• 한국의학물리학회지:의학물리
• /
• 제14권1호
• /
• pp.34-42
• /
• 2003

World Wide Web (WWW)에서 Virtual Reality Modeling Language (VRML)를 이용하는 3차원 (3D) 디스플레이는 사용자에게 직관적인 정보를 더 효과적으로 제공해 준다. 웹을 기반으로 하는 해부학적 영상과 융합되는 기능적 영상의 3D 가시화는 아직까지 체계적인 방식으로 연구가 활발히 진행되지 않았다. 이 연구의 목적은 2D 영상들과 함께 웹에서 VRML을 이용하여 구현되는 3D 해부학적 표면 영상들과 기능적 표면 영상들을 동시적으로 관찰할 수 있게 하고 VRML을 통해 만들어진 거리 측정 도구를 가지고 관심영역의 공간적인 위치 정보를 제공하는 것이다. 본 연구에서는 한 명의 간질 환자로부터 Magnetic Resonance (MR) 축면 영상과 발작기 및 발작간기 Single Photon Emission Computed Tomography (SPECT) 축면 영상들을 각각 획득하였다. 발작 진원지의 확인을 향상시키기 위해서 subtractionictal SPECT coregistered to MRI (SISCOM)을 수행하였다 SISCOM 결과로 나타난 각 2D 영상들은 모든 voxel들의 평균값 위로 1-표준편차와 2-표준편차에 해당하는 문턱 이상의 영상 값을 갖도록 하였다. SISCOM으로 나타나는 간질 발작 진원지들과 MRI 영상에서 회색질, 백색질 및 뇌척수액의 경계들을 각각 분할하고 marching cube 알고리즘에 의해 VRML 표면 영상들로 나타내었다. 축면 영상에서 실제 거리를 나타내는 x, y축의 길이를 획득하고 z축선의 길이를 계산하였다. VRML을 이용한 거리 측정도구를 만들어 이전의 VRML 표면 영상들과 융합하였다. MRI 영상을 이용하여 3D 표면 영상들의 단면을 나타내고 3D 표면 영상들의 투명도를 설정하기 위해 Java Script 루틴을 사용자 인터페이스 도구로서 삽입하였다 웹 페이지에서 구현되는 3D 표면 영상들의 투명도와 관찰 위치를 조절함에 따라 모델들 사이의 공간적인 정보를 직관적으로 알 수 있었다. 간질 발작 진원지에 대응하는 해부학적 구조를 3D 표면 영상들을 가로지르는 MRI 평면 영상들을 통해서 확인하였다 간질 발작 진원지는 뇌의 오른쪽 측두엽에서 나타났고 공간적으로 발작 진원지의 실제 위치를 VRML 거리 측정 도구에 의해 알 수 있었다. 결론적으로 본 연구에서 제시하는 웹에 근거한 3D 융합 영상의 가시화와 위치 측정은 진단 및 치료 방사선학과 외과학 등의 분야에서 온라인 방식의 연구와 교육에 있어 많은 도움을 줄 것이다.

• Pediatric Infection and Vaccine
• /
• 제30권2호
• /
• pp.73-83
• /
• 2023

목적: 본 연구의 목적은 혈액종양 기저질환으로 치료 중 유증상 코로나바이러스감염증-19(COVID-19)으로 확진 된 소아청소년에서 바이러스 부하(viral load)의 변화를 확인하고자 하였다. 방법: 후향적 종단 코호트연구(retrospective longitudinal cohort study)로, 19세 미만 소아청소년 중 악성 빈혈, 혈액암, 또는 고형암으로 치료 중인 상태에서 2022년 3월 1일부터 8월 30일 사이에 SARS-CoV-2 PCR 양성으로 유증상 코로나바이러스감염증-19가 확진 된 환자를 대상으로 하였다. 환자들의 의무 기록과 전화 문진으로 임상 증상과 전파경로, 그리고 증상의 경과에 대한 자료를 얻었고, 서울성모병원에서 시행했던 SARS-CoV-2 PCR titer 값을 분석하였다. 확진 이후 E gene RT-PCR Ct value ≥25을 전파가능성이 낮은 상태로 정의하였다. 결과: 6개월의 연구 기간 동안 총 43명의 환자에서 44번의 COVID-19 확진 사례가 포함되었다. 환자의 평균 연령은 8세(interquartile range, 4.9-10.5)였으며, 가장 흔한 기저 질환은 급성 림프구성 백혈병(n=30, 68.2%)이었고, 다음으로 조혈모세포이식 후(n=8, 18.2%) 상태인 환자들이었다. 대부분 경증 COVID-19 (n=32, 72.7%)에 해당이 되었고, 3명의 환자(7.0%)는 중증/위중증 COVID-19에 해당되어 산소 치료를 받았다. 2.3% (n=1)는 COVID-19 관련 급성 호흡곤란 증후군으로 사망하였다. 확진 이후 E gene RT-PCR Ct값이 ≥25을 도달한 시점이 15-21일인 환자는 총 39.4%(n=13)이었고, 22-28일에 도달한 환자는 30.3% (n=10)이었다. 15.2% (n=5)의 환자에서는 확진 후 28일이 지난 시점에서도 Ct값 <25를 유지하였다. E gene Ct값이 <25 장기간 지속되는 위험인자로 난치성 악성 종양 상태(β, 67.0; 95% CI, 7.0-17.0; P=0.030)가 유의한 관련이 있었다. 한 환자는 확진 후 Ct 값이 <25으로 유지되던 중, 확진 후 86일 째 보호자로 상주하던 어머니에게 바이러스를 전파하였다. 결론: 난치성 악성 종양 상태에서 유증상 COVID-19에 확진 되는 경우 바이러스를 장기간 배출 할 수 있기 때문에, 이런 환자군에서는 PCR 기반 바이러스 전파 예방 조치가 도움이 될 수 있다.

• 지능정보연구
• /
• 제16권3호
• /
• pp.77-97
• /
• 2010

매매시점결정은 금융시장에서 초과수익을 얻기 위해 사용되는 투자전략이다. 일반적으로, 매매시점 결정은 거래를 통한 초과수익을 얻기 위해 언제 매매할 것인지를 결정하는 것을 의미한다. 몇몇 연구자들은 러프집합분석이 매매시점결정에 적합한 도구라고 주장하였는데, 그 이유는 이 분석방법이 통제함수를 이용하여 시장의 패턴이 불확실할 때에는 거래를 위한 신호를 생성하지 않는다는 점 때문이었다. 러프집합은 분석을 위해 범주형 데이터만을 이용하므로, 분석에 사용되는 데이터는 연속형의 수치값을 이산화하여야 한다. 이산화란 연속형 수치값의 범주화 구간을 결정하기 위한 적절한 "경계값"을 찾는 것이다. 각각의 구간 내에서의 모든 값은 같은 값으로 변환된다. 일반적으로, 러프집합 분석에서의 데이터 이산화 방법은 등분위 이산화, 전문가 지식에 의한 이산화, 최소 엔트로피 기준 이산화, Na$\ddot{i}$ve and Boolean reasoning 이산화 등의 네 가지로 구분된다. 등분위 이산화는 구간의 수를 고정하고 각 변수의 히스토그램을 확인한 후, 각각의 구간에 같은 숫자의 표본이 배정되도록 경계값을 결정한다. 전문가 지식에 의한 이산화는 전문가와의 인터뷰 또는 선행연구 조사를 통해 얻어진 해당 분야 전문가의 지식에 따라 경계값을 정한다. 최소 엔트로피 기준 이산화는 각 범주의 엔트로피 측정값이 최적화 되도록 각 변수의 값을 재귀분할 하는 방식으로 알고리즘을 진행한다. Na$\ddot{i}$ve and Boolean reasoning 이산화는 Na$\ddot{i}$ve scaling 후에 그로 인해 분할된 범주값을 Boolean reasoning 방법으로 종속변수 값에 대해 최적화된 이산화 경계값을 구하는 방법이다. 비록 러프집합분석이 매매시점결정에 유망할 것으로 판단되지만, 러프집합분석을 이용한 거래를 통한 성과에 미치는 여러 이산화 방법의 효과에 대한 연구는 거의 이루어지지 않았다. 본 연구에서는 러프집합분석을 이용한 주식시장 매매시점결정 모형을 구성함에 있어서 다양한 이산화 방법론을 비교할 것이다. 연구에 사용된 데이터는 1996년 5월부터 1998년 10월까지의 KOSPI 200데이터이다. KOSPI 200은 한국 주식시장에서 최초의 파생상품인 KOSPI 200 선물의 기저 지수이다. KOSPI 200은 제조업, 건설업, 통신업, 전기와 가스업, 유통과 서비스업, 금융업 등에서 유동성과 해당 산업 내의 위상 등을 기준으로 선택된 200개 주식으로 구성된 시장가치 가중지수이다. 표본의 총 개수는 660거래일이다. 또한, 본 연구에서는 유명한 기술적 지표를 독립변수로 사용한다. 실험 결과, 학습용 표본에서는 Na$\ddot{i}$ve and Boolean reasoning 이산화 방법이 가장 수익성이 높았으나, 검증용 표본에서는 전문가 지식에 의한 이산화가 가장 수익성이 높은 방법이었다. 또한, 전문가 지식에 의한 이산화가 학습용과 검증용 데이터 모두에서 안정적인 성과를 나타내었다. 본 연구에서는 러프집합분석과 의사결정 나무분석의 비교도 수행하였으며, 의사결정나무분석은 C4.5를 이용하였다. 실험결과, 전문가 지식에 의한 이산화를 이용한 러프집합분석이 C4.5보다 수익성이 높은 매매규칙을 생성하는 것으로 나타났다.