• Korean Chemical Engineering Research
• /
• 제60권4호
• /
• pp.588-593
• /
• 2022

본 논문에서는 hemin, 폴리에틸렌이민(PEI) 및 탄소나노튜브(CNT)를 이용하여 제조 CNT/PEI/hemin/PEI 복합재에 가교제인 테레프탈알데하이드(TPA)를 첨가하여 전자전달이 개선된 과산화수소 환원 반응(HPRR) 촉매를 합성하였다. 합성된 촉매(CNT/PEI/hemin/PEI/TPA)를 과산화수소 10 mM 농도에서 HPRR 반응성을 확인한 결과, 0.2 V (vs. Ag/AgCl)에서 0.2813 mA cm^-2의 전류 밀도로 나타났으며, 이는 가교하지 않은 촉매(CNT/PEI/hemin/PEI)와 범용 가교제인 글루타르알데하이드(GA)에 의해 가교된 촉매(CNT/PEI/hemin/PEI/GA)에 비해 각각 2.43 및 1.87배 증가하였다. CNT/PEI/hemin/PEI/TPA의 HPRR 개시전위는 0.544 V로서 CNT/PEI/hemin/PEI와 CNT/PEI/hemin/PEI/GA의 0.511 및 0.471 V에 비하여 원활한 전자전달에 의해 개선되었음을 확인할 수 있었다. 이는 전기화학 임피던스 분광법(EIS)을 이용한 분석 결과에서도 확인되었는데, CNT/PEI/hemin/PEI/GA의 경우, 전자전달을 방해하는 가교제의 도입에 따라 CNT/PEI/hemin/PEI에 비하여 높은 전자전달저항을 나타낸 반면, CNT/PEI/hemin/PEI/TPA는 6.2% 감소하여, 가장 낮은 전자전달저항을 나타냈다. 막이 없는 흐름형 과산화수소 연료전지를 이용한 평가에서도, CNT/PEI/hemin/PEI/TPA를 환원극으로 활용한 전지의 최대 출력 밀도가 36.34±1.41 μWcm^-2로, CNT/PEI/hemin/PEI (27.87±0.95 μWcm^-2)와 CNT/PEI/hemin/PEI/GA(25.57±1.32 μWcm^-2) 보다 높게 측정되어, TPA는 전자전달을 개선 성능을 확인할 수 있었다.

• 지구물리와물리탐사
• /
• 제25권4호
• /
• pp.167-176
• /
• 2022

심지층 특성화 기술 확보에 필요한 자체 기기 개발의 일환으로 철재 케이싱이 설치된 시추공에도 적용가능한 공곡검층기 K-DEV를 설계하고 500 m 깊이 용 시작품을 개발하였다. K-DEV는 디지털 출력을 제공하고 이미 성능이 입증된 센서들을 장착하며, 기존에 국내에서 사용하는 윈치시스템과 호환성을 갖추도록 설계되었다. K-DEV 시작품은 외경 48.3 mm 비자성 스테인레스강 하우징을 채용했으며 실험실 내에서 20 MPa까지의 방수 시험, 그리고 1 km 깊이 시추공에 삽입하여 내구성 시험을 거쳤다. 시작품을 이용해 600 m 깊이까지의 하향 및 상향 연속 검층을 수행하여 작동의 안정성 및 자료의 반복성을 확인하였다. 철재 케이싱이 설치되어 있는 시추공내에서 방위각 결정에 필수적인 자이로 센서로 K-DEV 시작품에서는 고정밀도 MEMS 자이로스코프를 채택하였다. 여기에 가속도계 자료와 각속도 자료를 융합하고 무향 칼만 필터링(Unscented Kalman Filtering)을 통해 최적화 함으로써 정확한 궤적 추적을 수행하는 알고리듬을 고안하였다. 시험 시추공에서 K-DEV 시작품과 상업적 기기와의 비교 검층을 통해 서로 매우 근접한 결과를 얻었다. 특히, MEMS 자이로 센서의 시간에 따른 drift에 의한 오차 누적 문제는 검층 전 후에 정두에서 동일한 방향으로 위치한 정지 상태에서 측정한 자료로부터 각속도를 보정함으로써 해소될 수 있으며, 철재 케이싱이 설치된 시추공에서의 공곡검층이 나공 상태에서의 결과와 거의 동일한 궤적 추정 결과를 제공함을 확인할 수 있었다. 이러한 시작품 적용 결과로서 K-DEV 개발의 방법론, 시작품의 안정성 및 자료의 신뢰성을 확보하였다고 판단된다.

• 대한원격탐사학회지
• /
• 제39권2호
• /
• pp.207-221
• /
• 2023

본 연구는 천리안위성 2A호의 Level 1B (L1B) 정보를 사용해 지상기온을 추정하기 위한 심층신경망(deep neural network, DNN) 기법을 적용하고 검증을 실시하였다. 지상기온은 지면으로부터 1.5 m 높이의 대기온도로 일상생활뿐만 아니라 폭염이나 한파와 같은 이슈에 밀접한 관련을 갖는다. 지상기온은 지표면 온도와 대기의 열 교환에 의해 결정되므로 위성으로부터 산출된 지표면 온도(land surface temperature, LST)를 이용한 지상기온 추정 연구가 활발하였다. 하지만 천리안위성 2A호 산출물 LST는 Level 2 정보로 구름영향이 없는 픽셀만 산출되는 한계가 있다. 따라서 본 연구에서는 Advanced Meteorological Imager 센서에서 측정된 원시데이터에 오직 복사와 위치보정을 마친 L1B 정보를 사용해 지상기온을 추정하기 위한 DNN 모델을 제시하고 그 성능을 가늠하기 위해 위성 LST와 지상관측 기온 사이의 선형회귀모델을 기준모델로 사용하였다. 연구기간은 2020년부터 2022년까지 3년으로 평가기간 2022년을 제외한 기간은 훈련기간으로 설정했다. 평가지표는 기상청의 종관기상관측소에서 정시에 관측된 기온정보로 평균 제곱근 오차를 사용하였다. 관측지점에서 추출된 픽셀 중 손실된 픽셀의 비율은 LST는 57.91%, L1B는 1.63%를 보였으며 LST의 비율이 낮은 이유는 구름의 영향 때문이다. 제안한 DNN의 구조는 16개 L1B 자료와 태양정보를 입력 받는 층과 은닉층 4개, 지상기온 1개를 출력하는 층으로 구성하였다. 연구결과 구름의 영향이 없는 경우 DNN 모델이 root mean square error (RMSE) 2.22℃로 기준모델의 RMSE 3.55℃ 보다 낮은 오차를 보였고, 흐린 조건을 포함한 총 RMSE는 3.34℃를 나타내면서 구름의 영향을 제거할 수 있을 것으로 보였다. 하지만 계절과 시간에 따른 분석결과 여름과 겨울철에 모델의 결정계수가 각각 0.51과 0.42로 매우 낮게 나타났고 일 변동의 분산이 0.11과 0.21로 나타났다. 가시채널을 고려해 태양 위치정보를 추가한 결과에서 결정계수가 0.67과 0.61로 개선되었고 시간에 따른 일 변동의 분산도 0.03과 0.1로 감소하면서 모든 계절과 시간대에 더 일반화된 모델을 생성할 수 있었다.

• 지능정보연구
• /
• 제19권2호
• /
• pp.125-140
• /
• 2013

어떤 클래스에 속한 레코드의 개수가 다른 클래스들에 속한 레코드의 개수보다 매우 많은 경우에, 이 데이터 집합을 '불균형 데이터 집합'이라고 한다. 데이터 분류에 사용되는 많은 기법들은 이러한 불균형 데이터에 대해서 저조한 성능을 보인다. 어떤 기법의 성능을 평가할 때에 적중률뿐만 아니라, 민감도와 특이도도 함께 측정하여야 한다. 고객의 이탈을 예측하는 문제에서 '유지' 레코드가 다수 클래스를 차지하고, '이탈' 레코드는 소수 클래스를 차지한다. 민감도는 실제로 '유지'인 레코드를 '유지'로 예측하는 비율이고, 특이도는 실제로 '이탈'인 레코드를 '이탈'로 예측하는 비율이다. 많은 데이터 마이닝 기법들이 불균형 데이터에 대해서 저조한 성능을 보이는 것은 바로 소수 클래스의 적중률인 특이도가 낮기 때문이다. 불균형 데이터 집합에 대처하는 과거 연구 중에는 소수 클래스를 Oversampling하여 균형 데이터 집합을 생성한 후에 데이터 마이닝 기법을 적용한 연구들이 있다. 이렇게 균형 데이터 집합을 생성하여 예측을 수행하면, 특이도는 다소 향상시킬 수 있으나 그 대신 민감도가 하락하게 된다. 본 연구에서는 민감도는 유지하면서 특이도를 향상시키는 모델을 개발하였다. 개발된 모델은 Support Vector Machine (SVM), 인공신경망(ANN) 그리고 의사결정나무 기법 등으로 구성된 하이브리드 모델로서, Hybrid SVM Model이라고 명명하였다. 구축과정 및 예측과정은 다음과 같다. 원래의 불균형 데이터 집합으로 SVM_I Model과 ANN_I Model을 구축한다. 불균형 데이터 집합으로부터 Oversampling을 하여 균형 데이터 집합을 생성하고, 이것으로 SVM_B Model을 구축한다. SVM_I Model은 민감도에서 우수하고, SVM_B Model은 특이도에서 우수하다. 입력 레코드에 대해서 SVM_I와 SVM_B가 동일한 예측치를 도출하면 그것을 최종 해로 결정한다. SVM_I와 SVM_B가 상이한 예측치를 도출한 레코드에 대해서는 ANN과 의사결정나무의 도움으로 판별 과정을 거쳐서 최종 해를 결정한다. 상이한 예측치를 도출한 레코드에 대해서는, ANN_I의 출력값을 입력속성으로, 실제 이탈 여부를 목표 속성으로 설정하여 의사결정나무 모델을 구축한다. 그 결과 다음과 같은 2개의 판별규칙을 얻었다. 'IF ANN_I output value < 0.285, THEN Final Solution = Retention' 그리고 'IF ANN_I output value ${\geq}0.285$, THEN Final Solution = Churn'이다. 제시되어 있는 규칙의 Threshold 값인 0.285는 본 연구에서 사용한 데이터에 최적화되어 도출된 값이다. 본 연구에서 제시하는 것은 Hybrid SVM Model의 구조이지 특정한 Threshold 값이 아니기 때문에 이 Threshold 값은 대상 데이터에 따라서 얼마든지 변할 수 있다. Hybrid SVM Model의 성능을 UCI Machine Learning Repository에서 제공하는 Churn 데이터 집합을 사용하여 평가하였다. Hybrid SVM Model의 적중률은 91.08%로서 SVM_I Model이나 SVM_B Model의 적중률보다 높았다. Hybrid SVM Model의 민감도는 95.02%이었고, 특이도는 69.24%이었다. SVM_I Model의 민감도는 94.65%이었고, SVM_B Model의 특이도는 67.00%이었다. 그러므로 본 연구에서 개발한 Hybrid SVM Model이 SVM_I Model의 민감도 수준은 유지하면서 SVM_B Model의 특이도보다는 향상된 성능을 보였다.

• 대한방사선치료학회지
• /
• 제32권
• /
• pp.41-52
• /
• 2020

목 적: Hypopharynx Cancer의 VMAT 치료 시 Neck 부분에 Commercial Bolus(이하 CB)와 3D Printing 기술로 제작한 3D Bolus를 각각 적용한 두 치료 계획을 비교함으로써 3D Bolus 적용의 선량학적 유용성, setup 재현성 및 효율성을 알아보고 임상적 적용 가능성을 평가하고자 한다. 대상 및 방법: CB를 적용한 RANDO phantom의 CT image를 바탕으로 3D Bolus를 동일한 형태로 제작하였다. 3D Bolus는 OMG SLA 660 Printer, MaterialiseMagics software를 이용하여 SLA기법을 통해 밀도 1.2 g/㎤의 폴리우레탄 아크릴레이트 수지로 출력하였다. CB와 3D Bolus를 적용한 두 CT image를 바탕으로 Hypopharynx Cancer의 VMAT 치료를 가정하여 치료 계획을 수립하였다. 수립한 두 치료 계획을 각각 18회에 걸쳐 CBCT image를 획득하였고, 매 회 setup time을 측정하여 치료 효율성을 평가하였다. 획득한 CBCT image를 바탕으로 전산화 치료계획 시스템 Pinnacle을 통해 Adaptive Plan을 진행함으로써 Target, 정상 장기 선량 평가와 Bolus Volume의 변화를 평가하였다. 결 과: 각 치료 계획에 대한 setup time은 CB 적용 치료 계획에 비해 3D Bolus 적용 치료 계획에서 평균 28 sec 감소하였다. 치료 전 기간 내 Bolus Volume 변화는 CB Initial Plan 83.9㎤에서 86.1±2.70㎤, 3D Bolus Initial Plan 92.2㎤에서 99.8±0.46㎤로 나타났다. CTV Min Value의 변화는 CB Initial Plan 191.6cGy에서 167.4±19.38cGy, 3D Bolus Initial Plan 167.3cGy에서 149.5±18.27cGy로 나타났다. CTV Mean Value의 변화는 CB Initial Plan 227.1cGy에서 228.3±0.38cGy, 3D Bolus Initial Plan 225.9cGy에서 227.7±0.30cGy로 나타났다. PTV Min Value의 변화는 CB Initial Plan 128.5cGy에서 74.9±19.47cGy, 3D Bolus Initial Plan 139.9cGy에서 83.2±12.92cGy로 나타났다. PTV Mean Value의 변화는 CB Initial Plan 225.4cGy에서 226.2±0.83cGy, 3D Bolus Initial Plan 224.1cGy에서 225.8±0.33cGy로 나타났다. 정상 장기 Spinal Cord에 대한 Max Value는 매 회 평균 135.6cGy로 동일하게 나타났다. 결 론: 본 논문의 실험 결과를 통해 불균등한 체표면에 대한 3D Bolus의 적용이 Commercial Bolus 적용에 비해 선량학적으로 유용하고 setup 재현성 및 효율성 또한 우수함을 알 수 있었다. 추후 3D Printing 재료의 다양성에 대한 연구와 함께 추가적인 사례 연구가 진행된다면 방사선 치료 분야에서 3D Bolus의 적용이 더욱 활발하게 진행될 것으로 사료된다.