Objective : Deep learning is a machine learning approach based on artificial neural network training, and object detection algorithm using deep learning is used as the most powerful tool in image analysis. We analyzed and evaluated the diagnostic performance of a deep learning algorithm to identify skull fractures in plain radiographic images and investigated its clinical applicability. Methods : A total of 2026 plain radiographic images of the skull (fracture, 991; normal, 1035) were obtained from 741 patients. The RetinaNet architecture was used as a deep learning model. Precision, recall, and average precision were measured to evaluate the deep learning algorithm's diagnostic performance. Results : In ResNet-152, the average precision for intersection over union (IOU) 0.1, 0.3, and 0.5, were 0.7240, 0.6698, and 0.3687, respectively. When the intersection over union (IOU) and confidence threshold were 0.1, the precision was 0.7292, and the recall was 0.7650. When the IOU threshold was 0.1, and the confidence threshold was 0.6, the true and false rates were 82.9% and 17.1%, respectively. There were significant differences in the true/false and false-positive/false-negative ratios between the anterior-posterior, towne, and both lateral views (p=0.032 and p=0.003). Objects detected in false positives had vascular grooves and suture lines. In false negatives, the detection performance of the diastatic fractures, fractures crossing the suture line, and fractures around the vascular grooves and orbit was poor. Conclusion : The object detection algorithm applied with deep learning is expected to be a valuable tool in diagnosing skull fractures.
최근 생성형 Artificial Intelligence(이하 AI)와 인공지능에 대한 수요가 높아짐에 따라, 오남용에 대한 심각성이 대두되고 있다. 그러나, 이상행위 탐지를 극대화한 지능형 CCTV는 군과 경찰에서 범죄 예방에 큰 도움이 되고 있다. AI는 인간이 가르쳐준 대로 학습을 수행한 후, 자가 학습을 진행한다. AI는 학습된 결과에 따라 판단을 하기 때문에, 학습 시 특징을 명확하게 이해해야만 한다. 그러나, 인간이 판단하기에도 모호한 이상한 행위와 비정상 행위의 시각적 판단이 어려운 경우가 많다. 이것을 인공지능의 눈으로 학습하기란 매우 어렵고, 학습을 한 결과는 오탐, 미탐 그리고 과탐이 매우 많아진다. 이에 대해 본 논문에서는 AI의 이상한 행위와 비정상 행위의 학습을 명확하게 하기 위한 기준과 방법을 제시하고, 지능형 CCTV의 오탐, 미탐 그리고 과탐에 대한 판단 능력을 최대화 하기 위한 학습 방안을 제시하였다. 본 논문을 통해, 현재 활용 중인 지능형 CCTV의 인공지능 엔진 성능을 극대화가 가능하고, 오탐율과 미탐율의 최소화가 가능할 것으로 기대된다.
TMS가 확산되고 검사가 많아짐에 따라 위양성 건수도 증가하고 있다. 본 연구에서는 2012년 1월 1일부터 2014년 12월 31일까지 단일 기관에서 출생한 신생아를 대상으로 시행한 TMS의 위양성율을 조사하고 관련된 요인들을 분석하였다. 총 검사 대상자 중 남아는 8,942명(51.7%), 여아는 8,350명(48.3%)이었고, 평균 제태연령은 $38.6{\pm}1.7$주 였다. 평균 출생 체중은 $3,155.6{\pm}502.4g$, 평균 출생 신장은 $49.1{\pm}2.9cm$, 평균 체질량지수는 $13.0{\pm}3.8kg/m^2$ 이었다. 질식 분만은 9,713 (56.2%)건, 제왕절개는 7,579 (43.8%)건이었다. 평균 검사 시행일은 $2.8{\pm}1.1$일이었다. 위양성을 포함하여 TMS에서 양성으로 확인된 224명은 전체 대상자의 1.3%였다. 다중 로지스틱 회귀분석을 통해 분석한 결과 27주 이하의 초미숙아에서 위양성으로 나타날 odds ratio가 6.957 (95% CI: 1.273-38.008), 1,000 g 이하의 극저체중아에서 5.616 (95% CI: 1.134-27.820)로 나타났다. 위양성 대상자들 중에서는 지방산 대사이상 질환(fatty acid oxidation dis-orders)이 104명(47%), 아미노산 이상질환(amino-acidopathy)가 75명(34%), 유기산 이상 질환(organic aciduria)가 43명(19%)이었다. 전국적인 자료를 모아 평가한다면 국내 발생률에 대한 정확한 평가 및 접근이 가능할 것으로 생각한다.
괭생이모자반은 황해 및 동중국해에서 대규모 번식하는 부유조류 중 하나로 우리나라 연안에 유입되어 환경 파괴 및 양식업 피해 등 다양한 문제점을 야기한다. 효율적인 피해 예방 및 연안 환경 보존을 위하여 최근 인공위성 기반 원격탐사 기술을 활용한 괭생이모자반 탐지 알고리즘 개발이 활발하게 이루어지고 있다. 하지만, 잘못된 탐지 정보는 해상 수거 선박의 이동 거리 증가, 지자체나 유관기관의 대응 혼선 등을 유발하므로 괭생이모자반 공간정보 생산 시 오탐지 최소화는 매우 중요하다. 본 연구는 국립해양조사원 국가해양위성센터의 GOCI-II 기반 괭생이모자반 탐지 알고리즘을 활용하여 자동으로 오탐지 화소를 제거하는 기술을 적용하였다. 주요 오탐지 발생 원인 분석 결과를 바탕으로 선형·산발적 오탐지 및 봄, 여름철에 중국 연안에서 대량으로 발생하는 녹조류를 오탐지로 간주하여 제거하는 과정을 포함하였다. 2022년 2월 24일부터 6월 25일까지 괭생이모자반 발생일을 대상으로 오탐지 자동 제거 기법을 적용하고, 중해상도 위성 영상을 이용하여 육안 판독 결과를 생성하고 정성적, 정량적 평가를 수행하였다. 선형 오탐지는 완전히 제거하였으며, 산발적 및 녹조 오탐지는 분포 파악에 영향을 주는 대부분의 오탐지 결과를 제거하였다. 자동 오탐지 제거 과정 이후에도 육안 판독 결과 대비 괭생이모자반의 분포 면적 확인이 가능하였으며, 이진분류모델을 이용하여 정확도와 정밀도는 각각 평균 97.73%, 95.4%로 산출하였다. 재현율은 매우 낮은 29.03%였는데, 이는 GOCI-II와 중해상도 위성영상의 관측 시간 불일치에 의한 괭생이모자반 이동 영향, 공간해상도 차이, 정사보정에 따른 위치 편차, 그리고 구름 마스킹 영향에 의한 것으로 추정하였다. 본 연구의 괭생이모자반 오탐지 제거 결과는 공간적인 분포 현황을 준실시간으로 파악할 수 있으나 생체량을 정확하게 추정하는 것은 한계가 존재하였다. 따라서, 지속적인 괭생이모자반 모니터링 시스템 고도화 연구를 통해 향후 괭생이모자반 대응계획수립을 위한 자료로 활용하고자 한다.
터널 내 CCTV를 통한 딥러닝 객체인식 적용에 있어서 터널의 열악한 환경조건, 즉 낮은 조도 및 심한 원근현상으로 인해 오탐지가 대량 발생한다. 이 문제는 객체인식 성능에 기반한 영상유고시스템의 신뢰성 문제로 직결되므로 정탐지 향상과 더불어 오탐지의 저감 방안이 더욱 필요한 상황이다. 이에 본 논문은 딥러닝 객체인식 모델을 기반으로, 오탐지 데이터의 재학습을 통해 오탐지의 저감뿐만 아니라 정탐지 성능 향상도 함께 추구하는 오탐지 학습법을 제안한다. 본 논문의 오탐지 학습법은 객체인식 단계를 기반으로 진행되며, 학습용 데이터셋 초기학습 - 검증용 데이터셋 추론 - 오탐지 데이터 정정 및 데이터셋 구성 - 학습용 데이터셋에 추가 후 재학습으로 이어진다. 본 논문은 이에 대한 성능을 검증하기 위해 실험을 진행하였으며, 우선 선행 실험을 통해 본 실험에 적용할 딥러닝 객체인식 모델의 최적 하이퍼파라미터를 결정하였다. 그리고 본 실험에서는 학습영상 포맷을 결정하기 위한 실험, 반복적인 오탐지 데이터셋의 재학습을 통해 장기적인 성능향상을 확인하기 위한 실험을 순차적으로 진행하였다. 그 결과, 첫 번째 본 실험에서는 추론된 영상 내에서 객체를 제외한 배경을 제거시키는 경우보다 배경을 포함시키는 경우가 객체인식 성능에 유리한 것으로 나타났으며, 두 번째 본 실험에서는 재학습 차수별 독립적으로 오탐지 데이터를 재학습시키는 경우보다 차수마다 발생하는 오탐지 데이터를 누적시켜 재학습 시키는 경우가 지속적인 객체인식 성능 향상 측면에서 유리한 것으로 나타났다. 두 실험을 통해 결정된 방법으로 오탐지 데이터 재학습을 진행한 결과, 차량 객체 클래스는 1차 재학습 이후부터 AP값이 0.95 이상 우수한 추론 성능이 발현되었으며, 5차 재학습까지 초기 추론 대비 약 1.06배 추론성능이 향상되었다. 보행자 객체 클래스는 재학습이 진행됨에 따라 지속적으로 추론 성능이 향상되었으며, 18차 재학습까지 초기 추론대비 2.3배 이상 추론성능이 자가 향상될 수 있음을 보였다.
본 연구에서는 고해상도 위성영상인 TerraSAR-X와 WorldView-2 등을 융합하여 표적의 특성을 고려한 표적군(Group of targets) 검출을 수행하였다. 관심 대상으로 하는 표적은 고정되어 있으며, 군(Group)을 이루고 있는 특징이 있다. 표적 후보를 검출하기 위해 대상 물체의 레이더 후방산란 특성을 이용한 Constant False Alarm Rate (CFAR) 알고리즘을 적용하였다. 검출된 표적 후보군으로부터 비표적을 제거하기 위해 표적의 크기 정보를 이용한 화소 클러스터링, 표적군을 이루는 표적들간의 배치 특성을 이용한 네트워크 클러스터링. 그리고 SAR 간섭기법 적용이 가능한 간섭쌍이 있는 경우 긴밀도 정보를 이용하였다. 또한, 오경보(False Alarm)를 감소시키고 최종 표적을 결정하기 위해, 표적의 형태 정보를 추출할 수 있는 Electro-Optical (EO) 영상을 바탕으로 효과적인 타원 검출 기법을 개발하였다. 개발된 표적군 검출 알고리즘을 10개 지역에 적용한 결과, 표적군 검출율은 100%, 단일 표적에 대한 오경보율은 0.03~0.3개/$km^2$, 평균 오경보는 1.8군/$64km^2$로 낮은 오경보와 높은 검출율을 보이며 표적군이 검출되었다. 본 연구에서 개발된 표준화된 표적 검출 기법은 향후 무인화된 표적 검출 시스템 구축에 핵심적인 기술이 될 것으로 전망한다.
유기재배 밭에서 가묘상과 헛묘상을 이용한 잡초관리 가능성을 탐색하기 위하여 봄, 가을 노지작물 재배시험을 수행하였다. 가묘상은 작물재배 2-4주 전에 설치한 후 갈퀴를 이용하여 천경하거나 화염처리로 제초하였다. 배추, 콩, 고추, 옥수수를 재배한 봄작기 시험에서 가묘상처리에 따른 잡초억제율은 각각 65-73%, 50-55%, 9-55%, 8-33%로 많은 차이를 나타내었다. 작물의 생육과 수량을 고려할 때 배추, 콩, 옥수수 등은 가묘상을 이용한 잡초관리 가능성이 있다고 판단된다. 헛묘상을 이용한 가을작기 시험은 배추, 시금치, 당근을 재배하였는데 잡초억제율은 각각 18?39%, 40?77%, 37?38%로 가묘상을 이용한 봄작기보다 낮았고 생육과 수량도 좋지 않아 적용 가능성이 적었다.
간흡충 탈낭유충에 대한 잉어, 붕어, 참붕어의 보체 살충능 및 식세포 chemiluminescent 반응 차이를 조사하였다. 낙동강에서 채집한 참붕어는 모두 간흡충 피낭유충에 중감염되어 있었으나, 진영의 저수지에서 채집한 참붕어 및 낙동강에서 채집한 붕어와 양식 잉어에서는 간흡충 피낭유충이 전혀 검출되지 않았다. 각 실험어의 신선혈청을 이용하여 간흡충 탈낭유충에 대한 살충능을 조사한 결과 간흡충 피낭유충에 중감염된 참붕어 혈청과 붕어의 혈청은 잉어의 혈청에 비해 높은 살충능을 나타낸 반면, 간흡충 피낭유충에 감염되지 않은 참붕어의 혈청은 가장 낮은 살충능을 나타냈다. 각 어종의 혈청을 $47^{\circ}C$에서 30분간 처리하여 보체를 불활화시킨 결과 모든 실험어종에서 혈청의 살충능이 완전히 사라졌다. 간흡충 탈낭유충 균질액의 상층액을 각 어종의 두신 식세포에 첨가하여 chemiluminescent(CL) 반응을 측정한 결과 참붕어와 잉어에서 CL반응이 zymosan만을 첨가했을때에 비해 유의적(P<0.05)으로 감소하였으며, 각 어종별 간흡충 탈낭유충 균질액의 상충액 첨가에 의한 CL반응 감소율은 참붕어의 경우 22.9%, 붕어 9.6%,잉어 12.4%로 나타났다.
Kim, Sanghee;Kang, Bong Joo;Kim, Sung Hun;Lee, Jeongmin;Park, Ga Eun
Investigative Magnetic Resonance Imaging
/
제23권1호
/
pp.46-54
/
2019
Purpose: The aim of this study was to evaluate the diagnostic performance of a computer-aided detection (CAD) system used with automated breast ultrasonography (ABUS) for suspicious lesions detected on breast MRI, and CAD-false lesions. Materials and Methods: We included a total of 40 patients diagnosed with breast cancer who underwent ABUS (ACUSON S2000) to evaluate multiple suspicious lesions found on MRI. We used CAD ($QVCAD^{TM}$) in all the ABUS examinations. We evaluated the diagnostic accuracy of CAD and analyzed the characteristics of CAD-detected lesions and the factors underlying false-positive and false-negative cases. We also analyzed false-positive lesions with CAD on ABUS. Results: Of a total of 122 suspicious lesions detected on MRI in 40 patients, we excluded 51 daughter nodules near the main breast cancer within the same quadrant and included 71 lesions. We also analyzed 23 false-positive lesions using CAD with ABUS. The sensitivity, specificity, positive predictive value, and negative predictive value of CAD (for 94 lesions) with ABUS were 75.5%, 44.4%, 59.7%, and 62.5%, respectively. CAD facilitated the detection of 81.4% (35/43) of the invasive ductal cancer and 84.9% (28/33) of the invasive ductal cancer that showed a mass (excluding non-mass). CAD also revealed 90.3% (28/31) of the invasive ductal cancers measuring larger than 1 cm (excluding non-mass and those less than 1 cm). The mean sizes of the true-positive versus false-negative mass lesions were $2.08{\pm}0.85cm$ versus $1.6{\pm}1.28cm$ (P < 0.05). False-positive lesions included sclerosing adenosis and usual ductal hyperplasia. In a total of 23 false cases of CAD, the most common (18/23) cause was marginal or subareolar shadowing, followed by three simple cysts, a hematoma, and a skin wart. Conclusion: CAD with ABUS showed promising sensitivity for the detection of invasive ductal cancer showing masses larger than 1 cm on MRI.
한국항해항만학회 2001년도 Proceeding of KIN-CIN Joint Symposium 2001 on Satellite Navigation/AIS, lntelligence , Computer Based Marine Simulation System and VDR
/
pp.43-47
/
2001
Computer simulation of abnormal atmospheric propagation condition and false echoes of marine radar have always been the difficulties in this field. The author of this paper has already done some constructive work.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.