• 대한방사선치료학회지
• /
• 제29권1호
• /
• pp.49-56
• /
• 2017

목 적: CT(computed tomography) 영상에서 Metal Artifact로 인해 왜곡된 영상을 보정하는 Iterative Metal Artifact Reduction(IMAR) Algorithm의 정확성을 평가하고 양성자 치료계획에서 IMAR Algorithm 적용의 유용성을 평가하고자 한다. 대상 및 방법: CT simulator를 이용하여 CIRS Phantom 내에 금속을 삽입한 것과 삽입하지 않은 영상을 각각 촬영하였다. Phantom 내의 동일한 위치에 ROI1, ROI2를 설정하여 금속이 없는 경우의 영상과 금속으로 인한 Artifact가 발생한 영상, IMAR Algorithm을 적용한 영상에서 CT Number값의 차이를 비교하였다. 또, 금속 주변에 위치한 조직등가물질의 CT Number값을 비교하였다. 척추에 임플란트 시술을 시행한 환자를 가정하여 Rando 팬텀의 척추 부위에 Titanium 봉을 삽입하여 CT 촬영을 하였다. IMAR Algorithm 적용 전과 후의 영상에서 같은 부위에 ROI 1, ROI 2를 설정하여 CT Number값을 측정하고, 각각의 영상에 동일한 양성자 치료계획을 세워 세 지점에서 양성자선의 비정(Range)의 차이를 비교하였다. 결 과: CIRS Phantom 평가에서 금속이 없는 경우의 평균 CT number값은 ROI 1에서 -6.5 HU, ROI 2에서 -10.5 HU였다. 금속이 있는 경우 Fe, Ti, W 순으로 ROI 1에서 -148.1, -45.1, -151.7 HU였으며 IMAR Algorithm을 적용 하였을 때는 -0.9, -2.0, -1.9 HU로 증가하였다. ROI 2에서는 금속이 있는 경우 171.8, 63.9, 177.0 HU였으며 IMAR Algorithm 적용 후에는 10.0, 6.7, 8.1 HU로 감소하였다. 조직등가물질의 CT Number값은 가장 멀리 위치한 폐를 제외하고 모두 원래의 CT Number값에 가깝게 보정이 되었다. Rando Phantom 평가는 금속이 없는 경우와 금속이 있는 경우, IMAR Algorithm을 적용하였을 때 평균 CT Number값은 각각 ROI 1에서 9.9, -202.8, 35.1 HU였으며 ROI 2에서 9.0, 107.1, 29 HU였다. 치료계획에서 금속이 없을 때와 양성자선의 Range의 차이는 IMAR Algorithm을 적용하였을 때 1번 지점에서 평균 0.26 cm 감소하였으며 2번 지점에서 평균 0.20 cm 감소하였다. 3번 지점에서는 평균 0.12 cm 감소하였다. 결 론: IMAR Algorithm을 적용함으로써 CT Number값은 금속이 없을 때의 원래의 값에 가깝게 보정되었다. 또, 양성자 치료계획의 Beam Profile에서 IMAR Algorithm 적용 후 비정의 차이가 0.01에서 최대 3.6 mm 줄어들었다. Artifact가 존재하지 않는 영상과 비교하여 약간의 차이는 존재하지만 양성자의 비정에 따른 선량의 급격한 변화를 고려한다면 금속이 있는 환자에게 IMAR Algorithm의 적용은 유용할 것으로 사료된다.

• 한국엔터테인먼트산업학회논문지
• /
• 제15권8호
• /
• pp.91-106
• /
• 2021

본 연구의 목적은 콘텐츠 기획과 제작, 유통의 과정을 통해 자기실현과 사회적 연대를 이끌어내는 과정을 콘텐츠 액티비즘으로 정의하고, 구체적인 실행 단계를 유형화하는 것이다. 이를 토대로 구체적인 사례 분석을 시도함으로써 콘텐츠 액티비즘의 실천이 갖는 사회적 의미와 효과를 규명하고자 한다. 연구 방법은 선행 연구 검토를 통해 전통적 액티비즘과 콘텐츠 액티비즘의 차이를 살펴본 후 콘텐츠 액티비즘의 구체적인 실행 과정을 7단계로 유형화하였다. 콘텐츠 액티비즘의 실행모델은 1)문제의 발견, 2)현상 인식과 정보의 수집, 3)액티비즘 대상 및 목적 설계, 4)콘텐츠 기획과 제작, 5)콘텐츠 유통과 확산, 6)액티비즘 참여 및 효과 공유, 7)지속적인 액티비즘 과제 검토 등 7단계로 유형화하였다. 이 모델을 적용하여 본 연구에서는 콘텐츠 액티비즘 사례 두 가지를 분석하였다. 첫 번째 사례는 코로나19의 공포가 확산되던 2020년 초, 100세 생일을 앞둔 노인이 기획한 뒷마당 100바퀴 챌린지이다. 영국에 사는 톰 무어 경은 국가보건서비스 소속 의료진들이 보호장비가 부족하여 코로나 감염과 사망이 증가하자, 이들을 돕기 위해 뒷마당 100바퀴 걷기에 도전했다. 암 수술과 낙상 후유증으로 보조기 없이 보행이 어려운 그의 도전은 많은 이들의 공감과 참여를 이끌어내면서 글로벌 연대를 이끌어냈다. 두 번째 사례는 2019 일본 아이치트리엔날레 기획전시 김서경, 김운성 작가의 '표현의 부자유, 그 후'를 분석한 다. '표현의 부자유, 그 후' 전시는 평화의 소녀상과 일본군 위안부 할머니들의 삶을 전시하는 프로젝트였으나 극우 세력들의 협박과 공격으로 전시 3일 만에 철회되었다. 이 소식을 들은 해외의 예술가들은 트리엔날레의 결정에 저항하며 트위터와 인스타그램 등 소셜미디어에 소녀상과 같은 포즈로 사진을 찍고 공유하면서 평화의 소녀상이 갖는 역사적 의미에 공감했다. 예술가들로부터 시작된 액티비즘은 소셜미디어를 통해 다양한 지역에 사는 평범한 시민들의 집과 일터, 거리로 확장되었다. 두 사례는 콘텐츠를 통해 누군가와 연대하고 소통하면서 사회적 실천을 이끌어낸 콘텐츠 액티비즘이라고 할 수 있다. 이처럼 콘텐츠 액티비즘은 소셜미디어 시대의 새로운 리터러시이자 윤리적 실천의 도구가 되고 있다.

• 대한영상의학회지
• /
• 제82권3호
• /
• pp.670-681
• /
• 2021

목적 병리학적 침습성 병소를 기준으로 폐 아고형결절의 고형 부분을 진단하기 위한 최적의 CT 임계값을 알아보고자 하였다. 대상과 방법 병리적으로 최소 침습성 선암이 확진된 25명의 환자에 대해 비조영증강 흉부 CT 영상을 후향적으로 분석하였다. CT 영상에서 고형 부분은 -600부터 -100 Hounsfield units (이하 HU) 단위 사이에서 50 HU 간격의 다양한 임계치보다 높은 감쇠를 나타내는 영역으로 정의되었다. 각 임계치에서 고형부분의 축상 영상 최대 직경과 다면재구성 영상 최대 직경을 각각 측정한 후, 선형 혼합 모델을 이용하여 병리적 침습성 병소 크기와 비교하였다. 결과 -400 HU 단위의 임계값에서 아고형결절의 고형 부분의 크기와 침습성 병소의 크기는 통계학적으로 유의미한 차이를 보이지 않았으며(축상 영상: p = 0.2682, 다면재구성 영상: p = 0.963) 오차가 가장 적었다(축상 영상: 0.388, 다면재구성 영상: -0.0176). 결론 아고형결절의 침습성 병소를 진단하기 위해, -400 HU 단위가 고형 부분을 정의하는 최적의 정량 분석 임계값일 수 있다.

• 지능정보연구
• /
• 제21권2호
• /
• pp.69-92
• /
• 2015

최근 소셜 미디어의 사용이 폭발적으로 증가함에 따라 이용자가 직접 생성하는 방대한 데이터를 분석하기 위한 다양한 텍스트 마이닝(text mining) 기법들에 대한 연구가 활발히 이루어지고 있다. 이에 따라 텍스트 분석을 위한 알고리듬(algorithm)의 정확도와 수준 역시 높아지고 있으나, 특히 감성 분석(sentimental analysis)의 영역에서 언어의 문법적 요소만을 적용하는데 그쳐 화용론적 의미론적 요소를 고려하지 못한다는 한계를 지닌다. 본 연구는 이러한 한계를 보완하기 위해 기존의 알고리듬 보다 의미 자질을 폭 넓게 고려할 수 있는 Word2Vec 기법을 적용하였다. 또한 한국어 품사 중 형용사를 감정을 표현하는 '감정어휘'로 분류하고, Word2Vec 모델을 통해 추출된 감정어휘의 연관어 중 명사를 해당 감정을 유발하는 요인이라고 정의하여 이 전체 과정을 'Emotion Trigger'라 명명하였다. 본 연구는 사례 연구(case study)로 사회적 이슈가 된 세 직업군(교수, 검사, 의사)의 특정 사건들을 연구 대상으로 선정하고, 이 사건들에 대한 대중들의 인식에 대해 분석하고자 한다. 특정 사건들에 대한 일반 여론과 직접적으로 표출된 개인 의견 모두를 고려하기 위하여 뉴스(news), 블로그(blog), 트위터(twitter)를 데이터 수집 대상으로 선정하였고, 수집된 데이터는 유의미한 연구 결과를 보여줄 수 있을 정도로 그 규모가 크며, 추후 다양한 연구가 가능한 시계열(time series) 데이터이다. 본 연구의 의의는 키워드(keyword)간의 관계를 밝힘에 있어, 기존 감성 분석의 한계를 극복하기 위해 Word2Vec 기법을 적용하여 의미론적 요소를 결합했다는 점이다. 그 과정에서 감정을 유발하는 Emotion Trigger를 찾아낼 수 있었으며, 이는 사회적 이슈에 대한 일반 대중의 반응을 파악하고, 그 원인을 찾아 사회적 문제를 해결하는데 도움이 될 수 있을 것이다.