군인의 동작 및 운동 상태를 인식하는 기술은 웨어러블 테크놀로지와 인공지능의 결합으로 최근 대두되어 병력 관리의 패러다임을 바꿀 기술로 주목받고 있다. 이때 훈련 상황에서의 평가 및 솔루션 제공, 전투 상황에서의 효율적 모니터링 기능을 의도한대로 제공하기 위해서는 상태 판별의 정확도가 매우 높은 수준으로 유지되어야만 한다. 하지만 입력 데이터가 시계열 또는 시퀀스로 주어지는 경우, 기존의 피드포워드 신경망으로는 분류 성능을 극대화하는데 한계가 발생한다. 전장에서의 군사 동작 인식을 위해 다뤄지는 인간의 행동양식 데이터(3축 가속도 및 3축 각속도)는 시의존적 특성의 분석이 요구되기 때문에, 본 논문은 순환 신경망인 LSTM(Long-short Term Memory) 네트워크를 활용하여 취득 데이터의 이동 양상 및 순서 의존성을 파악하고 여덟 가지의 대표적 군사 동작(Sitting, Standing, Walking, Running, Ascending, Descending, Low Crawl, High Crawl)을 분류하는 고성능 인공지능 모델을 제안한다. 이때, 학습 조건 및 모델 변수는 그 정확도에 결정적인 영향을 끼치지만 인간의 수동적 조정이 필요해 비용 비효율적이고 최적의 값을 보장하지 못한다. 본 논문은 기계 스스로 일반화 성능이 극대화된 조건들을 취득할 수 있도록 베이지안 최적화를 활용해 하이퍼파라미터를 최적화한다. 그 결과, 최종 아키텍쳐는 학습 가능한 파라미터의 개수가 유사한 기존의 인공 신경망과 비교해서 오차율이 62.56% 감소할 수 있었으며, 최종적으로 98.39%의 정확도로 군사 동작 인식 기능을 구현할 수 있었다.
본 연구는 IPCC에서 제시하고 있는 Approach 3 수준의 토지이용 및 토지피복 면적 추정을 위해 고해상도 항공사진에 딥러닝 알고리즘과 Sampling method를 적용하였으며, 표본강도에 따라 토지피복 면적을 산출하고 최적의 표본강도를 도출하는 것을 목적으로 하였다. 원격탐사자료로는 51 cm급의 고해상도 칼라 항공 이미지를 사용하였으며, 딥러닝 알고리즘은 전이 학습이 적용된 VGG16 아키텍처를 활용하였다. 딥러닝 기반 토지피복 분류모델의 학습과 검증은 육안판독을 통해 선별된 데이터를 이용하였다. 최적의 표본강도를 도출하기 위한 평가는 7개의 표본강도(4 × 4 km, 2 × 4 km, 2 × 2 km, 1 × 2 km, 1 × 1 km, 500 × 500 m, 250 × 250 m)에 따른 토지이용 및 토지피복 면적을 추정하고 환경부에서 제시한 토지피복지도와 비교하였다. 본 연구 결과, 딥러닝 기반의 토지피복 분류 모델의 전체정확도와 카파계수는 각각 91.1% 와 88.8%였다. F-Score는 초지를 제외한 모든 범주가 90% 이상으로 구축되어 모델의 정확도가 우수하였다. 표본강도별 적합도 검정은 유의수준 0.1에서 4 × 4 km를 제외한 모든 표본강도에서 환경부에서 제시한 토지피복지도의 면적 비율과 유의한 차이를 보이지 않았다. 또한, 표본강도가 증가할수록 상대표준오차와 상대효율은 감소하였으며, 상대표준오차는 1 × 1 km 표본강도에서 모든 토지피복범주가 15% 이하로 감소하였다. 따라서, 지역 단위의 토지피복 면적 산정을 위해서는 표본강도를 1 × 1 km보다 상세하게 설정하는 것이 적합하다고 판단된다.
본 연구에서는 도시하천의 수체적 계산에 이용되는 지형측량자료의 정확도 향상을 위해 영상정보를 연계하는 기법을 제시하였다. 먼저, 사주와 초지에 대한 지형을 구축하기 위해 횡단측량자료로부터 IDW와 크리깅과 같은 GIS 공간추정기법을 적용하였으며 생성된 지형의 정확도를 평가하기 위해 검정점 측량자료와 비교하였다. 비교결과, 사주에서는 2차 제곱의 IDW가 초지영역에서는 크리깅 구형모델이 하천내 지형구축에 효과적이었으나, 보간법간의 차이는 크지 않은 것으로 나타났다. 또한 하천에 분포하고 있는 사주와 초지에 대한 영역을 효과적으로 고려하기 위해 최소거리법을 적용하여 영상을 분류하여 Water Level Point의 수위값을 적용하였다. 사주와 초지영역을 영상정보로부터 추출하여 생성한 지형자료로부터 분석한 하천내 수체적은 영상정보를 활용하지 않은 기존의 지형에 비해 사주는 20%, 초지는 13%의 정확도 개선효과를 나타내었다. 따라서, 영상정보를 연계한 하천지형분석기법은 홍수시 댐하류에 분포하는 사주와 초지영역에 대한 모니터링 및 하천내 수체적 계산에 유용하게 활용될 수 있으리라 판단된다.
제조업의 안전보건 기준은 다양한 항목이 존재하지만, 질병 재해자 기준에서 업무상 질병과 근골격계 질환으로 나눌 수 있다. 이 중 근골격계 질환은 제조업에서 가장 많이 발생하며, 나아가서 제조 현장의 노동생산성감소 및 경쟁력 약화까지 유발할 수 있어서 이를 사전에 확인할 수 있는 시스템이 필요한 실정이다. 본 논문에서는 제조업 노동자의 근골격계 유해 요인을 검출하기 위하여 근골격계 부담작업 요인 분석 데이터 속성, 유해 요인 작업자세, 관절 키포인트를 정의하고 인공지능 학습용 데이터를 구축하였다. 구축한 데이터의 유효성을 판단하기 위해서 YOLO, Dite-HRNet, EfficientNet 등의 AI 알고리즘을 활용하여 학습하고 검증하였다. 실험 결과 사람 탐지 정확도는 99%, 탐지된 사람의 관절 위치 추론 정확도는 @AP0.5 88%, 추론된 관절 위치를 종합하여 자세를 평가한 정확도는 LEGS 72.2%, NECT 85.7%, TRUNK 81.9%, UPPERARM 79.8%, LOWERARM 92.7%를 도출하였으며, 추가로 딥러닝 기반의 근골격계 질병을 예방할 수 있는 연구에 필요한 요소를 고찰하였다.
Chong Hyun Suh;Jeong Hyun Lee;Mi Sun Chung;Xiao Quan Xu;Yu Sub Sung;Sae Rom Chung;Young Jun Choi;Jung Hwan Baek
Korean Journal of Radiology
/
제22권5호
/
pp.751-758
/
2021
Objective: Preoperative differentiation between inverted papilloma (IP) and its malignant transformation to squamous cell carcinoma (IP-SCC) is critical for patient management. We aimed to determine the diagnostic accuracy of conventional imaging features and histogram parameters obtained from whole tumor apparent diffusion coefficient (ADC) values to predict IP-SCC in patients with IP, using decision tree analysis. Materials and Methods: In this retrospective study, we analyzed data generated from the records of 180 consecutive patients with histopathologically diagnosed IP or IP-SCC who underwent head and neck magnetic resonance imaging, including diffusion-weighted imaging and 62 patients were included in the study. To obtain whole tumor ADC values, the region of interest was placed to cover the entire volume of the tumor. Classification and regression tree analyses were performed to determine the most significant predictors of IP-SCC among multiple covariates. The final tree was selected by cross-validation pruning based on minimal error. Results: Of 62 patients with IP, 21 (34%) had IP-SCC. The decision tree analysis revealed that the loss of convoluted cerebriform pattern and the 20th percentile cutoff of ADC were the most significant predictors of IP-SCC. With these decision trees, the sensitivity, specificity, accuracy, and C-statistics were 86% (18 out of 21; 95% confidence interval [CI], 65-95%), 100% (41 out of 41; 95% CI, 91-100%), 95% (59 out of 61; 95% CI, 87-98%), and 0.966 (95% CI, 0.912-1.000), respectively. Conclusion: Decision tree analysis using conventional imaging features and histogram analysis of whole volume ADC could predict IP-SCC in patients with IP with high diagnostic accuracy.
Ji Hoon Kim;Kye Jin Park;Mi-Hyun Kim;Jeong Kon Kim
Korean Journal of Radiology
/
제22권8호
/
pp.1323-1331
/
2021
Objective: To identify the association between renal tumor complexity and pathologic renal sinus invasion (RSI) and evaluate the usefulness of computed tomography tumor features for predicting RSI in patients with renal cell carcinoma (RCC). Materials and Methods: This retrospective study included 276 consecutive patients who underwent radical nephrectomy for RCC with a size of ≤ 7 cm between January 2014 and October 2017. Tumor complexity and anatomical renal sinus involvement were evaluated using two standardized scoring systems: the radius (R), exophytic or endophytic (E), nearness to collecting system or sinus (N), anterior or posterior (A), and location relative to polar lines (RENAL) nephrometry and preoperative aspects and dimensions used for anatomical classification (PADUA) system. CT-based tumor features, including shape, enhancement pattern, margin at the interface of the renal sinus (smooth vs. non-smooth), and finger-like projection of the mass, were also assessed by two independent radiologists. Univariable and multivariable logistic regression analyses were performed to identify significant predictors of RSI. The positive predictive value, negative predictive value (NPV), accuracy of anatomical renal sinus involvement, and tumor features were evaluated. Results: Eighty-one of 276 patients (29.3%) demonstrated RSI. Among highly complex tumors (RENAL or PADUA score ≥ 10), the frequencies of RSI were 42.4% (39/92) and 38.0% (71/187) using RENAL and PADUA scores, respectively. Multivariable analysis showed that a non-smooth margin and the presence of a finger-like projection were significant predictors of RSI. Anatomical renal sinus involvement showed high NPVs (91.7% and 95.2%) but low accuracy (40.2% and 43.1%) for RSI, whereas the presence of a non-smooth margin or finger-like projection demonstrated comparably high NPVs (90.0% and 91.3% for both readers) and improved accuracy (67.0% and 73.9%, respectively). Conclusion: A non-smooth margin or the presence of a finger-like projection can be used as a preoperative CT-based tumor feature for predicting RSI in patients with RCC.
목적: 본 연구의 목적은 견관절의 석회성 건염에서 발생하는 석회 침착물의 성상에 대한 기존의 단순 방사선학적 분류법들이 가지는 진단적 정밀도(precision)에 대한 평가로써, 관측자간 일치도를 평가하고, 석회 침착물의 치약형 성상 여부를 예측하는데 있어서의 진단적 정확도(accuracy)를 평가하여, 기존의 방사선학적 분류법들이 가지는 진단적 검사로써의 유용성에 대하여 평가하는 것이다. 대상 및 방법: 2010년 3월부터 2013년 9월까지 본원에서 견관절 석회성 건염으로 수술적 치료를 받은 26명 환자(26예 견관절)를 대상으로 후향적 연구를 시행하였다. 관절경하에서 관측한 석회 침착물의 성상은 총 26예 중 14예에서 분필 가루형이었고, 12예에서 치약형이었다. 수술 전 단순 견관절 방사선 검사상 나타나는 석회 침착물의 형태를 G$\ddot{a}$rtner, DePalma, Patte이 기술한 3가지 분류 체계에 따라 각각 2인의 평가자가 분석하였으며, Cohen's kappa를 이용하여 각 분류법의 관측자간 일치도를 평가하였다. 단순 방사선상에서 G$\ddot{a}$rtner 분류 III형, DePalma 분류 I형, Patte 분류 II형의 각각의 치약형 석회 침착물의 예측에 대한 민감도 및 특이도, 양성 우도비 및 음성 우도비, 그리고 진단적 승산비(diagnostic odds ratio)를 평가하였다. 치약형 석회 침착물 성상의 기준은 관절경하에서 관측한 성상을 기준으로 하였다. 결과: 단순 방사선상에서 평가한 석회 침착물의 형태에 대한 평가자간 신뢰도는 Patte 분류에서 Kappa 값이 0.62로 가장 높았고, DePalma가 0.56, G$\ddot{a}$rtner가 0.36 순이었다. 치약형 침착물을 예측하는 단순 방사선상의 침착물 형태의 민감도는 G$\ddot{a}$rtner 분류 III형, DePalma 분류 I형, Patte 분류 II형에서 각각 순서대로 83.3%, 91.7%, 58.3%였으며, 특이도는 각각 85.7%, 50.0%, 64%였다. 양성 우도비는 각각 순서대로 5.833, 1.833, 1.633였으며, 음성 우도비는 각각 0.194, 0.167, 0.648이었다. 진단적 승산비는 각각 순서대로 30.00, 11.00, 2.52이었다. 결론: 견관절의 석회성 건염에서 발생하는 석회 침착물의 성상의 예측에 대한 기존의 분류법을 이용한 평가 결과, 진단적 정밀도 및 정확도 모두에서 높은 수치를 보이는 분류법은 없었다. 따라서 추후 초음파와 같은 검사를 이용하여 석회 침착물 성상의 예측 가능 여부에 대한 추가적 연구가 필요할 것으로 생각된다.
본 연구는 20 ~ 60대의 성인 109명 (남 54명, 여 55명)을 대상으로 13가지 대표적 신체활동에 대한 에너지 소비량(EE)및 신체활동 강도 (METs)를 휴대용 호흡가스 분석기($K4b^2$)를 이용하여 측정하고 이를 기준으로 가속도계(Actigraph $GT3X^+$)의 정확성을 성별에 따라 평가하였다. 그 결과를 요약하면 다음과 같다. 1. 휴대용 호흡가스 분석기로 측정한 보통 달리기를 제외한 모든 트레드밀 활동의 단위체중당 에너지 소비량과 METs값은 여자가 남자 보다 유의하게 높았다. 13가지 대표 활동 중 눕기, 앉기 및 서기와 같은 움직임이 없는 활동은 에너지 소비량이 가장 낮은 것으로 나타났고, 남자는 계단 올라가기 (에너지 소비량 포함)에서 여자는 8 km/h 속도의 보통 달리기 (에너지 소비량값 포함)에서 에너지가 많이 소비되는 고강도 활동으로 나타났다. 2. 가속도계 및 휴대용 호흡가스 분석기로 측정한 EE와 METs값을 비교한 결과, 남자는 계단 내려가기, 보통 걷기와 빠르게 걷기 활동에서 여자는 계단 내려가기를 제외한 모든 활동에서, 가속도계가 휴대용 호흡가스 분석기 보다 과소추정 하였다. 3. Compendium 2011 기준에 따라 강도를 분류하였을 때 가속도계와 휴대용 호흡가스 분석기는 저강도 활동에서 일치하는 비율이 가장 높은 (남자 88.3%, 여자 91.3%) 반면, 고강도 활동에서 가장 낮은 일치율을 보였고 여자 (58.3%)보다는 남자 (75.2%)에서 일치율이 유의하게 높았다. 4. 가속도계를 이용하여 EE 및 METs값 추정 시 준거도구와의 차이를 성별에 따라 비교하면, 계단 내려가기를 제외한 모든 활동에서 여자 보다 남자에서 오차가 작은 것으로 나타났다. 특히, 트레드밀 이외의 활동보다는 트레드밀 활동에서의 오차가 작은 것으로 나타났다. 본 연구는 다양한 연령대의 성인 남녀의 신체활동의 에너지 소비량 등을 휴대용 호흡가스 분석기로 측정하였다는데 큰 의의가 있으며 이와 같은 측정값은 한국인을 위한 활동분류표 개발 및 에너지 소비량 산출 시 활용될 수 있을 것이다. 추후 연구에서는 현재까지 개발된 다양한 가속도계 추정식의 정확성이 검증되어야 하며 향후 가속도계를 이용하여 EE 및 METs값 산출 시 필요한 추정식은 적용하는 신체활동 종류뿐만 아니라 성별에 따라 개발되어야 할 것이다.
한때, 이상 탐지 분야는 특정 데이터로부터 도출한 기초 통계량을 기반으로 이상 유무를 판단하는 방법이 지배적이었다. 이와 같은 방법론이 가능했던 이유는 과거엔 데이터의 차원이 단순하여 고전적 통계 방법이 효과적으로 작용할 수 있었기 때문이다. 하지만 빅데이터 시대에 접어들며 데이터의 속성이 복잡하게 변화함에 따라 더는 기존의 방식으로 산업 전반에 발생하는 데이터를 정확하게 분석, 예측하기 어렵게 되었다. 따라서 기계 학습 방법을 접목한 SVM, Decision Tree와 같은 모형을 활용하게 되었다. 하지만 지도 학습 기반의 모형은 훈련 데이터의 이상과 정상의 클래스 수가 비슷할 때만 테스트 과정에서 정확한 예측을 할 수 있다는 특수성이 있고 산업에서 생성되는 데이터는 대부분 정답 클래스가 불균형하기에 지도 학습 모형을 적용할 경우, 항상 예측되는 결과의 타당성이 부족하다는 문제점이 있다. 이러한 단점을 극복하고자 현재는 클래스 분포에 영향을 받지 않는 비지도 학습 기반의 모델을 바탕으로 이상 탐지 모형을 구성하여 실제 산업에 적용하기 위해 시행착오를 거치고 있다. 본 연구는 이러한 추세에 발맞춰 적대적 생성 신경망을 활용하여 이상 탐지하는 방법을 제안하고자 한다. 시퀀스 데이터를 학습시키기 위해 적대적 생성 신경망의 구조를 LSTM으로 구성하고 생성자의 LSTM은 2개의 층으로 각각 32차원과 64차원의 은닉유닛으로 구성, 판별자의 LSTM은 64차원의 은닉유닛으로 구성된 1개의 층을 사용하였다. 기존 시퀀스 데이터의 이상 탐지 논문에서는 이상 점수를 도출하는 과정에서 판별자가 실제데이터일 확률의 엔트로피 값을 사용하지만 본 논문에서는 자질 매칭 기법을 활용한 함수로 변경하여 이상 점수를 도출하였다. 또한, 잠재 변수를 최적화하는 과정을 LSTM으로 구성하여 모델 성능을 향상시킬 수 있었다. 변형된 형태의 적대적 생성 모델은 오토인코더의 비해 모든 실험의 경우에서 정밀도가 우세하였고 정확도 측면에서는 대략 7% 정도 높음을 확인할 수 있었다.
사상체질진단(四象體質診斷)에 있어 임상적(臨床的)으로 가장 많이 활용(活用)되며 또한 객관성(客觀性)이 인정(認定)되고 있는 방법(方法)으로는 설문지(設問紙)를 이용하는 방법(方法)이 있으며 그 중 대표적으로 사상변증내용(四象辨證內容) 설문조사지(設問調査紙)(I)과 사상체질분류조사지(四象體質分類調査紙)(QSCC II)가 있으나, 그 체질판정(體質判定)에 있어 각기 한쪽 체질(體質)로 치우치는 경향성(傾向性)을 보이므로 인(因)하여 임상가(臨床家)에서는 그 나름대로의 가치(價値)를 지니면서도 크게 일반화(一般化)되지 못하는 것이 현실(現實)이다. 본(本) 연구(硏究)는 사상체질진단(四象體質診斷)의 객관화(客觀化)를 위한 설문지(設問紙)의 연구(硏究)로써 동의대학교(東義大學校) 한의과대학(韓醫科大學) 부속한방병원(附屬韓方病院)에 내원(來院)한 자(者) 692명(名)(종합건강진단센터 대상자(對象者) 575명(名)과 환자(患者) 117명(名) 중 설문지(設問紙)(I)과 설문지(設問紙)(II)의 설문조사(設問調査) 결과(結果)와 사상체질전공의(四象體質專攻醫)의 체질판별(體質判別) 결과(結果)가 모두 치(致)하는 250명(名) 중(中)에서 설문지(設問紙) 내용(內容)이 비교적(比較的) 충실(充實)한 200명(名)을 대상(對象)으로 설문조사(設問調査) 내용(內容)을 통계분석(統計分析)하고 이를 토대(土臺)로 새로운 설문(設問)의 구성(構成)을 시도(試圖)하여 다음과 같은 결과(結果)를 얻게 되었다. 1. 설문지(設問紙)(I), 설문지(設問紙)(II)의 총(總) 192문항(問項)((설문지(設問紙)(I) 71문항(問項), 설문지(設問紙)(II) 121문항(問項))중에서 유의성(有意性)을 가지는 문항(問項)(P값이 최소(最小) 0.04 이상(以下))은 84문항(問項)(설문지(設問紙)(I)이 39문항(問項), 설문지(設問紙)(II)가 45문항(問項))이었다. 이중에서 서로 중복되는 항목(項目)이 22항목(項目)을 감안하연 설문지(設問紙)(I)과 설문지(設問紙)(II)의 총(總) 192문항(問項) 중(中) 체질(體質)에 따른 유의도(有意度) 검사(檢査)에 있어서 실질적(實質的)으로 유의(有意)있게 나타나는 문항(問項)은 총(總) 73문항(問項)이었다. P값이 0.001이하(以下)의 값을 보인 문항(問項)은 설문지(設問紙)(I)이 33문항(問項)이었으며, 설문지(設問紙)(II)의는 40문항(問項)으로 나타나 대체로 유의성(有意性)이 매우 높음을 알 수 있었다. 2. "설문지(設問紙)를 통한 사상체질(四象體質)의 임상적(臨床的) 분류방안(分類方案) 연구(硏究)"와 "체질진단분류(體質診斷分類)에 따른 질병(疾病) 및 증상유형(症狀類型)에 관한 임상적(臨床的) 연구(硏究)II"에서 유의성(有意性)이 입증(立證)된 설문문항(設問問項)을 몇 가지 추가(追加)하여 총(總) 851문항(問項)의 설문지(設問紙)를 구성(構成)하였다. 각(各) 문항(問項)들을 항목별(項目別)로 나누어 살펴보면, <체격(體格)과 체형(體型)>을 묻는 문항(問項)이 7개(個) 문항(問項)이었고, <외모(外貌)(안색(顔色))와 태도(態度)>를 묻는 문항(問項)이 7개(個) 문항(問項)이었고, <습관(習慣)과 성격(性格)>을 묻는 문항(問項)이 3개(個) 문항(問項)이었고, <생리(生理)-병리상태(病理狀態)>를 묻는 문항(問項)이 3개(個) 문항(問項)이었고, <평소(平素) 건강(健康)할 때 자주 느끼는 증상(症狀)>을 묻는 문항(問項)이 4개(個) 문항(問項)이었고, <식사습관(食事習慣)>을 묻는 문항(問項)이 3개(個) 문항(問項)이었으며, <평소(平素) 잘 나타나는 증세(症勢)>를 묻는 문항(問項)이 14개(個) 문항(問項)이었고, <일처리와 장단점(長短點)>을 묻는 문항(問項)이 6개(個) 문항(問項)이었고, <대인관계(對人關係)>에 대하여 묻는 문항(問項)이 7개(個) 문항(問項)이었고, <평소(平素)의 마음>에 대하여 묻는 문항(問項)이 5개(個) 문항(問項)이었고, <감정특성(感情特性)>에 대하여 묻는 문항(問項)이 1개(個) 문항(問項)이었고, <행동특성(行動特性)>에 대하여 묻는 문항(問項)이 10개(個) 문항(問項)이었고, <성격(性格)>에 대하여 묻는 문항(問項)이 15개(個) 문항(問項)이었다. 3. 문제지(設問紙)에서 소양인(少陽人)에 해당되는 항목(項目)은 84항목(項目)이었으며, 소음인(少陰人)에 해당되는 항목(項目)은 87항목(項目)이었으며, 태음인(太陰人)에 해당되는 항목(項目)은 70항목(項目)이었다. 또한 각(各) 설문항목(設問項目)의 유의성(有意性) 검사(檢査)에서 나타난 응답율(應答率)을 점수화(點數化)하여 가산점(加算點)을 부가(附加)한 후(後) 합산(合算)한 결과(結果) 소양인(少陽人) 항목(項目)의 점수(點數) 합계(合計)는 7785.04점(點)이었고, 소음인(少陰人) 항목(項目)의 점수(點數) 합계(合計)는 7742.80점(點)이었으며, 태음인(太陰人) 항목(項目)의 점수(點數) 합계(合計)는 7746.60점(點)이었다. 4. 새로운 설문지(設間紙)(III)의 유의성(有意性)은 임상환자(臨床患者) 75명(名)의 체질진단(體質診斷)에 있어 73.33%의 진단(診斷) 정확율(正確率)을 보이고 있으 나, 소음인(少陰人)과 태음인(太陰人)에 비하여 소양인(少陽人)의 판별율(判別率)이 다소 떨어지게 나타나고 있으며 태양인(太陽人)은 설문(設問)에서 제외(除外) 되었다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.