• Journal of Microbiology and Biotechnology
• /
• 제31권4호
• /
• pp.584-591
• /
• 2021

Marine algae (seaweed) encompass numerous groups of multicellular organisms with various shapes, sizes, and colors, and serve as important sources of natural bioactive substances. The brown alga Ecklonia cava Kjellman, an edible seaweed, contains many bioactives such as phlorotannins and fucoidans. Here, we evaluated the antioxidative, neuroprotective, and anti-apoptotic effects of E. cava extract (ECE), E. cava phlorotannin-rich extract (ECPE), and the phlorotannin dieckol on neuronal PC-12 cells. The antioxidant capacities of ECPE and ECE were 1,711.5 and 1,050.4 mg vitamin C equivalents/g in the ABTS assay and 704.0 and 474.6 mg vitamin C equivalents/g in the DPPH assay, respectively. The dieckol content of ECPE (58.99 mg/g) was approximately 60% higher than that of ECE (36.97 mg/g). Treatment of PC-12 cells with ECPE and ECE increased cell viability in a dose-dependent manner. Intracellular oxidative stress in PC-12 cells due to ECPE and ECE decreased dose-independently by up to 63% and 47%, respectively, compared with the stress control (323%). ECPE reduced the production of the pro-apoptotic proteins Bax and caspase-3 more effectively than ECE. Early and late apoptosis in PC-12 cells were more effectively decreased by ECPE than ECE treatments. From the results obtained in this study, we concluded that ECPE, which is rich in phlorotannins, including the marker compound dieckol, may be applied to the development of functional materials for improving cognition and memory.

• 한국전자통신학회논문지
• /
• 제14권1호
• /
• pp.257-264
• /
• 2019

본 논문에서는 픽셀 기반 joint BDCP (bright and dark channel prior)와 계층적 양방향 필터를 적용하여 저 복잡도를 갖는 단일 영상 기반 안개 제거 기법을 제안한다. 픽셀 기반 joint BDCP는 기존의 패치 기반 DCP에 비해 연산량을 감소시키고, 픽셀 단위의 안개값 예측을 가능하게 하여 전달량 추정의 정확성을 높인다. 또한 에지를 보존하면서 평탄화 성능이 우수한 양방향 필터를 사용하여 전달량을 정련함으로써 후광 효과(halo effect)를 줄이고, 에지 성분에 대한 계층적 적용을 통해 반복 적용에 의한 연산량의 증가를 방지한다. 안개 성분이 포함된 다양한 영상에 대해 수행한 실험 결과는 제안하는 기법이 기존의 기법에 비해 우수한 안개 제거 성능을 보이면서 저 복잡도로 실행되어 다양한 분야에 응용될 수 있음을 나타낸다.

• 한국정보통신학회논문지
• /
• 제23권9호
• /
• pp.1032-1037
• /
• 2019

기존 약국 자동화 시스템에서는 약품 최초투입 시, 설비 운용 중에 수량 측정을 하지 않은 채 메모리 상에서만 수량 관리를 해왔다. 이로 인해 설비의 오류 시 운용 도중 이미 차감되어 버린 약품에 대한 수량 관리가 이루어지지 않았다. 수량 관리가 되지 않아 관리가 필요한 중요한 약품의 경우 심각한 문제를 야기하고 있다. 또한 설비 외부에 약품에 대한 잔량을 사용자에게 알려주는 부분이 없어 사용자는 해당 약품의 재고 소진 시 약품을 다시 채워 넣어야 했다. 약품의 재고 소진 시 설비는 운용을 멈추기 때문에 재가동까지의 시간과 해당 약품을 다시 채워 넣는 시간까지의 손해를 가진 채 운영되고 있다. 이에 본 논문에서는 약국 자동화 관리 시스템의 로봇에 변위 센서를 추가하여 약품들의 수량을 수시로 관리하는 시스템을 설계 및 구현하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권7호
• /
• pp.2304-2320
• /
• 2021

Intelligently detecting anomalies in health sensor data streams (e.g., Electrocardiogram, ECG) can improve the development of E-health industry. The physiological signals of patients are collected through sensors. Timely diagnosis and treatment save medical resources, promote physical health, and reduce complications. However, it is difficult to automatically classify the ECG data, as the features of ECGs are difficult to extract. And the volume of labeled ECG data is limited, which affects the classification performance. In this paper, we propose a Generative Adversarial Network (GAN)-based deep learning framework (called CAB) for heart arrhythmia classification. CAB focuses on improving the detection accuracy based on a small number of labeled samples. It is trained based on the class-imbalance ECG data. Augmenting ECG data by a GAN model eliminates the impact of data scarcity. After data augmentation, CAB classifies the ECG data by using a Bidirectional Long Short Term Memory Recurrent Neural Network (Bi-LSTM). Experiment results show a better performance of CAB compared with state-of-the-art methods. The overall classification accuracy of CAB is 99.71%. The F1-scores of classifying Normal beats (N), Supraventricular ectopic beats (S), Ventricular ectopic beats (V), Fusion beats (F) and Unclassifiable beats (Q) heartbeats are 99.86%, 97.66%, 99.05%, 98.57% and 99.88%, respectively. Unclassifiable beats (Q) heartbeats are 99.86%, 97.66%, 99.05%, 98.57% and 99.88%, respectively.

• 한국차세대컴퓨팅학회논문지
• /
• 제14권6호
• /
• pp.75-86
• /
• 2018

DDS(Data Distribution Service) 미들웨어는 DDS 네트워크 내에 있는 참여자와 종단점을 검색하기 위해 DDS 표준 검색 방식을 사용한다. DDS 표준 검색 방식은 멀티캐스트 통신 방식으로 모든 종단점을 검색하기 때문에, 네트워크가 다를 경우 검색이 불가능할 수 있고 통신에 필요 없는 종단점들의 정보를 저장하는 자원 낭비가 발생한다. TNS(Topic Name Service)는 멀티캐스트를 이용하지 않고 전위 서버, 토픽 이름 서버, 종단 서버를 이용하여 통신할 참여자에게만 필요한 종단점 정보를 전달해주기 때문에, 전술한 DDS 표준 검색 방식의 문제점을 해결할 수 있다. 그러나 TNS 구성 서버들을 경유하기 때문에 시간 지연이 발생한다. 본 논문에서는 TNS의 구성 서버들에서의 처리 지연 시간을 측정하고, 종단점 정보를 수신하는데 소요되는 시간과 수신한 종단점 수를 측정함으로써 DDS 표준 검색 방식과 TNS 방식의 성능을 비교 및 분석하였다.

• 산업융합연구
• /
• 제20권10호
• /
• pp.39-49
• /
• 2022

본 연구는 국외 경도인지장애 노인의 우울증상을 위한 비약물적 중재에 대한 특성과 효과를 분석하기 위해 무작위 대조군 실험연구에 대한 체계적 고찰을 시행하였다. 3개의 검색 데이터베이스를 사용하여 2011년 1월부터 2021년 7월까지 출간된 문헌을 분석하였다. 총 1,455편의 문헌이 검색되어 총 11편의 문헌을 최종 분석하였다. 문헌의 질 평가는 Risk of bias(RoB)를 사용하였다. 우울증상 평가도구는 Geriatric Depression Scale(GDS)이 가장 많이 사용되었다. 분석된 문헌에서 사용된 중재는 요가, 심리사회적 중재, 인지훈련, 건강교육, 다중요소 중재, 게임훈련, 유산소/심폐물리치료, 미술치료, 음악회상 활동, 기억특이성 훈련, 인지자극, 수면교육이 적용되었다. 그 중 요가, 다중요소 중재, 게임훈련이 우울증상 개선에 효과적이었다. 본 연구는 경도인지장애 노인의 우울증상에 대한 중재계획 및 실행에서 임상적 근거를 제시하였다.

• BMB Reports
• /
• 제55권10호
• /
• pp.512-517
• /
• 2022

Traumatic brain injury (TBI) is brain damage which is caused by the impact of external mechanical forces. TBI can lead to the temporary or permanent impairment of physical and cognitive abilities, resulting in abnormal behavior. We recently observed that a single session of early exercise in animals with TBI improved their behavioral performance in the absence of other cognitive abnormalities. In the present study, we investigated the therapeutic effects of continuous exercise during the early stages of TBI in rats. We found that continuous low-intensity exercise in early-stage improves the locomotion recovery in the TBI of animal models; however, it does not significantly enhance short-term memory capabilities. Moreover, continuous early exercise not only reduces the protein expression of cerebral damage-related markers, such as Glial Fibrillary Acid Protein (GFAP), Neuron-Specific Enolase (NSE), S100β, Protein Gene Products 9.5 (PGP9.5), and Heat Shock Protein 70 (HSP70), but it also decreases the expression of apoptosis-related protein BAX and cleaved caspase 3. Furthermore, exercise training in animals with TBI decreases the microglia activation and the expression of inflammatory cytokines in the serum, such as CCL20, IL-13, IL-1α, and IL-1β. These findings thus demonstrate that early exercise therapy for TBI may be an effective strategy in improving physiological function, and that serum protein levels are useful biomarkers for the predicition of the effectiveness of early exercise therapy.

• 사물인터넷융복합논문지
• /
• 제9권2호
• /
• pp.1-9
• /
• 2023

이 연구는 시각장애인들의 생활 편의성 증진을 위해 음성태그리더기의 사용성 평가를 통한 제품의 사용성 개선을 위한 목적으로 수행되었다. 사용성의 원칙과 시각장애인의 특수성을 고려한 평가 모형에 근거하여 19개의 평가 항목에 대한 지각된 사용성 평가가 실시되었다. 제안된 시스템의 베타 버전과 정식 버전에 대한 조사에 1번 이상 참여한 총 50명의 시각장애인이 분석 대상에 포함되었다. 비모수 통계방법을 사용하여 분석한 결과, 음성태그리더기의 안전성과 음성 및 음질, 음성정보의 정확성에 대해서는 비교적 만족한 편이었으나. 리더기의 크기 및 무게, 휴대와 보관의 편의성을 포함한 사용상의 효율성 측면에서는 낮은 평가를 받은 것으로 나타났다. 사용성 향상을 위해 제품 사용을 위한 절차가 보다 간소화될 필요가 있으며, 일반적으로 자주 사용하는 사물에 대한 태그는 사전에 입력을 시켜서 보급하는 것이 도움이 될 것으로 판단된다.

• 한국항행학회논문지
• /
• 제27권2호
• /
• pp.235-246
• /
• 2023

4차 산업혁명 기반에서 인공지능(AI), 전기자동차 및 로봇 등의 급속한 기술발전에 있어 반도체가 핵심성능을 좌우하면서, 반도체 경쟁력이 국가 경쟁력과 직결되는 상황을 맞이하였다. 하지만, 한국 반도체 산업은 메모리 반도체를 제외한 시스템 반도체 분야에서 지속적으로 경쟁력이 약화되어, 본 연구에서 침체기에 빠진 한국 팹리스 시스템 반도체 기업의 성장에서 가장 시급한 세계시장 개척을 위해 새로운 스마트계약 기반 블록체인 거래모델인 F-SBM (Fabless-Smart contract based Blockchain Model)을 제안한다. 본 연구는 새로운 F-SBM 모델을 통해 반도체의 Technology, Economy, Reliability 항목의 스마트 계약 기반 컨소시엄 블록체인을 통해 팹리스 업체의 신규고객 확보방안을 검증하였다. 이는 한국 팹리스 시스템 반도체 산업의 숙원인 세계 시장 개척을 위한 신규고객 확보의 높은 진입장벽이 개선됨과 새로운 성장방안을 도출하였다는 측면에서 큰 의의를 가진다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.63-63
• /
• 2020

최근 머신러닝 기술의 발전에 따라 비선형 시계열자료에 대한 예측이 가능해졌으며, 기존의 과정기반모형을 대체하여 지하수, 하천수 예측 등 다양한 수문분야에 활용되고 있다. 본 연구에서는 기존의 연구들과 달리 과정기반모형을 이용한 하천수 모의결과를 개선하기 위해 과정기반모형과 결합하는 방식으로 머신러닝 기술을 활용하였다. 머신러닝 기술을 통해 관측값과 모의값 간의 차이를 예측하고 과정기반모형의 모의결과에 반영함으로써 관측값을 정확히 재현할 수 있도록 하는 시스템을 구축하고 평가하였다. 과정기반모형으로는 Weather Research and Forecasting model-Hydrological modeling system (WRF-Hydro)을 소양강 유역을 대상으로 구축하였다. 머신러닝 모형으로는 순환 신경망 중 하나인 Long Short-Term Memory (LSTM) 신경망을 이용하여 장기시계열예측이 가능하게 하였다(WRF-Hydro-LSTM). 머신러닝 모형은 2013년부터 2017년까지의 기상자료 및 유입량 잔차를 이용하여 학습시키고, 2018년 기상자료를 이용하여 예상되는 유입량 잔차를 모의하였다. 모의된 잔차를 WRF-Hydro 모의결과에 반영시켜 최종 유입량 모의값을 보정하였다. 또한, 연구에서 제안된 새로운 방법론의 성능을 비교평가하기 위해 머신러닝 단독 모형으로 유입량을 학습 후 모의하였다(LSTM-only). 상관계수와 Nash-Sutcliffe 효율계수(NSE)를 사용해 평가한 결과, LSTM을 이용한 두 방법(WRF-Hydro-LSTM과 LSTM-only) 모두 기존의 과정기반모형(WRF-Hydro-only)에 비해 높은 정확도의 하천수 모의가 가능했으며, PBIAS 지수를 사용하여 평가한 결과, LSTM을 단독으로 사용하였을 때보다 WRF-Hydro와 결합했을 때 더 관측값과 가까운 모의가 가능함을 확인할 수 있었다.