정에 과대평가를 가져올 수 있다는 의견과 과보정으로 인한 표준화섭취계수에 변화의 가능성은 있으나 결정적인 영향을 미치지 않는다는 의견도 제시되었다. 본 연구에서는 조영제의 영향이 SUV에 어떠한 영향을 미치는지에 대해서만 비교 평가하였다. 2007년 12월에서 2008년 6월 사이에 본원에서 PET/CT 검사를 시행한 환자 중 요오드 조영제에 대한 부작용이 없고 당뇨병이 없는 진행성 암 환자 30명을 대상으로 하였으며, DSTe (General Electric Healthcare, Milwaukee, MI, USA)를 사용하여, 각각의 환자는 조영제를 사용하지 않은 CT를 시행한 후 PET영상을 얻었고 그 후, 조영제를 사용한 CT검사를 하였다. 각각의 CT정보로 감쇠보정을 실시, 종류별로 PET영상을 획득하여, 각 영상에 동일한 관심영역(Region of Interests : ROIs)을 설정 후, SUV를 비교 하였다. 얻어진 두 가지 결과 값의 정량 분석의 비교를 위해서 대응표본 T-검정 (Paired t-test)을 사용하였다. 검사를 시행한 30명의 환자에게서 폐, 간, 심장의 $SUV_{max}$ 값과 $SUV_{mean}$값을 측정하여 총 180개 영역을 분석하였다. 조영제를 사용하기 전과 후를 비교하였을 때, 측정한 거의 모든 영역에서 조영 후의 $SUV_{max}$와 $SUV_{mean}$가 상승하였고 통계적으로도 유의한 것으로 나타났다(p value<0.05). 심장 영역에서 조영 전 보다 조영 후의 $SUV_{mean}$값이 증가된 것으로 나타났지만, 통계적으로 유의하게 나타나지는 않았다. 조영제를 사용한 CT영상의 SUV값이 과보정되어, 조영제를 사용하지 않은 CT의 SUV 보다 높게 나왔으나 기존의 보고된 논문에서는 이와 같은 결과는 실제 임상 판독에 있어서 큰 영향을 미치지 않는다고 보고되어 있다. 그러나 원발성병변의 진행을 알아보는 과정에서는 SUV의 작은 변동도 분명 영향을 줄 수 있으므로 간 영역과 같이 SUV의 변동이 다른 영역에 비해 상대적으로 큰 영역에서는 수치의 변화에 대한 주의가 요구 될 것으로 사료된다.

• Journal of Biosystems Engineering
• /
• 제6권2호
• /
• pp.20-32
• /
• 1982

보급초기(普及初期)에 있는 농용(農用)트랙터의 농가이용실태(農家利用實態)를 조사분석(調査分析)하여 정부(政府)의 농업기계화시책(農業機械化施策)의 기초자료(基礎資料)로 활용(活用)하고자 8개도(個道) 32개군(個郡)을 대상(對象)으로 설문(設問)과 기장조사(記帳調査)를 통(通)하여 '80년(年) 1월(月)부터 12월말(月末)까지 트랙터의 농작업이용실태(農作業利用實態) 및 농가특성(農家特性)을 조사분석(調査分析)한 결과(結果)는 다음과 같다. 가. 트랙터는 수도작농가(水稻作農家)에 71.5%, 축산농가(畜産農家) 17.0%, 과수농가(果樹農家) 7.0%, 기타농가(其他農家) 4.5%의 비율(比率)로 분포(分布)되어 있으며, 이중 64.3%는 대형(大型)트랙터이었고 35.7%가 소형(小型)트랙터(19~23ps)이었다. 나. 부착작업기(附着作業機)중 쟁기와 로타베이터는 대부분(大部分)이 보유(保有)하고 있었으나 소형(小型)트랙터의 트레일러는 보유율(保有率)이 70.6%로, 농작업(農作業)에서 운반작업(運搬作業)이 차지하는 비중(比重)을 감안할 때, 비교적(比較的) 낮았으며, 기타(其他) 작업기(作業機)는 균평작업기(均平作業機)를 제외(除外)하고는 보급률(普及率)이 극(極)히 저조(低調)하였다. 다. 트랙터소유농가(所有農家)의 대당평균(臺當平均) 경작면적(耕作面積)은 수도작농가(水稻作農家) 3.9%, 축산농가(畜産農家) 13.9%, 과수농가(果樹農家) 7.4(ha)이었으며 이러한 규모(規模)는 트랙터의 부담가능면적(負擔可能面積)에 훨씬 미달(未達)하는 규모(規模)이었다. 라. 트랙터 운전자(運轉者)의 연령(年齡)은 20,30대(代)가 약(約) 70%이었고, 90%이상(以上)이 중졸이상(中卒以上)의 학력(學歷)을 가졌으며, 학력수준(學歷水準)이나 경력(經歷)에 비(比)하여 정비기술(整備技術)은 아주 낮은 것으로 나타났다. 마. 현(現) 보급기종(普及機種)의 마력규모(馬力規模)나 성능상(生能上)의 별 다른 문제점(問題點)은 발견(發見)되지 않았으나 농민(農民)의 마력성향(馬力生向)으로 보아 앞으로 20-30마력범위(馬力範圍)의 소형(小型)트랙터 수요(需要)가 증가(增加)될 것으로 예측(豫測)된다. 바. 트랙터의 각종(各種) 농작업이용시간(農作業利用時間)은 연간(年間) 약(約) 100일(日)에 400hr로 나타났으며 수도작농가(水稻作農家)가 412.4hr로 가장 높고 과수농가(果樹農家)가 377.7hr로 가장 낮았다. 사. 연간이용시간중(年間利用時間中) 운반작업(運搬作業)이 47.3%, 경운정지작업(耕耘整地作業)이 41.6%이었으며, 운반작업(軍搬作業)은 축산농가(畜産農家), 경운정지(耕耘整地) 및 평균작업(均平作業)은 수도작농가(水稻作農家), 기타작업(其他作業)은 과수농가(果樹農家)가 가장 많았다. 마력별(馬力別)로는 운반(運搬), 정지(整地) 및 방제작업(防除作業)은 대형(大型)트랙터 보다는 소형(小型)트랙터가, 경운(耕耘), 균평(均平), 로다작업(作業)은 대형(大型)보다 소형(小型)트랙터가 많았다. 아. 월별(月別) 이용시간(利用時間)은 5월(月)에 가장 높은 피크현상(現象)을 가졌으며, 자가이용시간(自家利用時間)이 경영형태(經營形態)에 따라서는 현저(顯著)한 차이(差異)를 가졌으나 마력별(馬力別)로는 별차(別差)가 없었던 반면(反面)에, 총이용시간(總利用時間)은 정반대(正反對)의 현상(現象)으로 마력(馬力)에 따른 차이(差異)는 현저(顯著)하나 경영형태(經營形態)에 따른 차이(差異) 별로 없는 것으로 나타났다. 자. 운전자(運轉者)의 학력수준(學力水準)이 높고 연령(年歷)이 많을 수록 이용시간(利用時間)은 감소(減少)되었으며 이는 학력(學歷)이 높고 연령(年歷)이 많은 경우(境遇) 임작업(賃作業)을 기피(忌避)하는 현상(現象)때문인 것으로 사료(思料)되었다. 차. 대당평균(臺當平均) 연간(年間) 임작업시간(賃作業時間)은 171.3hr으로 이중 균평작업(均平作業)이 35.4%로 가장 높았으며, 임작업율(貨作業率)은 수도작농가(水稻作農家)가 63.7%, 축산농가(畜産農家) 31.7%, 과수농가(果樹農家) 22.4%이었으며 작업별(作業別)로는 균평작업(均平作業)의 임작업율(賃作業率)이 78.2%로 가장 높았다. 카. 임작업료(賃作業料)는 경운정지작업(耕耘整地作業)은 ha당(當) 40,000선(線)이었으며 지역(地域)에 따라 영남지방(嶺南地方)이 가장 비싸고 중부지방(中部地方)이 비교적(比較的) 싼것으로 나타났다. 다. 경운작업능률(耕耘作業能率)은 논에서 소형(小型)은 7.8hr/ha, 대형(大型)트랙터는 4.3hr/ha이었으며, 정지작업능률(整地作業能率)은 각각(各各) 6.5, 4.3hr/ha이었다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.127-148
• /
• 2020

데이터 센터는 컴퓨터 시스템과 관련 구성요소를 수용하기 위한 물리적 환경시설로, 빅데이터, 인공지능 스마트 공장, 웨어러블, 스마트 홈 등 차세대 핵심 산업의 필수 기반기술이다. 특히, 클라우드 컴퓨팅의 성장으로 데이터 센터 인프라의 비례적 확장은 불가피하다. 이러한 데이터 센터 설비의 상태를 모니터링하는 것은 시스템을 유지, 관리하고 장애를 예방하기 위한 방법이다. 설비를 구성하는 일부 요소에 장애가 발생하는 경우 해당 장비뿐 아니라 연결된 다른 장비에도 영향을 미칠 수 있으며, 막대한 손해를 초래할 수 있다. 특히, IT 시설은 상호의존성에 의해 불규칙하고 원인을 알기 어렵다. 데이터 센터 내 장애를 예측하는 선행연구에서는, 장치들이 혼재된 상황임을 가정하지 않고 단일 서버를 단일 상태로 보고 장애를 예측했다. 이에 본 연구에서는, 서버 내부에서 발생하는 장애(Outage A)와 서버 외부에서 발생하는 장애(Outage B)로 데이터 센터 장애를 구분하고, 서버 내에서 발생하는 복합적인 장애 분석에 중점을 두었다. 서버 외부 장애는 전력, 냉각, 사용자 실수 등인데, 이와 같은 장애는 데이터 센터 설비 구축 초기 단계에서 예방이 가능했기 때문에 다양한 솔루션이 개발되고 있는 상황이다. 반면 서버 내 발생하는 장애는 원인 규명이 어려워 아직까지 적절한 예방이 이뤄지지 못하고 있다. 특히 서버 장애가 단일적으로 발생하지 않고, 다른 서버 장애의 원인이 되기도 하고, 다른 서버부터 장애의 원인이 되는 무언가를 받기도 하는 이유다. 즉, 기존 연구들은 서버들 간 영향을 주지 않는 단일 서버인 상태로 가정하고 장애를 분석했다면, 본 연구에서는 서버들 간 영향을 준다고 가정하고 장애 발생 상태를 분석했다. 데이터 센터 내 복합 장애 상황을 정의하기 위해, 데이터 센터 내 존재하는 각 장비별로 장애가 발생한 장애 이력 데이터를 활용했다. 본 연구에서 고려되는 장애는 Network Node Down, Server Down, Windows Activation Services Down, Database Management System Service Down으로 크게 4가지이다. 각 장비별로 발생되는 장애들을 시간 순으로 정렬하고, 특정 장비에서 장애가 발생하였을 때, 발생 시점으로부터 5분 내 특정 장비에서 장애가 발생하였다면 이를 동시에 장애가 발생하였다고 정의하였다. 이렇게 동시에 장애가 발생한 장비들에 대해서 Sequence를 구성한 후, 구성한 Sequence 내에서 동시에 자주 발생하는 장비 5개를 선정하였고, 선정된 장비들이 동시에 장애가 발생된 경우를 시각화를 통해 확인하였다. 장애 분석을 위해 수집된 서버 리소스 정보는 시계열 단위이며 흐름성을 가진다는 점에서 이전 상태를 통해 다음 상태를 예측할 수 있는 딥러닝 알고리즘인 LSTM(Long Short-term Memory)을 사용했다. 또한 단일 서버와 달리 복합장애는 서버별로 장애 발생에 끼치는 수준이 다르다는 점을 감안하여 Hierarchical Attention Network 딥러닝 모델 구조를 활용했다. 본 알고리즘은 장애에 끼치는 영향이 클 수록 해당 서버에 가중치를 주어 예측 정확도를 높이는 방법이다. 연구는 장애유형을 정의하고 분석 대상을 선정하는 것으로 시작하여, 첫 번째 실험에서는 동일한 수집 데이터에 대해 단일 서버 상태와 복합 서버 상태로 가정하고 비교분석하였다. 두 번째 실험은 서버의 임계치를 각각 최적화 하여 복합 서버 상태일 때의 예측 정확도를 향상시켰다. 단일 서버와 다중 서버로 각각 가정한 첫 번째 실험에서 단일 서버로 가정한 경우 실제 장애가 발생했음에도 불구하고 5개 서버 중 3개의 서버에서는 장애가 발생하지 않은것으로 예측했다. 그러나 다중 서버로 가정했을때에는 5개 서버 모두 장애가 발생한 것으로 예측했다. 실험 결과 서버 간 영향이 있을 것이라고 추측한 가설이 입증된 것이다. 연구결과 단일 서버로 가정했을 때 보다 다중 서버로 가정했을 때 예측 성능이 우수함을 확인했다. 특히 서버별 영향이 다를것으로 가정하고 Hierarchical Attention Network 알고리즘을 적용한 것이 분석 효과를 향상시키는 역할을 했다. 또한 각 서버마다 다른 임계치를 적용함으로써 예측 정확도를 향상시킬 수 있었다. 본 연구는 원인 규명이 어려운 장애를 과거 데이터를 통해 예측 가능하게 함을 보였고, 데이터 센터의 서버 내에서 발생하는 장애를 예측할 수 있는 모델을 제시했다. 본 연구결과를 활용하여 장애 발생을 사전에 방지할 수 있을 것으로 기대된다.