• 환경생물
• /
• 제40권3호
• /
• pp.316-324
• /
• 2022

본 연구는 비닐하우스로 대표되는 시설농업에서의 효과적이고 효율적인 해충방제를 위해 수입 농산물의 검역단계에서 사용되고 있는 훈증물질 중 하나인 에틸포메이트를 적용하여 박과작물인 수박, 멜론, 애호박에 훈증처리 후 작물 및 토양에의 잔류양상을 연구하였다. 이전 연구를 통하여 해충방제에 효과적인 에틸포메이트의 농업적 방제농도를 설정하였으며, 밀폐된 비닐하우스에서 농업적 방제농도의 에틸포메이트를 2시간 동안 훈증처리하였으며 훈증처리 이후 하우스를 완전개방하여 환기를 실시하였다. 훈증처리 30분 후 하우스 내의 에틸포메이트 농도는 4.1~4.3 g m^-3로 균일한 농도로 훈증처리가 잘 되었다. 박과작물 및 하우스 내 토양의 잔류분석을 위한 분석법 작성을 위해 표준품을 이용하여 검량선을 작성한 결과 헤드스페이스 샘플러-가스크로마토그래피 기기의 LOD는 100 ng g^-1 수준이었으며, LOQ는 300 ng g^-1 수준이었다. 각 작물별 및 토양의 검량선의 R² 값은 0.991~0.997의 수준으로 양호하였다. 환기 후 바로 채취한 시료에서는 모두 검출되지 않았거나 LOQ 이하의 수준으로 검출되었으며, 환기 후 3시간 이후의 시료에서는 개화기의 멜론에서만 1,068.9 ng g^-1의 에틸포메이트가 검출되었다. 검출된 잔류량의 양상을 종합하여 보았을 때, 환기 직후의 시료에서 검출된 양이 환기 후 3시간 경과된 시료보다 낮은 잔류양상을 보였다. 이는 분석과정에 걸리는 시간차에 의한 실험적 한계에 의한 결과라 할 수 있다. 따라서 이후의 에틸포메이트의 잔류량 분석 연구에 있어 빠른 분해양상을 주된 변화요인으로 고려하여 연구를 진행할 필요성이 요구된다. 위 연구결과를 토대로 하여 검역분야에서 사용중인 에틸포메이트를 농업분야에 적용하여 잔류에 대한 걱정이 없으며, 해충방제에 효과적인 훈증제로 사용할 수 있을 것으로 기대한다.

• 한국식품위생안전성학회지
• /
• 제38권5호
• /
• pp.361-372
• /
• 2023

축산물 중 잔류허용기준이 설정되어 관리하고 있는 농약 azocyclotin, cyhexatin, fenbutatin oxide는 대표적인 유기주석계 살비제이다. 기존 시험법은 가스크로마토그래피를 사용하여 정량한계가 높고 분석 시 재현성이 떨어져 이에 대한 개선이 필요한 실정으로 본 연구에서는 비교적 간편하며 시간이 적게 소요되는 QuEChERS법을 활용하여 azocyclotin, cyhexatin, fenbutatin oxide의 시험법을 마련하고자 하였다. 1% 아세트산을 함유한 아세트산에틸:아세토니트릴(1:1) 혼합액을 이용하여 진탕 추출 후 d-SPE로 정제하고 이를 농축 후 LC-MS/MS를 이용한 시험법을 개발하였다. Azocyclotin, cyhexatin 및 fenbutatin oxide의 결정계수(R²)는 0.99 이상으로 높은 직선성을 확인하였으며 정량한계는 0.01 mg/kg으로 높은 감도를 나타내었다. 대표 축산물 5종(소, 돼지, 닭, 계란, 우유)에서 LOQ(0.01 mg/kg), MRL(0.05 mg/kg), MRL 10배(0.5 mg/kg)의 농도에서 회수율 실험을 한 결과 평균 회수율이 76.4-115.3% 및 84.4-110.8%이었으며, 상대표준편차는 25.3% 이하로 나타났다. 본 연구는 Codex 가이드라인(CAC/GL 40-1993, 2003) 및 '식품의약품안전처 식품의약품안전평가원의 식품등 시험법 마련 표준절차에 관한 가이드라인(2016)'에 적합한 수준임을 확인하였다. 따라서 본 연구에서 확립한 시험법은 축산물 중 잔류할 수 있는 azocyclotin, cyhexatin, fenbutatin oxide의 안전관리를 위한 공정시험법으로 활용 가능할 것으로 판단된다.

• 서비스연구
• /
• 제14권1호
• /
• pp.13-26
• /
• 2024

멀티모달 (multi-modal) 생성이란 텍스트, 이미지, 오디오 등 다양한 정보를 기반으로 결과를 도출하는 작업을 말한다. AI 기술의 비약적인 발전으로 인해 여러 가지 유형의 데이터를 종합적으로 처리해 결과를 도출하는 멀티모달 기반 시스템 또한 다양해지는 추세이다. 본 논문은 음성과 텍스트 인식을 활용하여 인물을 묘사하면, 몽타주 이미지를 생성하는 AI 시스템의 개발 내용을 소개한다. 기존의 몽타주 생성 기술은 서양인들의 외형을 기준으로 이루어진 반면, 본 논문에서 개발한 몽타주 생성 시스템은 한국인의 안면 특징을 바탕으로 모델을 학습한다. 따라서, 한국어에 특화된 음성과 텍스트의 멀티모달을 기반으로 보다 정확하고 효과적인 한국형 몽타주 이미지를 만들어낼 수 있다. 개발된 몽타주 생성 앱은 몽타주 초안으로 충분히 활용 가능하기 때문에 기존의 몽타주 제작 인력의 수작업을 획기적으로 줄여줄 수 있다. 이를 위해 한국지능정보사회진흥원의 AI-Hub에서 제공하는 페르소나 기반 가상 인물 몽타주 데이터를 활용하였다. AI-Hub는 AI 기술 및 서비스 개발에 필요한 인공지능 학습용 데이터를 구축하여 원스톱 제공을 목적으로 한 AI 통합 플랫폼이다. 이미지 생성 시스템은 고해상도 이미지를 생성하는데 사용하는 딥러닝 모델인 VQGAN과 한국어 기반 영상생성 모델인 KoDALLE 모델을 사용하여 구현하였다. 학습된 AI 모델은 음성과 텍스트를 이용해 묘사한 내용과 매우 유사한 얼굴의 몽타주 이미지가 생성됨을 확인할 수 있다. 개발된 몽타주 생성 앱의 실용성 검증을 위해 10명의 테스터가 사용한 결과 70% 이상이 만족한다는 응답을 보였다. 몽타주 생성 앱은 범죄자 검거 등 얼굴의 특징을 묘사하여 이미지화하는 여러 분야에서 다양하게 사용될 수 있을 것이다.

• 한국식품위생안전성학회지
• /
• 제39권1호
• /
• pp.16-25
• /
• 2024

본 연구는 광주광역시에 유통·판매되고 있는 가금육을 대상으로 식중독 발생 가능성 높은 캠필로박터균의 검출여부와 분리된 균주의 항생제 내성 및 유전적 특성을 조사하였다. 전체 307건의 가금육(닭 223건, 오리84건) 중 111건에서 캠필로박터균이 검출(36.2%)되었고 116균주(Campylobacter jejuni 102균주, Campylobacter coli 14균주)를 분리하였다. 가금류별 캠필로박터균 검출률은 닭고기 26.0%, 오리고기 63.1% 이었고, 5건(닭 1건, 오리 4건)의 시료에서 Campylobacter jejuni, Campylobacter coli가 동시에 검출되었다. 분리된 균주의 항생제 내성 시험결과 99균주(85.3%)는 1가지 이상의 항생제에 대하여 내성을 보였다. 그 중 ciprofloxacin, nalidixic acid에 내성을 보이는 균주가 각각 98균주(84.5%), 96균주(82.8%)로 가장 많았고, 그 외에 tetracycline (44.0%), gentamicin (2.6%)에 내성을 나타냈다. 분리된 균주의 혈청형 확인 결과, HS2형 20균주, HS15형 11균주, HS19형 9균주, HS8형 8균주 등이 확인 되었고, HS42형, HS6형, HS53형, HS4A형, HS5형, HS18형, HS12형, HS27형 그리고 HS37형이 확인 되었다. 따라서 조리 가공 시 교차오염이 발생하지 않도록 조리기구 등에 대한 위생적 관리와 충분한 가열 조리 등의 식중독 예방을 위한 주의가 필요할 것으로 생각된다.

• 핵의학기술
• /
• 제16권1호
• /
• pp.115-118
• /
• 2012

Levey-Jennings 정도관리는 측정치가 관리 허용치(평균 ${\pm}2SD$ 또는 ${\pm}3SD$)를 벗어나는 우연오차만 관리를 했었다면, Westgard Multi-Rules 정도관리는 우연오차와 계통오차의 분리분석을 할 수 있고 복합적용이 가능해 병원 인증 내부정도관리에서도 적극 권장하고 있다. 하지만 검체검사 정도관리에서는 kit 내 같은 기질의 정도관리 물질을 사용해 계통오차의 인지가 쉽지 않고 잦은 농도 변경으로 목표치 설정이 어려워 Westgard Multi-Rules의 적용이 힘들었다. 따라서 본 연구는 정도관리 물질을 상용화된 제 3의 물질을 사용해 신뢰성 있는 목표치를 산출하고 Westgard Multi-Rules을 적용함으로써 정도관리를 개선하고자 한다. 갑상선 검사인 Total T3를 대상으로 정도관리 물질을 B사의 Immunoassay Plus Control Level 1, 2, 3를 사용하여 ${\pm}2SD$를 벗어난 값을 제외한 1개월 동안 295회 데이터의 평균값으로 목표치를 설정하였다. 그리고 20일간 총 194회 실험의 정도관리 물질 측정치를 표준편차 지수를 이용하여 하나의 관리도상에 놓고 Westgard Multi-Rules 중 12s, 22s, 13s, 2 of 32s, R4s, 41s, $10\bar{x}$, 7T의 규칙들을 적용하여 우연오차와 계통오차를 분리하여 분석하였다. Total T3의 목표치는 정도관리 물질 1, 2, 3번이 각각 84.2 ng/dl, 156.7 ng/dl, 242.4 ng/dl로 설정되었고 표준편차는 각각 11.22 ng/dl, 14.52 ng/dl, 14.52 ng/dl로 설정되었다. 설정된 목표치를 기준으로 Westgard Multi-Rules을 적용한 뒤 유형을 분석한 결과 우연오차인 12s가 48회, 13s가 13회, R4s가 6회로 분석되었고 계통오차인 22s는 10회, 41s가 11회, 2 of 32s가 17회, $10\bar{x}$가 10회로 분석되었으며 7T는 적용되어지지 않았다. 통제 불가능한 우연오차의 유형들은 전체실험과정을 재확인하고 재검사 비중을 높이는 등의 조치를 취하였으며 통제 가능한 계통오차의 유형들은 원인을 찾아 조치사항 양식에 기록하고 필요 시 내부정도관리 위원회에 보고하였다. 상용화된 제 3의 물질을 정도관리 물질로 사용하고 목표치를 설정함에 따라 하나의 관리도 상에서 3가지 정도관리 물질에 대한 Westgard Multi-Rules의 적용이 가능하게 되었고, 그 결과 12s, 22s, 13s, 2 of 32s, R4s, 41s, $10\bar{x}$, 7T 규칙들의 분석으로 우연오차와 계통오차의 정밀분석이 가능해 졌다. 또한 ${\pm}3SD$ 내의 모든 데이터를 분석 할 수 있어 Error 검출을 최대화 할 수 있게 되었다. 이와 같이 체계적으로 Westgard Multi-Rules을 적용한 정도관리는 검체검사의 정도관리에 질적 향상을 가져다 줄 것이다.

• Radiation Oncology Journal
• /
• 제26권2호
• /
• pp.118-125
• /
• 2008

목적: 온보드 영상장치(On-Board Imager, OBI) 및 콘빔CT(Cone Beam Computerized Tomography, CBCT)를 이용하면 치료실에 위치한 환자의 자세 및 위치와 모의치료 시점의 환자의 자세 및 위치를 비교할 수 있다. 온라인 영상유도방사선치료(on-line Image Guided Radiation Therapy, on-line IGRT)에서는 이러한 정보를 이용하여 방사선 치료 직전에 환자의 위치를 확인하고 보정한다. 이때 모의치료 시 획득한 영상과 치료실에서 실시간 얻은 kV X선 영상 또는 콘빔CT 영상을 이용하여 2차원/2차원 맞춤(2D/2D Match) 또는 3차원/3차원 맞춤(3D/3D Match)의 이미지 퓨젼 프로그램을 사용하여 그 편차를 산출한다. 이 과정에서 주어지는 편차가 환자 자세에 대한 오차를 정확히 반영하고 있는지에 대해 알아보고자 한다. 대상 및 방법: 신체 내부 구조가 모사된 팬톰(The $RANDO^{(R)}$ Phantom, Alderson Research Laboratories Inc., Stamford, CT, USA)을 사용하여 실제 방사선 치료와 동일한 과정을 따라 모의치료 및 치료계획을 시행한 후 치료 테이블 위에 팬톰을 셋업한다. 그리고 모의치료 시 표시된 팬톰의 표면 지점에 치료실의 레이저에 일치시킨다. 이때, CT 모의치료실과 가속기가 있는 치료실의 벽면 고정 레이저에 대한 정렬의 일치만 확인하면, 치료테이블에 놓여진 팬톰의 위치는 모의치료 시 위치와 정확히 일치한다. 실제로는 팬톰 표면에 나타나는 레이저 선의 두께 정도되는 오차를 무시한다면, 두 시점에서 팬톰의 위치가 정확히 같다고 말할 수 있다. 정확히 위치가 재현되었다고 가정되는 팬톰에 대해 평행이동 또는 회전이동의 변화를 만들어 준 후, 위치가 옮겨지고 틀어진 팬톰에 대해 온보드 영상장치로부터 kV X선 영상을 그리고 콘빔CT로부터 CT 영상을 얻는다. kV X선 영상과 모의치료 시 획득한 CT영상을 이용하여 OBI 프로그램에서 제공되는 2차원/2차원 맞춤의 결과를 얻는다. 그리고 콘빔CT 영상과 모의치료 시 획득한 CT영상을 가지고 이미지 퓨젼 과정을 거쳐 3차원/3차원 맞춤의 결과를 얻는다. 이렇게 얻은 2차원/2차원 맞춤 및 3차원/3차원 맞춤의 결과와 처음에 팬톰에 인위적으로 만들어준 위치 변화를 비교한다. 결과: 온보드 영상장치로 획득한 kV X선 영상과 모의치료 시 영상을 비교하는 2차원/2차원 맞춤에서는 팬톰의 위치에 회전이동만 존재한다고 가정했을 때에는 평균 $0.06^{\circ}$의 오차 내에서 모의치료 시 팬톰의 위치에 대한 편차를 찾을 수 있었다. 또한 평행이동만 존재한다고 가정했을 때에는 편차 벡터의 크기가 평균 1.8 mm였다. 그리고 회전이동과 평행이동이 동시에 존재하는 일반적인 경우에는 편차 벡터의 크기는 평균 2.1 mm, 테이블 회전 방향으로 평균 $0.3^{\circ}$의 오차 내에서 모의치료 시 팬톰의 위치를 찾을 수 있었다. 콘빔CT로 획득한 영상을 이용하는 3차원/3차원 맞춤의 과정에서 팬톰의 위치가 회전이동만 존재할 때에는 평균 $0.03^{\circ}$의 오차 내에서, 평행이동만 있는 경우는 편차 벡터의 크기의 평균이 0.16 mm 내에서, 틀어지고 이동된 팬톰의 위치를 찾을 수 있었다. 그리고 회전이동과 평행이동이 동시에 존재하는 일반적인 경우에는 편차 벡터의 크기는 1.5 mm, 테이블 회전 방향으로 평균 $0^{\circ}$의 오차 내에서, 모의치료 시 팬톰의 위치와 맞출 수 있었다. 결론: 온보드 영상장치와 콘빔CT를 이용한 영상유도방사선치료(on-line IGRT)에서 모의치료 시 팬톰의 위치는 가속기의 치료테이블 위에서 매우 정확히 재현되어졌다. 온보드 영상장치는 kV X선 영상을 이용하여 간단하게 위치의 검증과 보정을 할 수 있었고, 콘빔CT를 이용하는 경우에는 2차원적인 정면 또는 측면 영상이 아니라, 3차원 영상을 비교함으로서 더욱 정확한 위치보정이 가능하였다.

• 지능정보연구
• /
• 제20권2호
• /
• pp.109-122
• /
• 2014

현재 우리는 소셜 네트워크 서비스(Social Network Service, 이하 SNS) 상에서 수많은 데이터를 만들어 내고 있다. 특히, 모바일 기기와 SNS의 결합은 과거와는 비교할 수 없는 대량의 데이터를 생성하면서 사회적으로도 큰 영향을 미치고 있다. 이렇게 방대한 SNS 데이터 안에서 사람들이 많이 이야기하는 이슈를 찾아낼 수 있다면 이 정보는 사회 전반에 걸쳐 새로운 가치 창출을 위한 중요한 원천으로 활용될 수 있다. 본 연구는 이러한 SNS 빅데이터 분석에 대한 요구에 부응하기 위해, 트위터 데이터를 활용하여 트위터 상에서 어떤 이슈가 있었는지 추출하고 이를 웹 상에서 시각화 하는 트위터이슈 트래킹 시스템 TITS(Twitter Issue Tracking System)를 설계하고 구축 하였다. TITS는 1) 일별 순위에 따른 토픽 키워드 집합 제공 2) 토픽의 한달 간 일별 시계열 그래프 시각화 3) 토픽으로서의 중요도를 점수와 빈도수에 따라 Treemap으로 제공 4) 키워드 검색을 통한 키워드의 한달 간 일별 시계열 그래프 시각화의 기능을 갖는다. 본 연구는 SNS 상에서 실시간으로 발생하는 빅데이터를 Open Source인 Hadoop과 MongoDB를 활용하여 분석하였고, 이는 빅데이터의 실시간 처리가 점점 중요해지고 있는 현재 매우 주요한 방법론을 제시한다. 둘째, 문헌정보학 분야뿐만 아니라 다양한 연구 영역에서 사용하고 있는 토픽 모델링 기법을 실제 트위터 데이터에 적용하여 스토리텔링과 시계열 분석 측면에서 유용성을 확인할 수 있었다. 셋째, 연구 실험을 바탕으로 시각화와 웹 시스템 구축을 통해 실제 사용 가능한 시스템으로 구현하였다. 이를 통해 소셜미디어에서 생성되는 사회적 트렌드를 마이닝하여 데이터 분석을 통한 의미 있는 정보를 제공하는 실제적인 방법을 제시할 수 있었다는 점에서 주요한 의의를 갖는다. 본 연구는 JSON(JavaScript Object Notation) 파일 포맷의 1억 5천만개 가량의 2013년 3월 한국어 트위터 데이터를 실험 대상으로 한다.