• 대한소아치과학회지
• /
• 제31권2호
• /
• pp.228-235
• /
• 2004

하악 과두의 발달과 증식은 측두하악관절 부위의 생역학적 환경의 변화에 따라 변경될 수 있다. 이 부위에 전달되는 생역학적 하중은 섭취하는 음식물의 경도를 다르게 함으로써 변화시킬 수 있다. 이번 연구의 목적은 성장 중인 쥐에서 부드러운 음식물의 섭취에 의해 저작력을 변화시키는 것이 하악 과두의 해면골의 형태를 변화시킬 수 있는지 미세전산화 단층촬영을 이용하여 분석하는 것이었다. 생후 21일 된 C57BL/6 쥐 36마리를 무작위로 두 그룹으로 나누었다. 8주 동안 대조군의 쥐들은 일반적인 딱딱한 덩어리의 사료를, 실험군의 쥐들은 덩어리의 사료를 잘게 갈은 후 물과 섞어 부드럽게 만들어 먹였다. 또한 실험군의 쥐들의 하악 절치를 일주일에 두 번씩 잘라서 짧게 만들었다. 8주 후 모든 쥐들을 희생하여 우측 하악 과두를 준비하였다. 미세전산화 단층촬영과 삼차원 영상 분석프로그램을 이용하여 하악 과두 해면골의 bone volume(BV), bone surface(BS), total volume(TV) bone volume fraction(BV/TV), surface to volume ratio(BS/BV), trabecular thickness(Tb. Th.), structure model index(SMI)와 degree of anisotropy(DA)를 측정하고 이들 값으로부터 trabecular number(Tb. N.)와 trabecular separation (Tb. Sp.)을 계산하였다 미세전산화 단층영상을 얻은 후 하악 과두의 조직 표본을 만들었다. 연구 결과는 다음과 같았다. 1. Bone volume fraction(BV/TV), trabecular thickness(Tb. Th.)와 trabecular number(Tb. N.)가 대조군에 비해 부드러운 음식을 먹인 실험군에서 유의하게 감소되었다(p<0.05). 2. Trabecular separation(Tb. Sp.)은 부드러운 음식을 먹인 실험군에서 유의하게 증가하였다(p<0.05). 3. Surface to volume ratio(BS/BV), structure model index(SMI), degree of anisotropy (DA)는 두 군 사이에 유의한 차이를 보이지 않았다(p>0.05). 4. 조직 절편을 관찰한 결과, 부드러운 사료를 먹인 실험군에서 하악 과두의 연골층의 증식 층과 전체 두께가 상당히 감소하였다.

• 지구물리와물리탐사
• /
• 제9권4호
• /
• pp.279-290
• /
• 2006

이 연구에서는 다양한 시추공 레이다 탐사법 중, 지하 갱도의 탐지에 사용이 가능한 (1) 시추공 레이다 반사법 탐사, (2) 방향성 안테나를 이용한 반사법 탐사, (3) 크로스홀 스캐닝(crosshole scanning), (4) 레이다 토모그래피 등의 4 종류 시추공 레이다 탐사법의 터널 탐지에 대한 적용성과 한계성을 탐사 사례 분석을 통해 고찰하였다. 시추공 레이다 반사법 탐사의 터널로부터 회절 양상은 완벽한 포물선 형태보다는 상부 포물선만 명확히 나타난 형태가 많았고 그 회절 이벤트는 정점을 기준으로 아래, 위 10 m 이상에 이르는 트레이스 까지 나타났다. 또한 안테나의 길이에 비해 시추공의 공경이 커지면 링잉 현상이 많이 발생함을 확인하였다. 송 수신 거리(offset)에 따라 신호의 양상이 많이 달라지며 현장여건에 따라 송 수신 거리를 조절하면 더 좋은 분해능의 자료를 획득할 수 있을 것이다. 방향성 안테나 시스템은 한 시추공만을 이용하여 터널의 3차원적인 위치를 정확히 판별할 수 있는 장점이 있으나 장비의 가격이 고가이며, 현장 작업의 난이도가 매우 높고, 시간이 많이 걸리는 단점이 있다. 크로스홀 스캐닝는 터널의 유무에 대한 좋은 지표가 될 수 있음을 알 수 있었으며 시추공 레이다 반사법 탐사와 같이 사용된다면 높은 신뢰도의 결과를 낼 수 있을 것이다. 레이다 토모그래피는 터널을 영상화함과 동시에 주변의 지반 물성을 얻게 되어 지하구조 파악에 효과적이라고 할 수 있다. 위의 결과를 토대로 경제적이고 효과적인 터널 탐지 방법을 제안하면, 먼저 시추공 레이다 반사법 탐사를 수행하여 이상 징후를 탐지 한 후, 주변의 시추공 상황에 따라 크로스홀 스캐닝이나 방향탐지 안테나를 도입하여 확인하는 것이다.

• 한국의학물리학회지:의학물리
• /
• 제21권4호
• /
• pp.332-339
• /
• 2010

본 연구에서는 콘빔 단층촬영영상(cone beam CT; CBCT) 및 다엽 콜리메이터(multileaf collimator;MLC) 로그데이터를 이용한 적응형 방사선치료기법의 체계를 구축하고, 그 과정에서의 선량 계산 오차의 양상을 팬텀을 이용하여 분석하고자 하였다. Catphan-600 (The Phantom Laboratory, USA) 팬텀을 CT와 CBCT 촬영 후 CT 영상을 이용하여 간단한 단계별조사(step-and-shoot) 방식의 세기조절방사선치료(intensity-modulated radiation therapy; IMRT) 계획을 수립하였다. 이후 빔전달 시 생성된 MLC 로그데이터(Dynalog)를 이용하여 실제 전달된 세그먼트 별 모니터단위(MU) 가중치와 MLC 엽(leaf)의 위치를 구한 후 이를 다시 Pinnacle3에 넣고 선량을 재계산하였다. 초기 치료 계획은 치료 계획용 CT 영상($CT_{plan}$) 및 CBCT 영상($CBCT_{plan}$)에 대하여 계산되었으며, 재구성된 선량 역시 치료 계획용 CT 영상($CT_{recon}$) 및 CBCT 영상($CBCT_{recon}$)에 대하여 계산되었다. 각 선량 계산을 $CT_{plan}$을 기준으로 하여 2차원 선량분포, 감마 인덱스, 선량-부피 히스토그램(dose-volume histogram; DVH)을 이용하여 분석하였다. 2차원 선량분포 및 DVH 분석 모두에서 원래의 치료 계획보다 실제 전달된 선량이 다소 많은 것으로 나타났으나 임상적인 의미는 미미했다. 감마 인덱스의 경우 CBCT에 선량을 계산했을 때 치료 계획 정보나 재구성된 선량 정보를 이용한 경우 모두 오차가 크게 발생했다. 재구성된 선량은 빔의 경계 부분에서 오차가 크게 발생하였으나 그 영향은 CT 및 CBCT 영상 간 차이에 의한 것보다 작았다. CBCT 영상에 전달된 선량을 재구성하게 되면 두 영향이 복합적으로 작용하여 오차는 더 줄어들게 되지만 $CT_{plan}$과 $CBCT_{plan}$의 차이에 비하여 $CBCT_{plan}$과 $CBCT_{recon}$ 차이는 상대적으로 작아 전달된 선량의 오차를 평가할 때 불확실성이 커졌다. 그러므로 선량 계산 오차의 양상은 셋업 오차, CBCT 영상을 이용한 선량 계산 오차 및 재구성된 선량 계산의 오차로 나누어 분석될 필요가 있을 것이다.

• Investigative Magnetic Resonance Imaging
• /
• 제14권2호
• /
• pp.103-114
• /
• 2010

목적 : 자기공명영상을 이용한 치매연구에서 삼차원 T1강조 뇌 구조 영상으로 뇌기능을 분석할 경우 복셀 기반 형태분석 방법이 이용 된다. 그러나 일반적으로 The Montreal Neurological Institute (MNI) 152 라는 젊은 서양성인 뇌로 만들어진 표준판에 정규화되고 이는 분석오차가 생길 수 있어 한국 노인 및 치매환자의 뇌를 분석할 경우 부정확한 결과를 초래한다. 따라서, 본 연구의 목적은 뇌 분석을 최적화 하기 위해 한국 노인 및 치매 환자의 뇌 구조 영상의 표준판을 개발하는데 있다. 대상 및 방법 : 검사장비는 3테슬러를 이용하였으며 8채널 SENSE (sensitivity encoding) 머리코일을 이용하였다. 펄스열은 삼차원 T1 강조 터보 경사자장 타입으로 뇌의 해부학 영상을 획득하였다. 신경심리 검사 점수결과에 따라 정상 노인 43명, 경도인지장애 환자 44명, 알츠하이머성 치매 환자 36명 의 세 그룹으로 나누었다. 일반 선형 모델 방정식을 사용하여 나이와 성별 및 질환간의 차이에 의한 인자를 고려 하였으며, 평가된 인자는 쌍일치 접근 방법으로 한국 노인과 치매 환자의 뇌 표준판을 만들었다. 두 표준판의 Talairach 기준 점에 따른 평균거리와 뇌실의 거리를 계산하였다. 또한 뇌 전체 영역에서 회백질과 백질을 확률이 50% 이상인 복셀 개수를 세어 회백질과 백질의 영역을 계산하였다. 결과 : 최종 뇌 표준판은 MNI152뇌 표준판과 비교했을 경우 공간 분해능이 높았고, 평균거리와 뇌실의 크기에서 차이가 있었다. 회백질 및 백질의 영역은 본 연구에서 개발한 뇌 표준판의 회백질과 백질 모두에서 더 적었고, 백질보다 회백질에서 더 많은 차이가 있었다. 결론 : 본 연구에서 개발한 한국 뇌 표준판은 앞으로 한국 노인과 치매환자의 질환을 분석하는 연구에 유용할 것으로 생각된다.

• 헤리티지:역사와 과학
• /
• 제51권2호
• /
• pp.22-37
• /
• 2018

현재 국내 및 국외를 아울러 무인항공기(Unmanned Aerial Vehicle, UAV)의 관심이 상당히 높아졌다. UAV에는 영상을 촬영하는 카메라가 탑재되어 있어 고고학 조사가 불가능한 지역의 접근에 유리하다. 더구나 항공사진 촬영을 통해 지형을 모델링하여 3차원 공간영상정보를 취득할 수 있어, 조사 대상지역의 지형에 대한 해석을 구체화할 수 있다. 이와 함께 과거 항공사진과의 비교 검토를 통해 지형의 변화모습을 파악한다면 유적의 존재 여부의 파악에도 많은 도움이 될 것이다. 이러한 유적 탐색을 위한 지형모델링은 크게 두 부분으로 나누어 접근할 수 있다. 우선 드론을 이용한 현재 지형의 항공사진을 취득한 후 이를 영상정합하고 후처리 과정을 진행하여 완성하는 방법과 과거 항공사진을 이용한 영상접합과 지형모델링을 완성하는 방법 등이다. 이 과정을 거쳐 완성한 모델링 지형은 여러 분석결과를 도출할 수 있는데, 현재의 지형모델링에서는 DSM과 DTM, 고도분석 등의 지형분석을 실시하여 형질변경 및 미지형의 모습을 대략적으로 파악할 수 있고, 과거 항공사진의 지형모델링에서는 원지형과 저습지 내 매몰미지형의 모습 등을 파악할 수 있다. 이를 실제 조사된 내용과 비교하고 각각의 지형모델링 자료를 중첩하여 살펴보게 되면 구릉지형에서는 형질변경의 모습을, 저습지형에서는 매몰된 미지형의 모습을 볼 수 있어 유적의 존부를 파악하는데 매우 유용하게 사용될 수 있다. 이처럼 항공사진을 이용한 모델링 자료는 고고학현장에서 조사가 불가한 사유지나 광범위한 지역의 지형에 유적의 존재여부를 파악하는데 유용하며, 추후 유적의 보존처리와 관련한 논의에도 적극 이용될 수 있다. 나아가 과거와 현재의 지형자료의 비교를 통해 지적도나 토지활용도 등의 주제도로 제공이 가능하는 등, 다양한 방식으로의 활용 가능성을 생각할 수 있다. 그러나 무엇보다도 고고학 자료의 존재유무 파악을 위한 유적 탐색의 새로운 조사방법론으로 기능할 수 있다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.205-225
• /
• 2018

Convolutional Neural Network (ConvNet)은 시각적 특징의 계층 구조를 분석하고 학습할 수 있는 대표적인 심층 신경망이다. 첫 번째 신경망 모델인 Neocognitron은 80 년대에 처음 소개되었다. 당시 신경망은 대규모 데이터 집합과 계산 능력이 부족하여 학계와 산업계에서 널리 사용되지 않았다. 그러나 2012년 Krizhevsky는 ImageNet ILSVRC (Large Scale Visual Recognition Challenge) 에서 심층 신경망을 사용하여 시각적 인식 문제를 획기적으로 해결하였고 그로 인해 신경망에 대한 사람들의 관심을 다시 불러 일으켰다. 이미지넷 첼린지에서 제공하는 다양한 이미지 데이터와 병렬 컴퓨팅 하드웨어 (GPU)의 발전이 Krizhevsky의 승리의 주요 요인이었다. 그러므로 최근의 딥 컨볼루션 신경망의 성공을 병렬계산을 위한 GPU의 출현과 더불어 ImageNet과 같은 대규모 이미지 데이터의 가용성으로 정의 할 수 있다. 그러나 이러한 요소는 많은 도메인에서 병목 현상이 될 수 있다. 대부분의 도메인에서 ConvNet을 교육하기 위해 대규모 데이터를 수집하려면 많은 노력이 필요하다. 대규모 데이터를 보유하고 있어도 처음부터 ConvNet을 교육하려면 많은 자원과 시간이 소요된다. 이와 같은 문제점은 전이 학습을 사용하면 해결할 수 있다. 전이 학습은 지식을 원본 도메인에서 새 도메인으로 전이하는 방법이다. 전이학습에는 주요한 두 가지 케이스가 있다. 첫 번째는 고정된 특징점 추출기로서의 ConvNet이고, 두번째는 새 데이터에서 ConvNet을 fine-tuning 하는 것이다. 첫 번째 경우, 사전 훈련 된 ConvNet (예: ImageNet)을 사용하여 ConvNet을 통해 이미지의 피드포워드 활성화를 계산하고 특정 레이어에서 활성화 특징점을 추출한다. 두 번째 경우에는 새 데이터에서 ConvNet 분류기를 교체하고 재교육을 한 후에 사전 훈련된 네트워크의 가중치를 백프로퍼게이션으로 fine-tuning 한다. 이 논문에서는 고정된 특징점 추출기를 여러 개의 ConvNet 레이어를 사용하는 것에 중점을 두었다. 그러나 여러 ConvNet 레이어에서 직접 추출된 차원적 복잡성을 가진 특징점을 적용하는 것은 여전히 어려운 문제이다. 우리는 여러 ConvNet 레이어에서 추출한 특징점이 이미지의 다른 특성을 처리한다는 것을 발견했다. 즉, 여러 ConvNet 레이어의 최적의 조합을 찾으면 더 나은 특징점을 얻을 수 있다. 위의 발견을 토대로 이 논문에서는 단일 ConvNet 계층의 특징점 대신에 전이 학습을 위해 여러 ConvNet 계층의 특징점을 사용하도록 제안한다. 본 논문에서 제안하는 방법은 크게 세단계로 이루어져 있다. 먼저 이미지 데이터셋의 이미지를 ConvNet의 입력으로 넣으면 해당 이미지가 사전 훈련된 AlexNet으로 피드포워드 되고 3개의 fully-connected 레이어의 활성화 틀징점이 추출된다. 둘째, 3개의 ConvNet 레이어의 활성화 특징점을 연결하여 여러 개의 ConvNet 레이어의 특징점을 얻는다. 레이어의 활성화 특징점을 연결을 하는 이유는 더 많은 이미지 정보를 얻기 위해서이다. 동일한 이미지를 사용한 3개의 fully-connected 레이어의 특징점이 연결되면 결과 이미지의 특징점의 차원은 4096 + 4096 + 1000이 된다. 그러나 여러 ConvNet 레이어에서 추출 된 특징점은 동일한 ConvNet에서 추출되므로 특징점이 중복되거나 노이즈를 갖는다. 따라서 세 번째 단계로 PCA (Principal Component Analysis)를 사용하여 교육 단계 전에 주요 특징점을 선택한다. 뚜렷한 특징이 얻어지면, 분류기는 이미지를 보다 정확하게 분류 할 수 있고, 전이 학습의 성능을 향상시킬 수 있다. 제안된 방법을 평가하기 위해 특징점 선택 및 차원축소를 위해 PCA를 사용하여 여러 ConvNet 레이어의 특징점과 단일 ConvNet 레이어의 특징점을 비교하고 3개의 표준 데이터 (Caltech-256, VOC07 및 SUN397)로 실험을 수행했다. 실험결과 제안된 방법은 Caltech-256 데이터의 FC7 레이어로 73.9 %의 정확도를 얻었을 때와 비교하여 75.6 %의 정확도를 보였고 VOC07 데이터의 FC8 레이어로 얻은 69.2 %의 정확도와 비교하여 73.1 %의 정확도를 보였으며 SUN397 데이터의 FC7 레이어로 48.7%의 정확도를 얻었을 때와 비교하여 52.2%의 정확도를 보였다. 본 논문에 제안된 방법은 Caltech-256, VOC07 및 SUN397 데이터에서 각각 기존에 제안된 방법과 비교하여 2.8 %, 2.1 % 및 3.1 %의 성능 향상을 보였다.