• 대한화학회지
• /
• 제68권3호
• /
• pp.160-175
• /
• 2024

본 연구의 목적은 AI 분류 모델을 기반으로 한 화학 I 수업의 효과를 검토하고자 한다. 이를 위하여 경북 D 고등학교에서 2023년 1학기에 시행된 화학 I 수업에서 AI 분류 모델을 활용한 수업의 개발과 적용 후 그 변화를 탐색하였다. 교과 내용과 AI 도구를 선정하고 교과-AI융합 교육 모형 및 AI 하드웨어 소프트웨어를 결정한 후, 프로그램의 세부 활동을 개발하여 실제 수업에 적용하였다. 수업 적용 후, 학생들의 화학 개념 형성, AI 가치 인식, AI 기반 메이킹 역량의 세가지 측면에서 자기 효능감이 향상되었음이 확인되었다. 구체적으로, 텍스트 및 이미지 분류 모델 기반의 화학 수업이 학생들의 화학 개념 형성에 대한 자아 효능감에 긍정적인 영향을 미쳤으며, 학생들의 AI 가치 인식과 흥미를 증진시켰고, 학생들의 AI와 피지컬 컴퓨팅 능력을 향상시키는데 기여하였다. 이러한 결과는 AI 분류 모델을 기반으로 한 화학 I 수업이 학생들에게 긍정적인 영향을 미침을 보여주며, 교육현장에서의 유용성을 입증한다.

• 한국과학교육학회지
• /
• 제27권1호
• /
• pp.59-69
• /
• 2007

이 연구에서는 과학실험의 새로운 방법으로 학교현장에서 도입 단계에 있는 컴퓨터를 기반으로 하는 MBL실험에 대하여 초 중 고 교사들의 인식을 조사하였다. 이를 위해 초 중 고등학교의 과학교과서에 나오는 실험 주제 중 MBL(microcomputer based laboratory) 실험으로 대체할 수 있는 실험주제를 세 가지씩 선정 하여 초 중 고등학교 과학 교사들에게 연수를 실시한 후 MBL실험 연수 내용 MBL실험기대효과 연수 후 MBL실험 적용 의지에 대하여 설문조사를 실시하였다 연구 결과, 초 중 고등학교 교사 모두 MBL실험 연수가 매우 유익하고 유용하다고 생각하였으나 연수내용 수준에 대하여 약간 높게 생각하였다. 또한 MBL실험에 대한 기대효과로는 컴퓨터를 이용하는 MBL실험은 정확하고 빠르게 데이터를 수집하고 처리 할 수 있어 실험 시간을 단축할 수 있으며, 단축된 실험시간을 실험결과를 분석하고 토론하는 활동에 활용할 수 있어서 올바른 개념 형성과 그래프 해석 능력 및 탐구력 신장에 효과적일 것이라고 생각하였다. 그러나 실험기구 조작 능력 향상에는 효과적이라고 생각하지 않았다. 또한 대부분의 교사들은 연수 후에 과학실험 수업에 바로 이용하려는 의지가 높게 나타났으나, 새로운 교육과정에 도입하기 위해서는 MBL실험을 위한 도구 구입과 낙후된 실험실 여건, 교사 연수 기회 부족 등이 장애라고 지적하였다. MBL실험의 확장 적용을 위해서는 MBL실험 도구의 단가를 낮추기 위한 기술 개발 및 각종 센서의 제작 보급과 함께 MBL실험 자료 개발과 교사연수가 확대되어야 할 것이다.

• Journal of Ginseng Research
• /
• 제48권1호
• /
• pp.77-88
• /
• 2024

Background: Lung inflammation occurs in many lung diseases, but has limited effective therapeutics. Ginseng and its derivatives have anti-inflammatory effects, but their unstable physicochemical and metabolic properties hinder their application in the treatment. Panaxadiol (PD) is a stable saponin among ginsenosides. Inhalation administration may solve these issues, and the specific mechanism of action needs to be studied. Methods: A mouse model of lung inflammation induced by lipopolysaccharide (LPS), an in vitro macrophage inflammation model, and a coculture model of epithelial cells and macrophages were used to study the effects and mechanisms of inhalation delivery of PD. Pathology and molecular assessments were used to evaluate efficacy. Transcriptome sequencing was used to screen the mechanism and target. Finally, the efficacy and mechanism were verified in a human BALF cell model. Results: Inhaled PD reduced LPS-induced lung inflammation in mice in a dose-dependent manner, including inflammatory cell infiltration, lung tissue pathology, and inflammatory factor expression. Meanwhile, the dose of inhalation was much lower than that of intragastric administration under the same therapeutic effect, which may be related to its higher bioavailability and superior pharmacokinetic parameters. Using transcriptome analysis and verification by a coculture model of macrophage and epithelial cells, we found that PD may act by inhibiting TNFA/TNFAR and IL7/IL7R signaling to reduce macrophage inflammatory factor-induced epithelial apoptosis and promote proliferation. Conclusion: PD inhalation alleviates lung inflammation and pathology by inhibiting TNFA/TNFAR and IL7/IL7R signaling between macrophages and epithelial cells. PD may be a novel drug for the clinical treatment of lung inflammation.

• 한국전자통신학회논문지
• /
• 제19권1호
• /
• pp.137-142
• /
• 2024

최근, 의료 데이터 표현 분야에서 딥러닝 방법들이 사실상의 표준으로 자리잡고 있다. 하지만, 딥러닝 기술은 내재적으로 많은 양의 학습 데이터를 필요로 하므로 대규모의 데이터를 확보하기 쉽지 않은 의료 분야에서는 직접적인 적용이 어려운 실정이다. 특히 뇌신호 모달리티의 경우, 변동성이 크기 때문에 여전히 데이터 부족 문제를 가진다. 이에, 최근 연구에서는 뇌신호의 시간-공간-주파수 특징을 적절하게 추출할 수 있는 딥 뉴럴 네트워크 구조를 설계하거나, 혹은 자가-지도 학습 방법을 도입하여 뇌신호의 신경생리학적 특징을 미리 학습하도록 한다. 본 논문에서는, 최근 각광받는 기술인 뇌-컴퓨터 인터페이스 및 피험자 상태 예측 등의 관점에서 소규모데이터를 다루기 위해 적용되는 방법론에 대한 분석 및 향후 기술 방향성을 제시한다. 먼저 현재 제안되고 있는 뇌신호 표현을 위한 딥 뉴럴 네트워크 구조에 대해 분석한다. 또한 뇌신호의 특성을 잘 학습하기 위한 자가-지도 학습 방법론을 분석한다. 끝으로, 딥러닝 기반 뇌신호 분석을 위한 중요 시사점 및 방향성에 관하여 논한다.

• 한국음향학회지
• /
• 제43권2호
• /
• pp.225-233
• /
• 2024

능동소나는 은밀하게 기동하는 수중 물체를 탐지하기 위해 음파를 송신하여 표적에서 반사되어 돌아오는 신호를 탐지한다. 그러나 능동소나의 수신 신호에는 표적의 반향음 외에도 해저면/해수면의 잔향, 생물 소음 및 기타 잡음 등이 섞여 있어 표적 인식을 어렵게 한다. 기존의 문턱값 이상의 신호를 탐지하는 기법은 설정한 문턱값에 따라 오탐지가 발생하거나 표적을 놓치는 경우가 발생할 뿐 아니라 다양한 수중환경마다 적절한 문턱값을 설정해야하는 문제가 있다. 이를 극복하기 위해 Constant False Alarm Rate(CFAR) 등의 기법을 이용한 문턱값의 자동산출과 진보된 형태의 추적 필터 및 연계 기법을 적용한 연구가 수행되었지만, 상당수의 탐지가 발생하는 환경에서는 그 한계가 있다. 최근 심층학습 기술이 발달함에 따라 수중 표적 탐지분야에도 이를 적용하기 위한 노력이 있었으나, 분류기 학습을 위한 능동소나 데이터의 획득이 매우 어려워 데이터가 희소할 뿐 아니라, 극소수의 표적과 상대적 다수의 비표적으로 인한 데이터의 불균형성으로 어려움이 있다. 본 논문에서는 탐지 신호의 에너지 분포 영상을 이용하되, 데이터의 불균형성을 고려한 방식으로 분류기를 학습하여 표적과 비표적을 구분하는 기법을 기존 소나처리 기법에 추가하여 표적의 오분류를 최소화하면서 비표적을 제거하여 능동소나 운용자의 표적 인식을 용이하게 하였다. 그리고 동해에서 수행한 해상실험에서 획득한 능동소나 데이터를 통해 제안 기법의 유효성을 검증하였다.

• Journal of Gastric Cancer
• /
• 제24권3호
• /
• pp.327-340
• /
• 2024

Purpose: Results of initial endoscopic biopsy of gastric lesions often differ from those of the final pathological diagnosis. We evaluated whether an artificial intelligence-based gastric lesion detection and diagnostic system, ENdoscopy as AI-powered Device Computer Aided Diagnosis for Gastroscopy (ENAD CAD-G), could reduce this discrepancy. Materials and Methods: We retrospectively collected 24,948 endoscopic images of early gastric cancers (EGCs), dysplasia, and benign lesions from 9,892 patients who underwent esophagogastroduodenoscopy between 2011 and 2021. The diagnostic performance of ENAD CAD-G was evaluated using the following real-world datasets: patients referred from community clinics with initial biopsy results of atypia (n=154), participants who underwent endoscopic resection for neoplasms (Internal video set, n=140), and participants who underwent endoscopy for screening or suspicion of gastric neoplasm referred from community clinics (External video set, n=296). Results: ENAD CAD-G classified the referred gastric lesions of atypia into EGC (accuracy, 82.47%; 95% confidence interval [CI], 76.46%-88.47%), dysplasia (88.31%; 83.24%-93.39%), and benign lesions (83.12%; 77.20%-89.03%). In the Internal video set, ENAD CAD-G identified dysplasia and EGC with diagnostic accuracies of 88.57% (95% CI, 83.30%-93.84%) and 91.43% (86.79%-96.07%), respectively, compared with an accuracy of 60.71% (52.62%-68.80%) for the initial biopsy results (P<0.001). In the External video set, ENAD CAD-G classified EGC, dysplasia, and benign lesions with diagnostic accuracies of 87.50% (83.73%-91.27%), 90.54% (87.21%-93.87%), and 88.85% (85.27%-92.44%), respectively. Conclusions: ENAD CAD-G is superior to initial biopsy for the detection and diagnosis of gastric lesions that require endoscopic resection. ENAD CAD-G can assist community endoscopists in identifying gastric lesions that require endoscopic resection.

• 한국터널지하공간학회 논문집
• /
• 제26권4호
• /
• pp.365-384
• /
• 2024

인력기반의 점검보다 안전하고 효율적인 자동화 점검을 위하여 스캐닝 기술 개발이 가속화되고 있다. 컴퓨터비전 기술을 활용하여 수집된 이미지로부터 시설물 손상을 자동으로 검출하는 연구도 증가하고 있다. 이미지의 픽셀 크기, 품질 및 수량은 손상 자동 검출을 위한 딥러닝이나 이미지 처리 성능에 영향을 미칠 수 있다. 본 연구는 딥러닝기반 손상 자동 검출을 위한 이동식 터널 스캐닝 시스템의 카메라 성능과 고품질의 원시 이미지 데이터 취득을 위한 기초연구로, 이미지의 품질을 정량적으로 평가하기 위한 기법을 제안하려고 한다. 40 km/h의 이동속도 모사가 가능한 패널 장치에 테스트차트를 부착하고 국제표준 ISO 12233방법으로 실내시험을 수행하였다. 기존의 이미지 품질 평가기법들을 적용하여 실내실험에서 얻어진 이미지의 품질을 평가하였다. 카메라의 셔터스피드는 이미지에 발생하는 모션블러와 밀접한 관련이 있는 것으로 판단되었다. 이미지 품질 평가 기법 중 하나인 modulation transfer function (MTF)는 이미지 품질을 객관적으로 평가할 수 있으며, 시각적 관찰과 일치하는 것으로 판단되었다.

• 대한원격탐사학회지
• /
• 제40권4호
• /
• pp.343-350
• /
• 2024

Meta에서 신속한 영상 분할 기능을 제공하는 대규모 컴퓨터 비전 생성 모델을 발표한 이후, 여러 활용 분야에서 이를 적용하려는 연구가 이루어지고 있다. 이 연구에서는 위성 영상 자료에 Segment Anything Model (SAM)을 사용할 수 있는 QGIS 플러그인 Geo-SAM을 사용하여 수체 객체 탐지와 추출에 대한 SAM의 적용성을 조사해 보고자 하였다. 실험 대상 자료는 국토위성(Compact Advanced Satellite 500, CAS500-1) 영상을 사용하였다. 이 자료를 가지고 SAM을 적용하여 얻은 결과는 같은 입력 영상으로부터 수작업으로 제작한 수체 객체 자료, Open Street Map (OSM)의 수체 자료, 국토지리정보원의 수계 수치지도와 비교하였다. SAM 처리 결과와 비교 대상 자료를 이용하여 추출된 모든 객체를 대상으로 계산한 경계사각형의 교집합/합집합의 평균값을 나타내는 mean Intersection over Union (mIoU)은 각각 0.7490, 0.5905, 0.4921로 나타났고, 각 자료에서 공통으로 나타나거나 추출된 객체에 대해 계산한 결과는 차례대로 0.9189, 0.8779, 0.7715로 나타났다. SAM을 적용한 결과와 다른 비교 자료와의 공간적 일치도를 분석한 결과, SAM에서는 한 개의 수체 객체를 여러 개의 분할 요소로 나타내므로 수체 객체 분류를 지원하는 의미 있는 결과를 보이고 있음을 알 수 있다.

• Oncology Letters
• /
• 제42권1호
• /
• pp.453-460
• /
• 2019

The present study aimed to identify novel methylation markers of clear cell renal cell carcinoma (ccRCC) using microarray methylation analysis and evaluate their prognostic relevance in patient samples. To identify cancer-specific methylated biomarkers, microarray profiling of ccRCC samples from our institute (n=12) and The Cancer Genome Atlas (TCGA) database (n=160) were utilized, and the prognostic relevance of candidate genes were investigated in another TCGA dataset (n=153). For validation, pyrosequencing analyses with ccRCC samples from our institute (n=164) and another (n=117) were performed and the potential clinical application of selected biomarkers was examined. We identified 22 CpG island loci that were commonly hypermethylated in ccRCC. Kaplan-Meier analysis of TCGA data indicated that only 4/22 loci were significantly associated with disease progression. In the internal validation set, Kaplan-Meier analysis revealed that hypermethylation of two loci, zinc finger protein 492 (ZNF492) and G protein-coupled receptor 149 (GPR149), was significantly associated with shorter time-to-progression. Multivariate Cox regression models revealed that hypermethylation of ZNF492 [hazard ratio (HR), 5.44; P=0.001] and GPR149 (HR, 7.07; P<0.001) may be independent predictors of tumor progression. Similarly, the methylation status of these two genes was significantly associated with poor outcomes in the independent external validation cohort. Collectively, the present study proposed that the novel methylation markers ZNF492 and GPR149 could be independent prognostic indicators in patients with ccRCC.

• 한국지반공학회논문집
• /
• 제40권4호
• /
• pp.69-79
• /
• 2024

현장 지반정수 데이터는 다양한 현장 및 실내시험을 통해 획득된 후 지반조사보고서의 형태로 작성되어 유통된다. 효율적인 설계 및 시공을 위해선 지반정수의 디지털 데이터베이스화가 필수적이나, 현재 지반조사보고서 데이터는 수동 입력 방식으로 많은 시간과 인력이 소요되며, 오류가 발생하기도 한다. 본 연구는 이미지 기반 딥러닝 모델 및 텍스트 마이닝 기법을 사용하여 지반조사보고서에서 데이터를 자동으로 추출하는 방법을 제안하였다. 딥러닝 기반의 페이지 분류 모델과 텍스트 서칭 알고리즘을 사용하여 지반조사보고서 부록 내 세부 지반시험 결과 보고서를 100%의 정확도로 분류할 수 있었다. 컴퓨터 비전 알고리즘을 통해 보고서 페이지 내 유효한 데이터 영역을 결정하고, 텍스트 분석을 통해 추출 데이터 항목과 상응하는 지반 데이터를 짝지어 데이터를 추출했다. 제안한 모델은 205개의 지반조사 보고서로 구성된 데이터셋을 통해 검증되었으며, 평균 93.0%의 데이터 추출 정확도를 기록하였다. 마지막으로, 추출 모델의 실무 적용성을 위해 사용자 인터페이스 기반 프로그램을 개발하였다. 프로그램 내 사용자 상호작용을 통해 지반조사보고서 PDF 파일을 업로드하고 자동으로 보고서를 분석 및 데이터를 추출, 편집할 수 있도록 했다. 이를 통해 지반조사보고서의 디지털화 및 지반 데이터베이스 구축이 더욱 효율적이고 정확하게 이루어질 수 있을 것으로 판단된다.