• 분석과학
• /
• 제19권3호
• /
• pp.239-243
• /
• 2006

본 연구는 LLE(liquid-liquid extraction) 전처리 방법과 HPLC/UV를 이용하여 혈장에서 이트라코나졸을 정량 분석하는 방법을 연구하였다. 이트라코나졸과 내부표준물질(펠로디핀)을 디에틸에테르로 추출하고 C18 컬럼을 이용하여 분리한 후 UV 검출기를 통하여 254 nm에서 검출하였다. 이동상은 10 mM 아세트산 암모늄 완충액(pH 7) :아세토나이트릴(35:65, v/v) 혼합용액을 사용하였으며, 유속은 0.2 mL/min.으로 하였다. 정량범위는 2~1,000 ng/mL 이며, 상관관계($R^2$)는 0.9991로 좋은 직선성을 보였다. 정량한계는 2 ng/mL, 재현성은 변동계수가 10.8 이하, 정확도는 97.2~108.2% 였다. 이 분석방법은 혈장 중의 약물 정량 및 약물의 약동력학에 유용함을 보여주었다.

• 분석과학
• /
• 제20권4호
• /
• pp.347-354
• /
• 2007

본 연구에서는 축산 식품으로 소고기, 돼지고기, 닭고기를 선택하고, 수산 식품으로는 광어와 뱀장어를 선택하여 축 수산 식품 중에 잔류하는 노보비오신의 신속하고 간단한 고속액체크로마토그래피(HPLC) 분석법을 확립하였다. 각 대상 조직시료 일정량에 메탄올을 가하여 균질화한 후, 헥산 용매를 가하여 분석에 방해가 되는 지용성 불순물을 추출 제거하였다. 남은 액을 질소 기류 하에서 완전 건고하고, 여기에 이동상을 가하여 재분산한 후, $0.45{\mu}m$ syringe filter로 여과하고, 이 중 $20{\mu}L$를 HPLC에 주입하였다. HPLC 칼럼으로 phenyl hexyl 칼럼($4.6{\times}150mm$, $5{\mu}m$)을 사용하였고, 이동상으로는 아세토니트릴과 10 mM 인산수소나트륨(monobasic sodium phosphate, pH 2.5)의 혼액(50/50, v/v)을 사용하였으며, 유속은 1.0 mL/min, UV 검출 파장은 254 nm이었다. 각 대상 조직시료에 $0.5{\sim}5{\mu}g/g$의 농도 범위로 표준품을 가하고 검량선을 작성한 결과, 상관계수($r^2$)는 모든 조직 시료에서 CODEX 기준에 적합한 직선성($r^2$ > 0.95)을 보였으며, 정량한계는 $0.5{\mu}g/g$이었다. 각 조직별 평균 회수율은 소 등심 시료가 99.8%, 돼지 삼겹살 시료가 102.4%, 닭 가슴살 시료가 91.0%, 광어 살코기 시료가 104.0%, 뱀장어 살코기 시료가 93.0 %이었다. CODEX 기준을 참조하여 분석법에 대한 검증을 실시한 결과, 양호한 직선성, 정밀성, 정확성 및 회수율을 얻었다.

• 대한토목학회논문집
• /
• 제28권5B호
• /
• pp.485-493
• /
• 2008

한반도 영역을 대상으로 RDAPS모형의 수치예보자료, AWS의 관측강수, 상층기상관측(upper-air sounding)의 관측자료를 이용하여 권역별 강수발생확률을 예측할 수 있는 인공신경망 모형을 제시하였다. 사용된 자료의 기간은 2001년 7, 8월과 2002년 6월로 홍수기를 대상으로 하였다. 500/750/1000 hPa에서의 지위고도, 500-1000 hPa에서의 층후(thickness), 500 hPa에서의 X와 Y방향 바람성분, 750 hPa에서의 X와 Y방향 바람성분, 표면풍속, 500/750 hPa/표면에서의 온도, 평균해면기압, 3시간 누적 강수, AWS관측소에서 관측된 RDAPS모형 실행전의 6시간과 12시간동안의 누적강수, 가강수량, 상대습도등을 신경망의 예측인자로 사용하였다. 신경망의 구조는 3층 MLP(Multi Layer Perceptron)로 구성하여 역전파알고리즘(Back-propagation)을 학습방법으로 사용하였다. 신경망예측결과 한반도전체에 대한 예측성과의 개선은 H가 6.8%상승하였고, 특히 TS와 POD는 각각 99.2%와 148.1% 상승함으로서 강수예측에 대한 신경망모형이 효과적인 도구가 될 수 있음을 확인하였다. KSS 역시 92.8% 개선됨으로서 RDAPS 예측에 비하여 뚜렷이 개선된 결과를 보여주고 있다.

• Korean Journal of Radiology
• /
• 제22권7호
• /
• pp.1100-1109
• /
• 2021

Objective: To compare the diagnostic performance between Prostate Imaging-Reporting and Data System version 2.0 (PI-RADSv2.0) and version 2.1 (PI-RADSv2.1) for clinically significant prostate cancer (csPCa) in the peripheral zone (PZ). Materials and Methods: This retrospective study included 317 patients who underwent multiparametric magnetic resonance imaging and targeted biopsy for PZ lesions. Definition of csPCa was International Society of Urologic Pathology grade ≥ 2 cancer. Area under the curve (AUC), sensitivity, specificity, positive predictive value (PPV), negative predictive value (NPV), and accuracy for csPCa were analyzed by two readers. The cancer detection rate (CDR) for csPCa was investigated according to the PI-RADS categories. Results: AUC of PI-RADSv2.1 (0.856 and 0.858 for reader 1 and 2 respectively) was higher than that of PI-RADSv2.0 (0.795 and 0.747 for reader 1 and 2 respectively) (both p < 0.001). Sensitivity, specificity, PPV, NPV, and accuracy for PI-RADSv2.0 vs. PI-RADSv2.1 were 93.2% vs. 88.3% (p = 0.023), 52.8% vs. 76.6% (p < 0.001), 48.7% vs. 64.5% (p < 0.001), 94.2% vs. 93.2% (p = 0.504), and 65.9% vs. 80.4% (p < 0.001) for reader 1, and 96.1% vs. 92.2% (p = 0.046), 34.1% vs. 72.4% (p < 0.001), 41.3% vs. 61.7% (p < 0.001), 94.8% vs. 95.1% (p = 0.869), and 54.3% vs. 78.9% (p < 0.001) for reader 2, respectively. CDRs of PI-RADS categories 1-2, 3, 4, and 5 for PI-RADSv2.0 vs. PI-RADSv2.1 were 5.9% vs. 5.9%, 5.8% vs. 12.5%, 39.8% vs. 56.2%, and 88.9% vs. 88.9% for reader 1; and 4.5% vs. 4.1%, 6.1% vs. 11.1%, 32.5% vs. 53.4%, and 85.0% vs. 86.8% for reader 2, respectively. Conclusion: Our data demonstrated improved AUC, specificity, PPV, accuracy, and CDRs of category 3 or 4 of PI-RADSv2.1, but decreased sensitivity, compared with PI-RADSv2.0, for csPCa in PZ.

• 한국ITS학회 논문지
• /
• 제23권2호
• /
• pp.69-78
• /
• 2024

최근 CCTV 영상을 기반으로 인파사고를 예방하는 방안이 추진되고 있다. 그러나 CCTV는 공간적 한계점이 있어 이를 보완하기 위한 연구가 필요한 실정이다. 본 연구에서는 드론 영상을 사용하여 보행자의 밀도를 측정하는 연구를 수행하였다. 기존 연구문헌을 통해 군중의 인파사고 임계값인 1m²당 6.7명을 위험수준으로 선정하였다. 또한 드론의 파라미터를 도출하기 위해 선행연구를 수행한 결과, 고도 20m, 각도 60°에서 보행자의 인식률이 높은 것으로 나타났다. 이후 선행연구를 기반으로 보행자가 밀집한 대상지를 선정하여 밀집도를 측정한 결과, 단위 면적당 0.27~0.30명 수준으로 나타났다. 본 연구를 통해 드론 영상을 사용하여 대상지의 보행자 밀집도에 따른 위험수준 측정이 가능한 것으로 확인되었으며, 향후 인파사고 안전관리 대체 수단으로 활용이 가능할 것으로 판단된다.

• 한국ITS학회 논문지
• /
• 제23권2호
• /
• pp.157-172
• /
• 2024

자율주행 기술은 상용화될 경우 교통 네트워크에 안전성, 이동성, 환경성을 개선할 잠재력을 지니고 있다. 그러나, 센서 기능의 저하와 원거리 검지의 한계는 자율주행 차량의 안전한 주행을 방해할 수 있으므로 인근 차량과 인프라에서 수집한 정보를 활용하여 보완하는 자율협력주행이 필수적이다. 또한, HDV, AV, CAV는 인지할 수 있는 정보의 범위가 각기 다르고 이에 따른 대응 프로토콜이 상이하기 때문에 자율주행 기술 과도기에 발생하는 혼재 교통류에서의 대응책이 필요하다. 자율주행 차량 보급률, 도로 구간별 특성 차이를 복합적으로 고려한 교통류 최적화 연구가 부족하다. 본 연구는 인프라 가이던스 유스케이스 및 자율주행차량 MPR별 안전성, 이동성, 환경성에 따른 가중치를 개발하는 것을 목적으로 한다. AHP 가중치를 개발하기 위해 MPR을 고려한 Hybrid AHP와 인프라 가이던스 구간 및 상황 별 AHP를 결합하고 통합 평가지표를 개발하였다. 분석결과, LOS A-B × MPR 10% × 분·합류부 및 엇갈림구간은 안전성 가중치(0.841)가 가장 높은 구간인 동시에 이동성 가중치(0.112)가 가장 낮은 구간이였으며, LOS A-B × MPR 50% × CAV 전용도로의 안전성 가중치(0.605)가 가장 낮은 구간인 동시에 이동성 가중치(0.335)가 가장 높은 구간으로 도출되었다. 본 연구의 결과를 기반으로 혼재 교통류를 최적화하기 위한 차량 별 통행 우선권을 부여하는데 활용할 수 있다.

• 한국지반공학회논문집
• /
• 제40권1호
• /
• pp.15-28
• /
• 2024

본 연구에서는 터널 구조물 내부 이미지 데이터를 취득하는 방법과 이미지 데이터의 구조화를 위한 방법을 제안하였다. 터널 구조물 내부 이미지 데이터 취득 조건을 개선함으로써 AREA TYPE의 터널 스캐닝에서 고화질의 이미지 데이터를 얻을 수 있다. 데이터 취득 조건을 개선하기 위해 터널 상부에 터널의 길이 방향 레일을 설치하고 설치된 레일을 이동하며 터널 구조물 전체의 이미지 데이터를 취득할 수 있도록 설계하였다. 본 연구는 거리 20m, 해상도 3840×2160 및 해상도 720×480의 조건에서 0.5mm 균열 모사선을 식별하였다. 또한 취득된 이미지 데이터를 이미지 타일 단위로 관리하기 위한 이미지 데이터 구조화 방법을 제안하였다. 터널의 이미지 데이터 구조화를 위해 적용인자 (취득 이미지의 해상도와 터널의 크기)를 관계식에 대입하여 터널의 이미지 데이터를 구조화할 수 있다. 실험을 통해 터널 길이 1,000m, 폭 20m 터널의 이미지 데이터는 해상도와 정밀도에 따라 최소중첩률 0.02%에서 8.36% 구해지며 로컬좌표계의 크기는 (14×15)에서 (36×34)로 나타났다.

• 대한치과교정학회지
• /
• 제54권1호
• /
• pp.48-58
• /
• 2024

Objective: To quantify the effects of midline-related landmark identification on midline deviation measurements in posteroanterior (PA) cephalograms using a cascaded convolutional neural network (CNN). Methods: A total of 2,903 PA cephalogram images obtained from 9 university hospitals were divided into training, internal validation, and test sets (n = 2,150, 376, and 377). As the gold standard, 2 orthodontic professors marked the bilateral landmarks, including the frontozygomatic suture point and latero-orbitale (LO), and the midline landmarks, including the crista galli, anterior nasal spine (ANS), upper dental midpoint (UDM), lower dental midpoint (LDM), and menton (Me). For the test, Examiner-1 and Examiner-2 (3-year and 1-year orthodontic residents) and the Cascaded-CNN models marked the landmarks. After point-to-point errors of landmark identification, the successful detection rate (SDR) and distance and direction of the midline landmark deviation from the midsagittal line (ANS-mid, UDM-mid, LDM-mid, and Me-mid) were measured, and statistical analysis was performed. Results: The cascaded-CNN algorithm showed a clinically acceptable level of point-to-point error (1.26 mm vs. 1.57 mm in Examiner-1 and 1.75 mm in Examiner-2). The average SDR within the 2 mm range was 83.2%, with high accuracy at the LO (right, 96.9%; left, 97.1%), and UDM (96.9%). The absolute measurement errors were less than 1 mm for ANS-mid, UDM-mid, and LDM-mid compared with the gold standard. Conclusions: The cascaded-CNN model may be considered an effective tool for the auto-identification of midline landmarks and quantification of midline deviation in PA cephalograms of adult patients, regardless of variations in the image acquisition method.

• 한국식품위생안전성학회지
• /
• 제39권2호
• /
• pp.128-133
• /
• 2024

경기도에서 유통중인 포도씨유 50건을 대상으로 잔류농약 실태를 조사하였다. 50건 중 49건에서 10종의 잔류농약이 161회 검출되었다. 검출된 농약은 boscalid, cyflufenamid, deltamethrin, difenoconazole, fluxapyroxad, fenpyrazamine, kresoxim-methyl, piperonyl butoxide, tebuconazole, trifloxystrobin으로 살충제 2종, 살균제 8종이었으며 살균제인 boscalid가 44회, fluxapyroxad가 35회로 가장 빈번하게 검출되었다. 검출범위는 0.01-1.10 mg/kg으로 모두 포도의 잔류농약 허용 기준 이내로 검출되었다. 검출된 농약의 회수율은 72.6-129.8%이었으며 검출된 농약의 위해성을 알아보기 위해 %ADI를 산출한 결과 0.0028% 이하로 나타나 포도씨유의 잔류농약으로 인한 위해성은 안전한 수준으로 조사되었다. 그러나 본 연구는 시료의 수가 적고 GC/MS/MS로 분석가능한 농약만 조사하였기 때문에 보다 신뢰성 있는 결과를 얻기 위해선 앞으로도 꾸준한 추적 조사가 필요할 것으로 사료된다.

• 터널과지하공간
• /
• 제34권3호
• /
• pp.218-230
• /
• 2024

최근 건설현장의 안전사고 문제를 해결하기 위해 컴퓨터 비전 기술을 활용한 안전관리에 관한 연구를 많이 수행하고 있다. 최근 딥러닝 기반 객체 인식 및 영역 분할 연구에서 앵커 박스 파라미터를 사용하고 있다. 일관적인 정확도를 확보하기 위하여 학습 과정에서 앵커 박스 파라미터의 최적화가 중요하다. 앵커 박스 관련 파라미터는 일반적으로 학습자의 휴리스틱 방법으로 모양과 크기를 고정하여 학습을 수행하고 있고, 파라미터는 단일로 구성된다. 하지만 파라미터는 객체 종류와 객체 크기에 따라 민감하고 수가 증가하면 단일 파라미터로 데이터의 모든 특성을 반영하는데 한계가 발생한다. 따라서 본 논문은 분할 학습을 통해 최적화된 다중 파라미터를 적용하는 방법을 제안하여 단일 파라미터로 모든 객체의 특성을 반영하기 어려운 문제를 해결하고자 한다. 통합 데이터를 객체 크기, 객체 수, 객체의 형상에 따라 효율적으로 분할하는 기준을 정립하였으며, 최종으로 통합 학습과 분할 학습 방법의 성능 비교를 통해 제안한 학습 방법의 효과를 검증하였다.