• 한국식품영양학회지
• /
• 제37권1호
• /
• pp.17-29
• /
• 2024

To increase industrial applicability of Astragalus membranaceus (AM) as immunostimulating materials, hot-water extract (AME) was prepared from AM and fermented with Kimchi-lactic acid bacteria (Lactobacillus sakei & Leuconostoc mesenteroides) to prepare fermented AM-postbiotics (FAME). Although FAME prepared from AM-postbiotics did not show a significant enhancement in macrophage stimulating activity compared to non-fermented AME, crude polysaccharide (FAME-CP) fractionated by EtOH precipitation from FAME showed significantly higher macrophage stimulating activity than AME-CP. Compared to AME-CP, FAME-CP showed dramatic changes in component sugar and molecular weight distribution. FAME-CP was a polysaccharide with a major molecular weight distribution of 113.4 kDa containing Man (44.2%), Glc (19.3%), Gal (10.2%), GalA (10.2%), and Ara (7.4%) as sugar components. FAME-CP with enhanced macrophage stimulatory activity not only increased expression levels of mRNA genes encoding macrophage-activated factors (iNOS, TNF-α, MCP-1, IL-6, and COX-2), but also led the nuclear translocation of activated p65 and c-Jun. In conclusion, crude polysaccharide from AM-postbiotics fermented with lactic acid bacteria could increase industrial applicability as a functional material with enhanced immunostimulating activity than AME-CP.

• Nuclear Engineering and Technology
• /
• 제56권4호
• /
• pp.1153-1164
• /
• 2024

In recent years, unmanned ground vehicles (UGVs) have been used to search for lost or stolen radioactive sources to avoid radiation exposure for operators. To achieve autonomous localization of radioactive sources, the UGVs must have the ability to automatically determine the next radiation measurement location instead of following a predefined path. Also, the radiation field of radioactive sources has to be reconstructed or inverted utilizing discrete measurements to obtain the radiation intensity distribution in the area of interest. In this study, we propose an effective source localization framework and method, in which UGVs are able to autonomously explore in the radiation area to determine the location of radioactive sources through an iterative process: path planning, radiation field reconstruction and estimation of source location. In the search process, the next radiation measurement point of the UGVs is fully predicted by the design path planning algorithm. After obtaining the measurement points and their radiation measurements, the radiation field of radioactive sources is reconstructed by the Gaussian process regression (GPR) model based on machine learning method. Based on the reconstructed radiation field, the locations of radioactive sources can be determined by the peak analysis method. The proposed method is verified through extensive simulation experiments, and the real source localization experiment on a Cs-137 point source shows that the proposed method can accurately locate the radioactive source with an error of approximately 0.30 m. The experimental results reveal the important practicality of our proposed method for source autonomous localization tasks.

• Safety and Health at Work
• /
• 제15권1호
• /
• pp.24-32
• /
• 2024

Background: Learning from incidents for accident prevention is a two-stage process, involving the investigation of past accidents to identify the causal factors, followed by the identification and implementation of remedial measures to address the identified causal factors. The focus of past research has been on the identification of causal factors, with limited focus on the identification and implementation of remedial measures. This research begins to contribute to this gap. The motivation for the research is twofold. First, previous analyses show the recurring nature of accidents within the Ghanaian mining industry, and the causal factors also remain the same. This raises questions on the nature and effectiveness of remedial measures identified to address the causes of past accidents. Secondly, without identifying and implementing remedial measures, the full benefits of accident investigations will not be achieved. Hence, this study aims to assess the nature of remedial measures proposed to address investigation causal factors. Method: The study adopted SMARTER from business studies with the addition of HMW (H - Hierarchical, M - Mapping, and W - Weighting of causal factors) to analyse the recommendations from 500 individual investigation reports across seven different mines in Ghana. Results: The individual and the work environment (79%) were mostly the focused during the search for causes, with limited focus on organisational factors (21%). Forty eight percentage of the recommendations were administrative, focussing on fixing the problem in the immediate affected area or department of the victim(s). Most recommendations (70.4%) were support activities that only enhance the effectiveness of control but do not prevent/mitigate the failure directly. Across all the mines, there was no focus on evaluating the performance of remedial measures after their implementation. Conclusion: Identifying sharp-end causes leads to proposing weak recommendations which fail to address latent organisational conditions. The study proposed a guide for effective planning and implementation of remedial actions.

• International Journal of Computer Science & Network Security
• /
• 제23권12호
• /
• pp.151-160
• /
• 2023

Breast cancer is the most dangerous and deadly form of cancer. Initial detection of breast cancer can significantly improve treatment effectiveness. The second most common cancer among Indian women in rural areas. Early detection of symptoms and signs is the most important technique to effectively treat breast cancer, as it enhances the odds of receiving an earlier, more specialist care. As a result, it has the possible to significantly improve survival odds by delaying or entirely eliminating cancer. Mammography is a high-resolution radiography technique that is an important factor in avoiding and diagnosing cancer at an early stage. Automatic segmentation of the breast part using Mammography pictures can help reduce the area available for cancer search while also saving time and effort compared to manual segmentation. Autoencoder-like convolutional and deconvolutional neural networks (CN-DCNN) were utilised in previous studies to automatically segment the breast area in Mammography pictures. We present Automatic SegmenAN, a unique end-to-end adversarial neural network for the job of medical image segmentation, in this paper. Because image segmentation necessitates extensive, pixel-level labelling, a standard GAN's discriminator's single scalar real/fake output may be inefficient in providing steady and appropriate gradient feedback to the networks. Instead of utilising a fully convolutional neural network as the segmentor, we suggested a new adversarial critic network with a multi-scale L1 loss function to force the critic and segmentor to learn both global and local attributes that collect long- and short-range spatial relations among pixels. We demonstrate that an Automatic SegmenAN perspective is more up to date and reliable for segmentation tasks than the state-of-the-art U-net segmentation technique.

• International Journal of Computer Science & Network Security
• /
• 제23권12호
• /
• pp.101-106
• /
• 2023

Chronic illnesses are among the most common serious problems affecting human health. Early diagnosis of chronic diseases can assist to avoid or mitigate their consequences, potentially decreasing mortality rates. Using machine learning algorithms to identify risk factors is an exciting strategy. The issue with existing feature selection approaches is that each method provides a distinct set of properties that affect model correctness, and present methods cannot perform well on huge multidimensional datasets. We would like to introduce a novel model that contains a feature selection approach that selects optimal characteristics from big multidimensional data sets to provide reliable predictions of chronic illnesses without sacrificing data uniqueness.[1] To ensure the success of our proposed model, we employed balanced classes by employing hybrid balanced class sampling methods on the original dataset, as well as methods for data pre-processing and data transformation, to provide credible data for the training model. We ran and assessed our model on datasets with binary and multivalued classifications. We have used multiple datasets (Parkinson, arrythmia, breast cancer, kidney, diabetes). Suitable features are selected by using the Hybrid feature model consists of Lassocv, decision tree, random forest, gradient boosting,Adaboost, stochastic gradient descent and done voting of attributes which are common output from these methods.Accuracy of original dataset before applying framework is recorded and evaluated against reduced data set of attributes accuracy. The results are shown separately to provide comparisons. Based on the result analysis, we can conclude that our proposed model produced the highest accuracy on multi valued class datasets than on binary class attributes.[1]

• 한국간담췌외과학회지
• /
• 제26권1호
• /
• pp.17-30
• /
• 2022

Oncological scoring systems in surgery are used as evidence-based decision aids to best support management through assessing prognosis, effectiveness and recurrence. Currently, the use of scoring systems in the hepato-pancreato-biliary (HPB) field is limited as concerns over precision and applicability prevent their widespread clinical implementation. The aim of this review was to discuss clinically useful oncological scoring systems for surgical management of HPB patients. A narrative review was conducted to appraise oncological HPB scoring systems. Original research articles of established and novel scoring systems were searched using Google Scholar, PubMed, Cochrane, and Ovid Medline. Selected models were determined by authors. This review discusses nine scoring systems in cancers of the liver (CLIP, BCLC, ALBI Grade, RETREAT, Fong's score), pancreas (Genç's score, mGPS), and biliary tract (TMHSS, MEGNA). Eight models used exclusively objective measurements to compute their scores while one used a mixture of both subjective and objective inputs. Seven models evaluated their scoring performance in external populations, with reported discriminatory c-statistic ranging from 0.58 to 0.82. Selection of model variables was most frequently determined using a combination of univariate and multivariate analysis. Calibration, another determinant of model accuracy, was poorly reported amongst nine scoring systems. A diverse range of HPB surgical scoring systems may facilitate evidence-based decisions on patient management and treatment. Future scoring systems need to be developed using heterogenous patient cohorts with improved stratification, with future trends integrating machine learning and genetics to improve outcome prediction.

• 한국가정과교육학회지
• /
• 제31권3호
• /
• pp.91-116
• /
• 2019

이 연구는 문헌 고찰을 통해 체인지메이커 교육의 의미를 살펴보고, 가정과 수업에 맞는 체인지메이커 교육 프로그램을 개발한 후 이를 적용한 학습자의 성장에 관한 사례를 통해 가정교과에서의 체인지메이커 교육의 의의에 대해 알아보고자 하였다. 이를 위해서 먼저 체인지메이커 교육에 대한 개념을 정의하였다. 체인지메이커 교육이란, 실생활 속에서 우리가 직면하는 문제들에 대해 생각하고(Thinking), 배우고(Education), 만들고(Making), 참여하고(Participation) 즐기며(Play) 다양한 문제해결 방안을 도출하고 서로 공유(Share)하여 변화(Change)시키는 교육을 말한다. 둘째, 본 연구에서는 가정교과에서의 체인지메이커 교육의 방향을 "폭넓은 메이커 활동을 통해 사회 문제에 관심을 가지고 문제를 해결하고 타인과 공감, 협업하여 행복하고 건강한 가정생활과 직업생활을 주도적으로 영위할 수 있도록 하는 것"으로 하고 내용의 범위를 "아동 가족, 식생활, 의생활, 주생활, 소비생활의 5개의 영역의 내용 요소를 추출하여 이를 교육할 수 있는 세부 주제를 선정"하고 교육 방법으로 "주제별로 TEMPS 단계를 통해 교과의 목적을 달성할 수 있도록 한다."로 제안하였다. 셋째, 체인지메이커 프로그램의 설계는 체인지메이커 교육의 5가지 핵심 아이디어 중에서 TEMPS를 단계로 프로그램을 설계하였다. T(Thinking)는 문제에 대해 파악하고 해결방법을 생각하는 단계이고, E(Education)는 다음 단계(Making)를 위한 배경지식을 얻는 단계이다. M(Making)은 문제 해결을 위해 필요한 목표물을 만드는 단계이고, P(Participation)와 P(Play)는 참여하고 즐기는 단계이다. S(Share)는 결과물 전시, SNS공유, 수업 발표회 등을 통해 교육적으로 확산을 시켜 궁극적으로 사회를 변화(Change)시키는 단계이다. 본 연구에서는 TEMPS 단계를 기본으로 하여 중학교 12개 프로그램, 고등학교 15개 프로그램을 개발하였고, 프로그램 당 각각 2차시~12차시로 중학교 총 68차시, 고등학교 총 68차시 분량이다. 체인지메이커 프로그램에 1년 간(2018년 3월 2일~2018년 12월 31일) 참여한 학습자들은 삶과 교육의 연계, 실천 능력의 향상, 자기 주도 학습, 자존감 향상, 성취감과 자기 성찰, 비판적 인식 향상, 감각적인 관찰 등에서 긍정적인 성장을 보여주었다.

• 대한공업교육학회지
• /
• 제44권2호
• /
• pp.142-163
• /
• 2019

본 연구의 목적은 목공 제품(새집, Birdhouse) 제작 체험 활동 프로그램에서 디자인 씽킹 활용이 예비기술교사인 대학생들의 만족도와 문제해결력에 미치는 영향을 분석하고자 하는 것이다. 설문 대상자는 비교과프로그램으로 체험활동을 실시한 33명 대학생들이며, 설문 문항은 만족도, 문제해결 자신감, 어려웠던 점 및 어려움 원인 등이며, 분석은 통계프로그램을 활용하였다. 이 연구의 주요 결론은 다음과 같다. 첫째, 체험 활동에 대한 전체 만족도 평균은 4.39로 다소 높은 편이다. 응답 평균이 가장 높은 것은 '제작하는 과정에서 성취감'과 '주위의 조언이 도움 됨'(M=4.46)이었다. 남녀별, 학년별로 유의미한 차이는 없지만, 학생들은 주어진 작품이 아닌 조별로 디자인 씽킹을 활용하여 서로 다른 새집을 제작하여 흥미로웠고 만족하였다. 따라서 문제해결 자신감, 성취감과 만족도가 높아 다른 학생들에게 추천하고 싶다고 하므로 디자인 씽킹을 활용한 제작 체험 활동 프로그램은 효과적이라고 판단된다. 둘째, 디자인 씽킹을 활용한 조별 체험활동 후 문제해결 자신감 응답 평균은 3.80 정도이다. 학생들은 조별로 새집 제작 체험 활동을 통해서 문제해결능력과 어려운 상황에 대한 대처능력 등 문제 해결에 자신감을 가질 수 있는 기회가 되었다고 하였으므로, 추후 체험활동에서는 어려웠던 점을 분석하여 보완하면 만족도 향상에 도움이 될 것이다. 셋째, 문제해결능력 자신감 설문 문항에서, 가장 높은 상관관계를 보인 것은 '나에겐 여러 문제를 해결할 능력이 있다'와 '나는 언제나 새롭고 어려운 상활을 대처할 능력이 있다'이다. 따라서 학생들의 문제해결능력 자신감 향상을 위해서는 문제해결능력 역량을 강화할 수 있는 교수·학습 프로그램을 마련해야 할 것이다. 넷째, 주어진 설계도가 아닌 직접 설계하고 제작하는 과정에서 가장 어려웠던 점은 '작품 아이디어의 수정·발전 과정'이라고 하였으며, 어려움을 느낀 가장 큰 원인은 '해결 지식 부족과 제작 능력 부족'이다. 따라서 디자인 씽킹을 활용한 목공 제품을 만들기 위해서는 제작 전에 목공 및 디자인 씽킹에 대한 충분한 교육을 받는다면 작품 제작에 도움이 될 것이다. 종합한 결과, 창의성과 문제해결력 향상에 도움이 되는 디자인 씽킹을 활용한 팀별 학습은 만족도가 높았다. 따라서 다른 체험활동에서 디자인 씽킹을 적용하고 분석하는 연구 결과는 학생들의 문제해결력 향상에 도움이 될 것으로 사료된다.

• 대한원격탐사학회지
• /
• 제37권5_1호
• /
• pp.959-974
• /
• 2021

Forel-Ule Index (FUI)는 자연에 존재하는 담수 및 해수의 색을 남색부터 고동색까지 21 가지의 등급으로 구분하는 지표이다. FUI는 여러 선행연구에서 수계의 부영양화 지수, 수질인자, 광 특성 등과 연관 지어 분석되었으며, 여러 수질인자의 광학적 정보를 동시에 가지고 있는 새로운 수질 지표로써의 가능성이 제시되었다. 본 연구에서는 500 m의 높은 공간해상도를 가지는 정지궤도 해양위성해색탑재체(Geostationary Ocean Color Imager; GOCI) 관측 자료와 Random Forest (RF) 기계학습 기법을 활용하여 Ocean Colour-Climate Change Initiative(OC-CCI) 기반의 4 km FUI 자료를 공간 상세화 시켰다. 이를 활용하여 우리나라 연안 해역에 대한 수질인자와의 상관관계와 주요 해역에 대한 FUI의 공간적 분포 및 계절별 특성 변화를 분석하였다. 검증 결과 RF 기법으로 추정한 RF FUI는 결정계수(R²)=0.81, 평균 제곱근 오차(Root Mean Square Error; RMSE)=0.7784로, Pitarch의 OC-CCI FUI 알고리즘을 적용하여 계산한 GOCI FUI 추정 정확도(R²=0.72, RMSE=0.9708) 대비 향상된 결과를 보였다. RF FUI는 총 질소(Total Nitrogen), 총 인(Total Phosphorus), 클로로필-a(Chlorophyll-a), 총 부유물질(Total Suspended Solids), 투명도(Secchi Disk Depth)를 포함하는 5가지 수질인자와 각각 0.87, 0.88, 0.97, 0.65, -0.98의 상관계수로 강한 상관성을 보였다. 산출된 FUI의 시간적 패턴 역시 여러 수질인자와의 물리적 관계를 반영하며 유의미한 계절적 패턴의 변화를 보였다. 본 연구의 결과로 한반도 연안 수질 관리에서 고해상도 FUI의 활용 가능성을 제시하였다.

• 한국수자원학회논문집
• /
• 제54권10호
• /
• pp.795-805
• /
• 2021

본 연구는 소양강댐 유역을 대상으로 LSTM 기반의 일유출량 추정 딥러닝 모형을 개발한 후, 모형구조 및 입력자료의 다양한 조합에 대한 모형의 정확도를 살폈다. 첫 12년(1997.1.1-2008.12.31) 동안의 유역평균 일강수량, 일기온, 일풍속 (이상 입력), 일평균 유량 (출력)으로 이루어진 데이터베이스를 기반으로 모형을 구축하였으며, 이후 12년(2009.1.1-2020.12.31) 동안의 자료를 사용하여 Nash-Sutcliffe Model Efficiency Coefficient (NSE)와 RMSE를 살폈다. 가장 높은 정확도를 보인 조합은 64개의 은닉유닛을 가진 LSTM 모형 구조에 가능한 모든 입력자료(12년치의 일강수량, 일기온, 일풍속)를 활용한 경우로서 검증기간의 NSE와 RMSE는 각각 0.862와 76.8 m³/s를 기록하였다. LSTM의 은닉유닛이500개를 초과하는 경우 과적합으로 인한 모형의 성능 저하가 나타나기 시작했으며, 1000개를 초과하는 경우 과적합 문제가 두드러졌다. 12년치의 일강수만 입력자료로 활용한 경우에도 매우 높은 성능(NSE=0.8~0.84)의 모형이 구축되었으며, 한 해의 자료만을 활용하여 학습한 경우에도 충분히 활용 가능한 정확도(NSE=0.63~0.85)를 가진 모형을 구축할 수 있었다. 특히 유량의 변동성이 큰 한 해의 자료만을 활용하여 모형을 학습한 경우 매우 높은 정확도(NSE=0.85)의 모형이 구축되었다. 학습자료가 중유량과 양극한의 유량을 모두 포함한 경우라면 5년 이상의 입력자료는 모형의 성능을 크게 개선시키지 못했다.