• 한국방사선학회논문지
• /
• 제16권3호
• /
• pp.295-302
• /
• 2022

희박뷰 전산화단층촬영(computed tomography; CT) 영상화 기술은 피폭 방사선량을 감소시킬 수 있을 뿐만 아니라 획득한 투영상의 균일성을 유지하고 잡음을 감소시킬 수 있는 장점이 있다. 하지만 재구성 영상 내 인공물 발생으로 인하여 화질 및 피사체 구조가 왜곡되는 단점이 있다. 본 연구에서는 희박뷰 CT 영상의 인공물 감소를 위해 wavelet 변환과 잔차 학습(residual learning)을 적용한 콘볼루션 신경망(convolutional neural network; CNN) 기반 영상화 모델을 개발하고, 개발한 모델을 통한 희박뷰 CT 영상의 인공물 감소 정도를 정량적으로 분석하였다. CNN은 wavelet 변환 층, 콘볼루션 층 및 역 wavelet 변환 층으로 구성하였으며, 희박뷰 CT 영상과 잔차 영상을 각각 입출력 영상으로 설정하여 영상화 모델 학습을 진행하였다. 영상화 모델 학습을 위해 평균제곱오차(mean squared error; MSE)를 손실함수로, Adam 함수를 최적화 함수로 사용하였다. 학습된 모델을 통해 입력 희박뷰 CT 영상에 대한 예측 잔차 영상을 획득하고, 두 영상간의 감산을 통해 최종 결과 영상을 획득하였다. 또한 최종 결과 영상에 대한 시각적 특성, 최대신호대잡음비(peak signal-to- noise ratio; PSNR) 및 구조적유사성지수(structural similarity; SSIM)를 측정하였다. 연구결과 본 연구에서 개발한 영상화 모델을 통해 희박뷰 CT 영상의 인공물이 효과적으로 제거되며, 공간분해능이 향상되는 결과를 확인하였다. 또한 wavelet 변환과 잔차 학습을 미적용한 영상화 모델에 비해 본 연구에서 개발한 영상화 모델은 결과 영상의 PSNR 및 SSIM을 각각 8.18% 및 19.71% 향상시킬 수 있음을 확인하였다. 따라서 본 연구에서 개발한 영상화 모델을 이용하여 희박뷰 CT 영상의 인공물 제거는 물론 공간분해능 향상 및 정량적 정확도 향상 효과를 획득할 수 있다.

• 인터넷정보학회논문지
• /
• 제23권4호
• /
• pp.45-55
• /
• 2022

암호화폐 시장의 규모는 날이 갈수록 커져가고 있으며, 대표적인 암호화폐인 비트코인의 경우 시가총액이 500조를 넘어섰다. 이에 따라 암호화폐의 가격을 예측하려는 연구도 많이 이루어졌으며, 이들은 대부분 주식가격을 예측하는 방법론과 유사성을 띄는 연구들이다. 하지만 선행연구를 비춰 봤을 때 주식가격예측과 달리 암호화폐 가격 예측은 머신러닝의 정확도가 우위에 있는 사례가 많다는 점, 개념적으로 주식과 달리 암호화폐는 소유로 인한 수동적 소득이 없다는 점, 통계적으로 시가총액 대비 하루 거래량의 비율을 살펴봤을 때 암호화폐가 주식 대비 최소 3배이상 높다는 점이 도출되었다. 이를 통해 암호화폐 가격 예측 연구에는 주식 가격 예측과 다른 방법론이 적용되어야 함을 본 논문에서 주장하였다. 우리는 기존에 주가 딥러닝 예측에 사용되던 워크 포워드 검증를 응용한 역순 워크 포워드 검증을 제안하였다. 역순 워크 포워드 검증은 워크 포워드 검증과 달리 검증 데이터셋을 테스트 데이터셋에 시계열상으로 바로 앞에 부분으로 고정시켜놓고, 훈련데이터를 훈련 데이터셋에 시계열상으로 바로 앞 부분부터 서서히 훈련 데이터셋의 크기를 늘려가면서 검증에 대한 정확도를 측정한다. 측정된 모든 검증 정확도 중 가장 높은 정확도를 보이는 훈련 데이터셋의 크기에 맞춰서 훈련 데이터를 절삭시킨 뒤 검증 데이터와 합쳐서 실험 데이터에 대한 정확도를 측정하였다. 분석모델로는 로지스틱 회귀분석과 SVM을 사용했으며, 우리가 제안한 역순 워크 포워드 검증의 신뢰성을 위해서 분석 모델 내부적으로도 L1, L2, rbf, poly등의 다양한 알고리즘과 정규화 파라미터를 적용하였다. 그 결과 모든 분석모델에서 기존 연구보다 향상된 정확도를 보임이 확인되었으며, 평균적으로도 1.23%p의 정확도 상승을 보였다. 선행연구를 통해 암호화폐 가격 예측의 정확도가 대부분 50%~60%사이에서 머무르는 걸 감안할 때 이는 상당한 정확도 개선이다.

• 한국정보전자통신기술학회논문지
• /
• 제16권6호
• /
• pp.441-447
• /
• 2023

정맥 주입요법은 의료기관에서 대상자의 점액 내로 약물, 수액, 혈액 및 영양분을 환자에게 제공하는 표준적인 간호 절차로, 주로 간호사가 담당하여 실행하고 관리하고 있다. 또한 혈관 속으로 약물을 직접 투여하는 주사법으로서 응급상황 시 신속한 효과를 보기 위해 실시하며, 빠르고 정확한 효과를 기대할 수 있다. 교육 훈련을 통한 숙련된 간호사들도 종종 실수를 하여 환자들에게 불편함을 유발할 수 있을 뿐만 아니라 환자의 안전을 위협하는 다양한 문제를 발생시킬 수 있다. 이러한 실수로 인한 고충을 줄이기 위해 다양한 연구들이 진행되고 있다. 본 논문은 영상 검출 기기를 통해 3명의 피검자의 손등 정맥 영상을 획득하였고 수집한 영상을 영상처리를 통해 선명한 정맥 영상을 제공하기 위한 알고리즘을 도출하기 위한 연구이다. 획득한 정맥 영상의 선명화를 위해 기존 알고리즘인 Histogram Equalization, CLAHE, Unsharp Masking을 선별하고 이를 조합했다. 개별 알고리즘과 알고리즘 조합을 영상에 적용하여 도출한 영상을 비교하기 위해 히스토그램 그래프를 사용하였다. 분포된 픽셀의 최솟값과 최댓값의 차이를 구하고 평균을 내는 방법으로 히스토그램 그래프를 확인했다. 본 논문에서 제시한 알고리즘 조합이 209.1로 개별 알고리즘 평균값인 138.7, 132.3, 126.2보다 높게 나왔으며 실제 영상에서도 가시성이 좋은 것을 확인했다.

• 산업융합연구
• /
• 제22권1호
• /
• pp.137-148
• /
• 2024

본 연구는 뉴노멀 시대 초등체육교육의 연구동향을 분석하고 과제를 파악하는데 목적이 있다. 이를 위해, Spradley (2016)가 제시한 분류체계분석(Taxonomic Analysis)방법을 적용하여, 최종적으로 국내학술논문 43편을 범주화하여 분석하였다. 도출된 연구결과는 다음과 같다. 첫째, 코로나 19로 인한 교육환경 변화로 인해 원격·온라인 체육수업 진행방식은 대부분 콘텐츠 활용 중심수업으로 이루어지고 있었다. 이는 수업의 주체인 교사와 학생 모두 온라인 체육수업에 원활한 소통의 부족함이 있음을 확인할 수 있었다. 둘째, 코로나19 시기에 원격·온라인 체육수업과 온·오프라인 병행 체육수업의 어려움과 이를 극복하고, 개선하기 위한 연구에 집중되어 있음을 알 수 있었다. 셋째, 초등체육 교육의 방법론적 전환 및 시대 상황에 맞게 체육교사의 진화와 미래전문가 양성의 필요성이 제기되었다. 또한, 코로나 19로 인해 초등 체육수업에서 주목받고 있는 블렌디드 러닝, 플립 러닝, 뉴 테크놀리지 기술을 활용한 연구들이 증가하고 있었다. 연구결과를 바탕으로 뉴노멀 시대 초등체육교육의 방향과 향후과제를 제안하였다.

• Korean Journal of Radiology
• /
• 제25권2호
• /
• pp.189-198
• /
• 2024

Objective: To investigate the prognostic utility of radiomics features extracted from ¹⁸F-fluorodeoxyglucose (FDG) PET/CT combined with clinical factors and metabolic parameters in predicting progression-free survival (PFS) and overall survival (OS) in individuals diagnosed with extranodal nasal-type NK/T cell lymphoma (ENKTCL). Materials and Methods: A total of 126 adults with ENKTCL who underwent ¹⁸F-FDG PET/CT examination before treatment were retrospectively included and randomly divided into training (n = 88) and validation cohorts (n = 38) at a ratio of 7:3. Least absolute shrinkage and selection operation Cox regression analysis was used to select the best radiomics features and calculate each patient's radiomics scores (RadPFS and RadOS). Kaplan-Meier curve and Log-rank test were used to compare survival between patient groups risk-stratified by the radiomics scores. Various models to predict PFS and OS were constructed, including clinical, metabolic, clinical + metabolic, and clinical + metabolic + radiomics models. The discriminative ability of each model was evaluated using Harrell's C index. The performance of each model in predicting PFS and OS for 1-, 3-, and 5-years was evaluated using the time-dependent receiver operating characteristic (ROC) curve. Results: Kaplan-Meier curve analysis demonstrated that the radiomics scores effectively identified high- and low-risk patients (all P < 0.05). Multivariable Cox analysis showed that the Ann Arbor stage, maximum standardized uptake value (SUVmax), and RadPFS were independent risk factors associated with PFS. Further, β2-microglobulin, Eastern Cooperative Oncology Group performance status score, SUVmax, and RadOS were independent risk factors for OS. The clinical + metabolic + radiomics model exhibited the greatest discriminative ability for both PFS (Harrell's C-index: 0.805 in the validation cohort) and OS (Harrell's C-index: 0.833 in the validation cohort). The time-dependent ROC analysis indicated that the clinical + metabolic + radiomics model had the best predictive performance. Conclusion: The PET/CT-based clinical + metabolic + radiomics model can enhance prognostication among patients with ENKTCL and may be a non-invasive and efficient risk stratification tool for clinical practice.

• Korean Journal of Radiology
• /
• 제25권1호
• /
• pp.43-54
• /
• 2024

Objective: To evaluate the added value of diffusion-weighted imaging (DWI)-based quantitative parameters to distinguish uterine sarcomas from atypical leiomyomas on preoperative magnetic resonance imaging (MRI). Materials and Methods: A total of 138 patients (age, 43.7 ± 10.3 years) with uterine sarcoma (n = 44) and atypical leiomyoma (n = 94) were retrospectively collected from four institutions. The cohort was randomly divided into training (84/138, 60.0%) and validation (54/138, 40.0%) sets. Two independent readers evaluated six qualitative MRI features and two DWI-based quantitative parameters for each index tumor. Multivariable logistic regression was used to identify the relevant qualitative MRI features. Diagnostic classifiers based on qualitative MRI features alone and in combination with DWI-based quantitative parameters were developed using a logistic regression algorithm. The diagnostic performance of the classifiers was evaluated using a cross-table analysis and calculation of the area under the receiver operating characteristic curve (AUC). Results: Mean apparent diffusion coefficient value of uterine sarcoma was lower than that of atypical leiomyoma (mean ± standard deviation, 0.94 ± 0.30 10^-3 mm²/s vs. 1.23 ± 0.25 10^-3 mm²/s; P < 0.001), and the relative contrast ratio was higher in the uterine sarcoma (8.16 ± 2.94 vs. 4.19 ± 2.66; P < 0.001). Selected qualitative MRI features included ill-defined margin (adjusted odds ratio [aOR], 17.9; 95% confidence interval [CI], 1.41-503, P = 0.040), intratumoral hemorrhage (aOR, 27.3; 95% CI, 3.74-596, P = 0.006), and absence of T2 dark area (aOR, 83.5; 95% CI, 12.4-1916, P < 0.001). The classifier that combined qualitative MRI features and DWI-based quantitative parameters showed significantly better performance than without DWI-based parameters in the validation set (AUC, 0.92 vs. 0.78; P < 0.001). Conclusion: The addition of DWI-based quantitative parameters to qualitative MRI features improved the diagnostic performance of the logistic regression classifier in differentiating uterine sarcomas from atypical leiomyomas on preoperative MRI.

• Korean Journal of Radiology
• /
• 제24권8호
• /
• pp.772-783
• /
• 2023

Objective: Imaging-based survival stratification of patients with gliomas is important for their management, and the 2021 WHO classification system must be clinically tested. The aim of this study was to compare integrative imaging- and pathology-based methods for survival stratification of patients with diffuse glioma. Materials and Methods: This study included diffuse glioma cases from The Cancer Genome Atlas (training set: 141 patients) and Asan Medical Center (validation set: 131 patients). Two neuroradiologists analyzed presurgical CT and MRI to assign gliomas to five imaging-based risk subgroups (1 to 5) according to well-known imaging phenotypes (e.g., T2/FLAIR mismatch) and recategorized them into three imaging-based risk groups, according to the 2021 WHO classification: group 1 (corresponding to risk subgroup 1, indicating oligodendroglioma, isocitrate dehydrogenase [IDH]-mutant, and 1p19q-codeleted), group 2 (risk subgroups 2 and 3, indicating astrocytoma, IDH-mutant), and group 3 (risk subgroups 4 and 5, indicating glioblastoma, IDHwt). The progression-free survival (PFS) and overall survival (OS) were estimated for each imaging risk group, subgroup, and pathological diagnosis. Time-dependent area-under-the receiver operating characteristic analysis (AUC) was used to compare the performance between imaging-based and pathology-based survival model. Results: Both OS and PFS were stratified according to the five imaging-based risk subgroups (P < 0.001) and three imaging-based risk groups (P < 0.001). The three imaging-based groups showed high performance in predicting PFS at one-year (AUC, 0.787) and five-years (AUC, 0.823), which was similar to that of the pathology-based prediction of PFS (AUC of 0.785 and 0.837). Combined with clinical predictors, the performance of the imaging-based survival model for 1- and 3-year PFS (AUC 0.813 and 0.921) was similar to that of the pathology-based survival model (AUC 0.839 and 0.889). Conclusion: Imaging-based survival stratification according to the 2021 WHO classification demonstrated a performance similar to that of pathology-based survival stratification, especially in predicting PFS.

• Korean Journal of Radiology
• /
• 제22권7호
• /
• pp.1213-1224
• /
• 2021

Objective: To develop a machine learning (ML) pipeline based on radiomics to predict Coronavirus Disease 2019 (COVID-19) severity and the future deterioration to critical illness using CT and clinical variables. Materials and Methods: Clinical data were collected from 981 patients from a multi-institutional international cohort with real-time polymerase chain reaction-confirmed COVID-19. Radiomics features were extracted from chest CT of the patients. The data of the cohort were randomly divided into training, validation, and test sets using a 7:1:2 ratio. A ML pipeline consisting of a model to predict severity and time-to-event model to predict progression to critical illness were trained on radiomics features and clinical variables. The receiver operating characteristic area under the curve (ROC-AUC), concordance index (C-index), and time-dependent ROC-AUC were calculated to determine model performance, which was compared with consensus CT severity scores obtained by visual interpretation by radiologists. Results: Among 981 patients with confirmed COVID-19, 274 patients developed critical illness. Radiomics features and clinical variables resulted in the best performance for the prediction of disease severity with a highest test ROC-AUC of 0.76 compared with 0.70 (0.76 vs. 0.70, p = 0.023) for visual CT severity score and clinical variables. The progression prediction model achieved a test C-index of 0.868 when it was based on the combination of CT radiomics and clinical variables compared with 0.767 when based on CT radiomics features alone (p < 0.001), 0.847 when based on clinical variables alone (p = 0.110), and 0.860 when based on the combination of visual CT severity scores and clinical variables (p = 0.549). Furthermore, the model based on the combination of CT radiomics and clinical variables achieved time-dependent ROC-AUCs of 0.897, 0.933, and 0.927 for the prediction of progression risks at 3, 5 and 7 days, respectively. Conclusion: CT radiomics features combined with clinical variables were predictive of COVID-19 severity and progression to critical illness with fairly high accuracy.

• Asia Marketing Journal
• /
• 제11권3호
• /
• pp.185-203
• /
• 2009

한국의 유한양행과 미국 Kimberly-Clark사의 합작회사인 유한킴벌리는 1993년 풀업스 완전 팬티형 기저귀 제품을 출시하여 팬츠형 기저귀를 통한 프리미엄 시장을 개척하게 된다. 그러나 Kimberly-Clark사의 완제품을 수입한 팬츠형 기저귀 풀업스는 미국에서 높은 시장 점유율을 가진 제품임에도 불구하고 국내 소비자들의 기저귀 사용문화에 맞지 않는 포지셔닝으로 인해 한국에서 현지화에 실패한다. 그 후 유한킴벌리는 1996년에 팬츠형 기저귀 하기스 토틀러를 다시 시장에 선보이게 된다. 이는 Kimberly-Clark사의 제품력과 유한킴벌리의 마케팅능력이 결합하여 풀업스보다 뛰어난 신제품을 출시하는 계기가 된다. 그러나 이 또한 배변 연습에 대한 문화/환경/태도/습관차이 등과 같은 국내 소비자들의 라이프스타일에 맞지 않는 포지셔닝과 IMF 위기로 인한 수입원가 급등, 회사 내부에서의 신뢰도 미약, 20%대로 낮았던 시장 취급율, 기존 일반 기저귀보다 월등히 높았던 가격 등의 이유로 인하여 다시 시장에서 실패하게 된다. 2005년 유한킴벌리는 New Pants 사업전략을 다시 수립하기로 한다. 그것은 Winning Product 의 개발, Winning Communication 전략, 팬티시장 창출을 통한 시장구조 변화의 세 가지가 유기적으로 결합한 형태였다. 총 55회의 시장조사를 통해 소비자 Habit & Practice와 Usage & Attitude 를 조사하였으며 제품사용조사, 포지셔닝 조사, 광고조사를 실시하여 제품설계에서 디자인까지의 전 과정을 소비자의 관점에서 바라보고 기획하였다. 유한킴벌리는 출시될 신제품을 배변연습 기저귀가 아닌, 입히는 기저귀로 리포지셔닝하고, 기존 하기스 대비 25% 비싼 프리미엄 제품으로 <하기스 매직팬티>를 출시한다. 하기스 매직팬티는 국내 기저귀 시장에서 대히트상품으로 인식되며 2005년 출시 이후 2006년 376억, 2007년 572억, 2008년 900억의 매출액을 기록하였다. 이처럼 하기스 매직팬티가 성공할 수 있었던 이유는 고객의 사용특성을 정확히 파악해서 도출된 리포지셔닝 전략 덕분이었다. 국내외 많은 기업들이 치열하게 각축전을 펼치고 있는 유아용품 시장에서 살아남기 위해 진행했던 철저한 시장조사와, 그 시장조사를 바탕으로 한 명확한 포지셔닝, 그리고 그것이 효과적으로 고객의 마음속에 포지셔닝 될 수 있도록 만들어준 유한킴벌리의 공격적인 360도 커뮤니케이션 전략이 하기스 매직팬티의 성공전략이었다.

• Clinical and Experimental Pediatrics
• /
• 제49권9호
• /
• pp.946-951
• /
• 2006

목 적 : 본 연구는 복합운동이 비만 아동의 에너지 대사를 긍정적으로 개선시킬 수 있는지를 알아보고자 복합운동 프로그램 12주 동안 아디포넥틴과 비만관련 변수와의 변화를 분석하였다. 방 법 : 일개 초등학교 5학년 남학생 중 체질량지수가 85백분위수 이상인 과체중 및 비만 아동을 대상으로 본 연구를 시행하였다. 대상자들은 12주 동안 걷기운동과 밴드저항운동을 조합한 복합운동프로그램을 시행하였다. 신장, 체중, 체지방량, 공복 혈당, 인슐린 및 아디포넥틴 측정은 복합운동프로그램 시작 전 및 프로그램 시행 1주, 4주, 12주째에 측정하였다. 인슐린 저항성 및 민감도는 HOMA 지수와 QUICKI 지수를 사용하였다. 결 과 : 아디포넥틴은 운동 4주 후에는 유의하게 감소하였으며, 이후 증가하는 양상을 보여 운동 12주 후에는 운동 전과 유사한 수준으로 운동 프로그램이 지속됨에 따라 증가하는 경향을 보였다. 체중, 체질량지수 및 인슐린 저항성은 복합운동 1주, 4주, 12주 후에 운동군이 대조군에 비해 유의한 감소를 보였다. 체지방률은 복합운동 12주에 운동군에서 대조군에 비해 유의한 감소가 관찰되었다. 운동이 진행됨에 따라 체중 및 체질량지수 변화량과 인슐린 변화량 간에는 유의한 관련성이 있었으며, 아디 포넥틴 변화량과 인슐린 변화량 간에는 유의한 관련성이 없었다. 결 론 : 본 연구 결과 인슐린저항성은 복합운동 1주 후부터 개선되기 시작하였다. 아디포넥틴은 운동 초기에 감소하다 특정시기 이상의 지속적인 운동에서 증가하는 경향을 보였다. 따라서 운동이 아디포넥틴 농도 변화에 영향을 미친다는 것을 제시할 수 있지만, 장기간의 지속적인 운동에 따른 아디포넥틴 농도의 변화에 대해서는 후속 연구가 이루어져야 할 것이다.