• 대한소아치과학회지
• /
• 제50권1호
• /
• pp.24-34
• /
• 2023

이 연구의 목적은 유치 치수치료가 치아의 상실에 미친 영향과 관련 요인에 대해 후향적으로 분석하는 것이다. 연구에는 단국대학교 부속 치과병원 소아치과에 내원하여 유치 치수치료를 받은 6개월 - 12세의 환자 97명의 167개 치아가 포함되었고, 치수치료와 치아상실에 관련된 정보가 수집되었다. 연구에 포함된 환자는 남자 56명(57.7%), 여자 41명(42.3%), 치아는 유전치 72개(43.1%), 유구치 95개(56.9%)였다. 평균 관찰기간은 106.1 ± 38.7개월이고, 치료 시 연령은 평균 유전치 34.8 ± 15.4개월, 유구치 69.1 ± 25.1개월이었다. 한 악궁에서 한쪽 치아만 치수치료를 시행한 환자의 좌우측 동명치 탈락 또는 발치 시기를 비교하였을 때 치수절제술된 치아가 유의하게 빨리 상실되었다(p < 0.05). 또, 치료 전에 치근단 염증을 보이는 경우, 치수치료 후에도 염증으로 인해 발치할 확률이 유전치에서 증가했고(p < 0.05, Odds Ratio = 11.04), 유구치에서는 그렇지 않았다(p > 0.05). 치수절제술이 시행된 유치는 유전치에서 평균 7.8개월, 유구치에서 평균 8.5개월 조기 탈락하였다. 유치의 조기 탈락은 공간상실과 계승 영구치의 조기 맹출로 이어질 수 있고, 이는 유치의 치수치료 및 치료계획 수립 시 판단기준으로 활용될 수 있을 것으로 보인다.

• 융합정보논문지
• /
• 제12권3호
• /
• pp.132-140
• /
• 2022

본 연구에서는 데커신 및 데커시놀 안젤레이트를 이용한 최적의 로션 제조 공정을 확인하기 위하여 연구를 진행하였다. 초기 로션 제형은 3개월 동안 점도(5,208±112 cPs), 함량(99.71±1.01%) 및 pH(5.62)을 유지하는 것을 확인하였다. 제조 공정D 혼합 4의 최적 제조 공정 확인은 22+3 완전 배치 요인법을 이용하였으며, 독립변수로 혼합 온도(40-80℃)와 혼합 시간(10-30 min)으로 종속변수로써 중요품질특성인 함량, pH, 질량편차를 확인하였다. 함량 및 질량편차는 도출된 회귀방적식의 결정계수는 약 0.9였고 p-value값은 0.05보다 작아 모델적합성을 확인하였다. 로션 제조를 위한 최적의 온도조건과 혼합 시간은 61.93℃와 15.85분으로 확인되었다. 혼합4 공정에 있어 혼합 온도(60℃)와 혼합 시간(15 min)에서의 함량은 100.69%, pH는 5.57, 질량편차는 98.07%으로 예측되었고, 실제 검증에서는 각각 100.29±0.98%, 5.57±0.02, 98.27±0.89%으로 예측된 값에 대하여 유사한 결과까지 확인 할 수 있었다.

• 예술인문사회 융합 멀티미디어 논문지
• /
• 제7권4호
• /
• pp.551-559
• /
• 2017

본 논문에서는 베어링 고장진단 성능을 개선하기 위해 실시간 학습 방법을 제안한다. 기존 베어링 고장진단의 문제점은 학습되지 않은 상태에 대해 올바른 분류를 할 수 없다는 점이다. 제안한 4단계 실시간 학습 방법은 새로운 상태를 실시간으로 인지 및 학습하여 새로운 상태의 데이터를 올바르게 분류할 수 있다. 1단계에서는 학습 정보에서 각 클래스의 무게중심과 그 클래스 내 각 특징벡터 사이의 유클리디안 거리를 계산하여 각 클래스별로 거리의 최대값을 계산한다. 2단계에서는 새로 취득된 데이터의 특징벡터와 각 클래스의 무게중심 사이의 유클리디안 거리를 계산하고 각 클래스별 최대 허용 거리와 비교한다. 3단계에서는 새로 취득된 데이터들과 각 클래스 내 무게중심 사이의 거리가 각 클래스의 최대 허용 거리보다 모두 클 경우 새로운 상태의 데이터로 인지하고 새로운 상태 인지 횟수를 증가시킨다. 마지막 4단계에서는 새로운 상태 인지 회수가 10보다 클 경우 새로운 상태의 클래스를 생성하기 위해 새로운 상태로 인지된 10개의 데이터를 새로운 상태의 클래스로 지정하고 분류기를 재학습시킨다. 제안한 방법의 성능을 검증하기 위해 실제 베어링 결함 데이터를 사용하여 제안한 실시간 학습 방법의 효율성을 검증하였다.

• 대한원격탐사학회지
• /
• 제39권2호
• /
• pp.223-232
• /
• 2023

고해상도의 위성 영상을 이용하여 지표를 모니터링하기 위한 방법으로 분석 대상 객체의 색상을 이용하여 영상을 분류하는 방법이 널리 사용된다. 고해상도 위성영상에서는 도심 지역의 경우 건물, 도로 등과 같은 주요 객체들 이외에도 수목 등과 같은 식생 객체들도 빈번하게 나타난다. 도심 지역에 나타나는 식생 객체들의 색상은 건물, 도로, 그림자 등의 객체와 유사한 경우가 많으며, 이는 색상 정보에 기초하여 객체를 분류할 경우에 분류 성능이 저하되는 요인이 된다. 본 연구에서는 건물 등과 같은 다양한 색상을 가지는 객체뿐만 아니라 식생 객체도 정확하게 분류할 수 있는 기법을 제안한다. 제안하는 방법은 식생 객체 검출에 유용한 정규식생지수 영상을 RGB 영상과 함께 사용하고 객체 클래스를 서브 클래스로 세분화하여 분류한다. 서브 클래스 분류 결과를 융합한 후에 영상 분할 결과와 결합하여 최종 분류 결과를 생성한다. 차세대중형위성1호 영상을 이용한 실험에서 정규식생지수를 사용하지 않은 서브채널 분류 기법과 서브클래스 분류 기법의 overall accuracy가 각각 73.18%, 81.79%의 결과를 보인 반면, 정규식생지수와 서브클래스 분류를 함께 적용하여 제안한 방법은 overall accuracy가 87.42%의 우수한 성능을 보였다.

• 문화기술의 융합
• /
• 제9권3호
• /
• pp.825-834
• /
• 2023

인터넷 쇼핑에서 상품의 사진과 동영상을 대체해 3D콘텐츠와 웹 3D 소프트웨어로 사용자에게 친숙한 이미지를 제공하려는 시도가 이어지고 있다 본 연구에서는 2D 이미지를 3D로 변환하여 고객들이 다양한 위치에서 상품을 파악할 수 있는 웹 3D 기술에 접목시키고 변환에 필요한 비용과 계산 시간을 줄일 수 있는 자동 변환기술을 제안하였다. 단 8대의 카메라 만을 사용하여 마네킹을 회전하는 턴테이블 위에 올려 놓고 촬영하는 시스템을 개발하였다. 이러한 시스템에서 촬영한 이미지에서 옷 부분만 추출하기 위해 U-net을 이용하여 마커를 제거하고, 배경 영역과 마네킹 영역의 컬러 특징 정보를 파악하여 옷 영역만을 추출하는 알고리즘을 제안하였다. 이 알고리즘을 이용하면 이미지를 촬영한 후 옷 영역만을 추출하는데 걸리는 시간이 이미지 하나당 2.25초며, 한 개의 옷에 대해 64장의 이미지를 촬영하는 경우에 총 144초(2분 4초)가 소요되어 매우 우수한 성능으로 3D오브젝트를 추출할 수 있다.

• 자원리싸이클링
• /
• 제32권3호
• /
• pp.3-8
• /
• 2023

본 연구에서는 알칼리 금속 중 하나인 루비듐의 생산과 수요, 그리고 향후 전망을 분석하였다. 루비듐은 알칼리족 금속으로서 다양한 매질에 대한 반응성이 뛰어나 취급에 유의를 요하지만 환경적으로는 크게 문제시 되지 않은 물질이다. 루비듐은 광전기 장비, 생물의료, 화학산업 등 특수한 분야에서 사용된다. 생산이 어렵고 수요도 제한적이어서 거래 가격이 비교적 높게 형성되어 있지만, 시장 현황이나 성장 가능성과 같은 정보는 불확실한 상황이다. 다만, 양자컴퓨터와 같이 범용성이 있는 초고성능 장비의 대량 생산과 해당 장비 내 루비듐 사용의 필수성이 확실시된다면, 향후 루비듐 시장이 확대될 가능성도 있을 것이다. 루비듐은 종종 리튬, 베릴륨, 세슘과 함께 발견되며, Lepidolite이나 Pollucite 등의 광물을 포함하는 화강암이나 해수나 폐기물에 함유될 수 있다. 루비듐 회수에는 산침출, 배소법, 용매 추출, 흡착 등의 기술이 사용되며, 상기 광물 및 처리기술을 통한 루비듐 최대 회수율이 높다고 알려져 있다, 그러나, 많은 경우 루비듐이 주요회수 대상은 아니기 때문에 타유가성분, 불순물, 회수 비용, 에너지 소비, 환경 문제 등에 따라 실제 회수율은 변동될 수 있다. 결론적으로 루비듐은 생산 및 소비가 제한되어 있는 반면, 향후 대량 수요처의 대두에 따라 시장변동이 가능한 만큼 이에 관련된 관계기관의 추가 조사 등이 필요할 것으로 보인다.

• Korean Journal of Radiology
• /
• 제22권6호
• /
• pp.994-1004
• /
• 2021

Objective: To extract pulmonary and cardiovascular metrics from chest CTs of patients with coronavirus disease 2019 (COVID-19) using a fully automated deep learning-based approach and assess their potential to predict patient management. Materials and Methods: All initial chest CTs of patients who tested positive for severe acute respiratory syndrome coronavirus 2 at our emergency department between March 25 and April 25, 2020, were identified (n = 120). Three patient management groups were defined: group 1 (outpatient), group 2 (general ward), and group 3 (intensive care unit [ICU]). Multiple pulmonary and cardiovascular metrics were extracted from the chest CT images using deep learning. Additionally, six laboratory findings indicating inflammation and cellular damage were considered. Differences in CT metrics, laboratory findings, and demographics between the patient management groups were assessed. The potential of these parameters to predict patients' needs for intensive care (yes/no) was analyzed using logistic regression and receiver operating characteristic curves. Internal and external validity were assessed using 109 independent chest CT scans. Results: While demographic parameters alone (sex and age) were not sufficient to predict ICU management status, both CT metrics alone (including both pulmonary and cardiovascular metrics; area under the curve [AUC] = 0.88; 95% confidence interval [CI] = 0.79-0.97) and laboratory findings alone (C-reactive protein, lactate dehydrogenase, white blood cell count, and albumin; AUC = 0.86; 95% CI = 0.77-0.94) were good classifiers. Excellent performance was achieved by a combination of demographic parameters, CT metrics, and laboratory findings (AUC = 0.91; 95% CI = 0.85-0.98). Application of a model that combined both pulmonary CT metrics and demographic parameters on a dataset from another hospital indicated its external validity (AUC = 0.77; 95% CI = 0.66-0.88). Conclusion: Chest CT of patients with COVID-19 contains valuable information that can be accessed using automated image analysis. These metrics are useful for the prediction of patient management.

• 한국기록관리학회지
• /
• 제24권2호
• /
• pp.89-112
• /
• 2024

기록관리에서 메타데이터는 기록을 구성하는 필수 요소 중 하나로 기록물을 적절하게 관리하고 이해하도록 하는데 매우 중요한 역할을 한다. 기록관리 업무에서 메타데이터 요소들의 자동 부여가 불가능할 경우에는 기록전문가가 메타데이터 값을 직접 입력해야 한다. 이러한 업무의 불편함을 개선하기 위해 본 연구에서는 신기술인 챗GPT를 활용하여 기록관리 메타데이터 요소의 추출 방안을 제시하고자 하였다. 챗GPT 기술을 활용하기 위해 파이썬 프로그램과 랭체인 라이브러리를 이용하여 PDF 문서를 제시하고 질문을 통해 기록물의 메타데이터를 추출해보았고, 챗GPT 온라인 서비스를 통해 여러 건의 PDF 문서를 첨부하여 기록물의 메타데이터 요소를 추출해보았다. 그 결과 챗GPT-3.5 turbo를 사용한 랭체인에서는 보안상으로는 안전한 추출 방법이긴 하나 메타데이터의 정확한 요소를 얻기에는 다소 한계가 있었고, 챗GPT-4 온라인 서비스에서는 보안상 중요 문서를 첨부할 수 없지만 비교적 정확한 결과를 추출하였다. 이를 통해 기록관리에서의 메타데이터 추출을 위한 챗GPT 기술 활용의 가능성을 타진할 수 있었고, 챗GPT 관련 기술의 발달에 따라 좀 더 안전하고 정확한 결과 추출이 가능해질 것이다. 이러한 챗GPT의 장점을 활용함으로써 기록관에서 기록 및 메타데이터의 관리적 측면에서 업무의 효율성 및 생산성을 증대시키는데 도움을 줄 수 있을 것이라 기대한다.

• 인터넷정보학회논문지
• /
• 제25권2호
• /
• pp.57-67
• /
• 2024

사용자가 제스처를 통해 입력을 할 수 있는 방안들 중에서 근전도(EMG, Electromyography)를 통한 제스처 인식은 근육 내 작은 전극을 통해 사용자의 움직임을 감지하고 이를 입력 방법으로 사용할 수 있는 방법이다. EMG 데이터를 통해 사용자 제스처를 분류하기 위해서는 사용자로부터 수집된 EMG Raw 데이터를 머신러닝으로 학습하여야 하는데 이를 위해서는 EMG 데이터를 전처리 과정을 통해 특징을 추출하여야 한다. EMG 특성은 IEMG(Integrated EMG), MAV(Mean Absolute Value), SSI(Simple Sqaure Integral), VAR(VARiance), RMS(Root Mean Square) 등과 같은 수식을 통해서 나타낼 수 있다. 또한, 제스처를 입력으로 사용하기 위해서는 사용자가 입력하는 데 필요한 지각, 인지, 반응에 필요한 시간을 기준으로 제스처 분류가 가능한 시간을 알아내야 한다. 이를 위해 최대 1,000ms에서 최소 100ms까지 세그먼트 사이즈를 변화시켜 특징을 추출 후 제스처 분류가 가능한 세그먼트 사이즈를 찾아낸다. 특히 데이터 학습은 overlapped segmentation 방법을 통해 데이터와 데이터 사이 간격을 줄여 학습 데이터 개수를 늘린다. 이를 통해 KNN, SVC, RF, XGBoost 4가지 머신러닝 방식을 통해 이를 학습하고 결과를 도출한다. 실험 결과 실시간으로 사용자의 제스처 입력이 가능한 최대 세그먼트 사이즈인 200ms에서 KNN, SVC, RF, XGboost 4가지 모든 모델에서 96% 이상의 정확도를 도출하였다.

• 한국식품저장유통학회지
• /
• 제30권2호
• /
• pp.235-246
• /
• 2023

Yellowball (Citrus hybrid cv. Yellowball ) is a new citrus hybrid between Haruka (C. tamurana × natsudaidai ) and Kiyomi (C. unshiu × sinensis) and is known to possess strong antioxidant activity. However, detailed information on the antioxidant components of its peel has not yet been reported. This study evaluated the antioxidant activity of the peel and identified the antioxidant components by fractionating a methanolic extract of Yellowball peels using liquid-liquid extraction with n-hexane, ethyl ether (ether), ethyl acetate (EA), butanol, and water. The phenolic contents and antioxidant activities of the n-hexane, ether, and EA fractions were higher than those of the other fractions, and these fractions were further separated by semi-preparative high-performance liquid chromatography (HPLC). Four antioxidant peaks, EA1, EA2, EA3, and He1, were isolated and analyzed using ultra-performance liquid chromatography-quadrupole-time- of-flight mass spectrometry (UPLC-Q-TOF MS). Sinapoyl glucoside and hesperidin were identified in EA2 and EA3, respectively, and a polymethoxylated flavone (PMF) complex (5-hydroxy-3,6,7,8,3',4'-hexamethoxyflavone, natsudaidain, tetrameth- oxyflavone, and tangeretin) was identified in He1. A compound in EA1 with m/z 223.0246 [M-H] could not be identified and was named unknown2. The antioxidant activity of unknown2 (IC₅₀=69.17 ㎍/mL) was similar to that of Trolox, which was noted as a major antioxidant in Yellowball peel. Further studies on the antioxidant capacity of Yellowball peel are required; however, these results provide a foundation for using Yellowball peel as an antioxidant.