• 한국심리학회지 : 문화 및 사회문제
• /
• 제26권3호
• /
• pp.195-220
• /
• 2020

본 연구는 외상 후 성장의 정도를 측정하는 외상 후 성장 척도의 확장판(The Posttraumatic Growth Inventory-X: PTGI-X)을 국내에 타당화하고자 하였다. PTGI-X 척도는 기존 PTGI의 '영적·종교적 관심의 증가 요인'에 대한 보완의 필요성에 따라 실존적 깊이 증가를 측정하는 문항이 추가된 척도이다. 이를 위해 외상 경험이 있는 성인 625명을 대상으로 K-PTGI-X의 요인구조를 확인하고, 타당도와 신뢰도를 검증하였다. 먼저, 탐색적 요인분석을 통해 외상을 경험한 국내 성인을 대상으로 적절한 PTGI-X의 요인구조를 확인하였고, 4요인 구조가 가장 적절한 것으로 나타났다. 다음으로, 확인적 요인분석을 실시한 결과 4요인 모형에 문항 간 상관을 추가한 모형이 모형적합도가 좋은 것으로 나타났다. 내적 신뢰도, 분산추출지수, 개념 신뢰도를 검토하여 문항들이 요인을 구성하는 데에 문제가 없으며 신뢰로운 도구임을 확인하였다. 타당도를 확인하기 위해 관련성이 높은 것으로 알려진 핵심신념붕괴, 의도적 반추와의 유의한 상관관계를 확인하여 동시 타당도를 검증하였고, 침습적 반추와 통계적으로 유의하지 않은 관계를 확인하여 변별 타당도를 검증하였다. 마지막으로 K-PTGI-X의 이해를 더하기 위해 인구통계학적 변인에 따른 차이분석을 실시하였다. 연구결과를 바탕으로 본 연구의 논의와 시사점을 제시하였다.

• 생물환경조절학회지
• /
• 제31권2호
• /
• pp.98-103
• /
• 2022

엽면적의 비파괴적 추정은 잎 절단에 의한 방법에 비해 간단하고 시간을 절약하므로 다양한 원예 작물에 대한 잎 면적 예측 모델이 개발되었습니다. 그러나 딸기 잎 면적 추정에 대한 연구는 제한적이다. 본 연구는 국내산 딸기 5품종('아리향', '죽향', '금실', '매향', '설향')의 3복엽의 잎길이와 폭을 이용한 비선형회귀분석을 통해 잎면적을 예측하기 위해 수행되었다. 실제 잎 면적과 전개식을 통해 추정된 잎 면적의 관계에 대한 결정계수(R²)는 0.923에서 0.973까지 다양하였다. R² 값이 0.96 이상인 '죽향', '설향' 및 '매향' 3 품종의 잎면적은 본 연구에서 개발한 모델을 사용하여 비파괴적으로 예측할 수 있습니다. 반면 묘의 상태가 좋지 못하고 과한 생장을 했던 '아리향'과 '금실'은 각각 0.938, 0.923으로 약간 낮은 R² 값을 보였다. 본 연구에서 개발한 품종별 잎 면적 추정 모델을 Python으로 코딩하여 본 논문에 첨부하였다. 개발된 추정 모델은 많은 딸기 관련 연구에 광범위하게 사용될 수 있습니다.

• 대한치과교정학회지
• /
• 제52권4호
• /
• pp.287-297
• /
• 2022

Objective: To investigate the pattern of accuracy change in artificial intelligence-assisted landmark identification (LI) using a convolutional neural network (CNN) algorithm in serial lateral cephalograms (Lat-cephs) of Class III (C-III) patients who underwent two-jaw orthognathic surgery. Methods: A total of 3,188 Lat-cephs of C-III patients were allocated into the training and validation sets (3,004 Lat-cephs of 751 patients) and test set (184 Lat-cephs of 46 patients; subdivided into the genioplasty and non-genioplasty groups, n = 23 per group) for LI. Each C-III patient in the test set had four Lat-cephs: initial (T0), pre-surgery (T1, presence of orthodontic brackets [OBs]), post-surgery (T2, presence of OBs and surgical plates and screws [S-PS]), and debonding (T3, presence of S-PS and fixed retainers [FR]). After mean errors of 20 landmarks between human gold standard and the CNN model were calculated, statistical analysis was performed. Results: The total mean error was 1.17 mm without significant difference among the four time-points (T0, 1.20 mm; T1, 1.14 mm; T2, 1.18 mm; T3, 1.15 mm). In comparison of two time-points ([T0, T1] vs. [T2, T3]), ANS, A point, and B point showed an increase in error (p < 0.01, 0.05, 0.01, respectively), while Mx6D and Md6D showeda decrease in error (all p < 0.01). No difference in errors existed at B point, Pogonion, Menton, Md1C, and Md1R between the genioplasty and non-genioplasty groups. Conclusions: The CNN model can be used for LI in serial Lat-cephs despite the presence of OB, S-PS, FR, genioplasty, and bone remodeling.

• Smart Structures and Systems
• /
• 제29권1호
• /
• pp.1-16
• /
• 2022

Despite recent breakthroughs in deep learning and computer vision fields, the pixel-wise identification of tiny objects in high-resolution images with complex disturbances remains challenging. This study proposes a modified U-net for tiny crack segmentation in real-world steel-box-girder bridges. The modified U-net adopts the common U-net framework and a novel Self-Attention-Self-Adaption (SASA) neuron as the fundamental computing element. The Self-Attention module applies softmax and gate operations to obtain the attention vector. It enables the neuron to focus on the most significant receptive fields when processing large-scale feature maps. The Self-Adaption module consists of a multiplayer perceptron subnet and achieves deeper feature extraction inside a single neuron. For data augmentation, a grid-based crack random elastic deformation (CRED) algorithm is designed to enrich the diversities and irregular shapes of distributed cracks. Grid-based uniform control nodes are first set on both input images and binary labels, random offsets are then employed on these control nodes, and bilinear interpolation is performed for the rest pixels. The proposed SASA neuron and CRED algorithm are simultaneously deployed to train the modified U-net. 200 raw images with a high resolution of 4928 × 3264 are collected, 160 for training and the rest 40 for the test. 512 × 512 patches are generated from the original images by a sliding window with an overlap of 256 as inputs. Results show that the average IoU between the recognized and ground-truth cracks reaches 0.409, which is 29.8% higher than the regular U-net. A five-fold cross-validation study is performed to verify that the proposed method is robust to different training and test images. Ablation experiments further demonstrate the effectiveness of the proposed SASA neuron and CRED algorithm. Promotions of the average IoU individually utilizing the SASA and CRED module add up to the final promotion of the full model, indicating that the SASA and CRED modules contribute to the different stages of model and data in the training process.

• Journal of Gastric Cancer
• /
• 제23권2호
• /
• pp.355-364
• /
• 2023

Background: There are no clear guidelines to determine whether to perform D1 or D1+ lymph node dissection in early gastric cancer (EGC). This study aimed to develop a nomogram for estimating the risk of extraperigastric lymph node metastasis (LNM). Materials and Methods: Between 2009 and 2019, a total of 4,482 patients with pathologically confirmed T1 disease at 6 affiliated hospitals were included in this study. The basic clinicopathological characteristics of the positive and negative extraperigastric LNM groups were compared. The possible risk factors were evaluated using univariate and multivariate analyses. Based on these results, a risk prediction model was developed. A nomogram predicting extraperigastric LNM was used for internal validation. Results: Multivariate analyses showed that tumor size (cut-off value 3.0 cm, odds ratio [OR]=1.886, P=0.030), tumor depth (OR=1.853 for tumors with sm2 and sm3 invasion, P=0.010), cross-sectional location (OR=0.490 for tumors located on the greater curvature, P=0.0303), differentiation (OR=0.584 for differentiated tumors, P=0.0070), and lymphovascular invasion (OR=11.125, P<0.001) are possible risk factors for extraperigastric LNM. An equation for estimating the risk of extraperigastric LNM was derived from these risk factors. The equation was internally validated by comparing the actual metastatic rate with the predicted rate, which showed good agreement. Conclusions: A nomogram for estimating the risk of extraperigastric LNM in EGC was successfully developed. Although there are some limitations to applying this model because it was developed based on pathological data, it can be optimally adapted for patients who require curative gastrectomy after endoscopic submucosal dissection.

• 대한방사선기술학회지:방사선기술과학
• /
• 제46권4호
• /
• pp.315-323
• /
• 2023

Post-mortem computed tomography (PMCT) is commonly employed in the field of forensic pathology. PMCT was mainly performed using a whole-body scan with a wide field of view (FOV), which lead to a decrease in spatial resolution due to the increased pixel size. This study aims to evaluate the potential for developing a super-resolution model based on conditional generative adversarial networks (CGAN) to enhance the image quality of CT. 1761 low-resolution images were obtained using a whole-body scan with a wide FOV of the head phantom, and 341 high-resolution images were obtained using the appropriate FOV for the head phantom. Of the 150 paired images in the total dataset, which were divided into training set (96 paired images) and validation set (54 paired images). Data augmentation was perform to improve the effectiveness of training by implementing rotations and flips. To evaluate the performance of the proposed model, we used the Peak Signal-to-Noise Ratio (PSNR), Structural Similarity Index Measure (SSIM) and Deep Image Structure and Texture Similarity (DISTS). Obtained the PSNR, SSIM, and DISTS values of the entire image and the Medial orbital wall, the zygomatic arch, and the temporal bone, where fractures often occur during head trauma. The proposed method demonstrated improvements in values of PSNR by 13.14%, SSIM by 13.10% and DISTS by 45.45% when compared to low-resolution images. The image quality of the three areas where fractures commonly occur during head trauma has also improved compared to low-resolution images.

• 한국심리학회지:법
• /
• 제12권3호
• /
• pp.301-321
• /
• 2021

본 연구의 목적은 CAPP 모델 기반의 자기보고식 사이코패시 성격 종합평가(CAPP-SR)를 타당화하는 데 있다. CAPP-SR은 CAPP 모델에 기반을 두어 33개 증상, 6개 요인으로 이루어진 99문항의 자기보고식 평가 도구이다. 이를 위해 전국 11개 교도소에 수용 중인 311명의 재소자를 계층(체계)적 표집 방법을 중심으로 모집이 이루어졌다. CAPP-SR 간 수렴타당도를 살펴보기 위해 국내외에서 타당화 된 한국판 삼원사이코패시 평가도구(Triarchic Psychopathy Measure), 한국판 레빈슨 자기보고 사이코패시 평가 척도(Levenson's Self-Report Psychopathy Scale), 한국판 단축형 해악적 성격 검사(Short Dark Tetrad; SD-4), KORAS-G(Korean Offender Risk Assessment-General)와의 관련성을 살펴보았다. 또한 기존 도구에 비해 CAPP-SR의 추가적 설명력 수준을 살펴보고자 하였다. 연구 결과 CAPP-SR 6개 요인의 적합성을 확인할 수 있었으며 CAPP-SR 증상은 개념적으로 대칭되는 다른 척도의 요인들과 일관성 있게 유의미한 관련성을 보여 수렴타당도와 증분타당도를 확인할 수 있었다. 국내에서의 CAPP-SR의 일반화 가능성과 임상적 활용 가능성을 높였으며 사이코패시 성격장애(PPD)에 대한 이해를 확장시켰다는 점에서 그 의의가 있다고 본다.

• 한국컴퓨터정보학회논문지
• /
• 제14권2호
• /
• pp.59-68
• /
• 2009

이 연구는 온라인 다중참여 역할수행 게임(Massive Multiplayer Online Role Playing Game, 이하 MMORPG)에서 학습자의 몰입에 영향을 미치는 요인들을 탐색한 후, 그 결과를 토대로 학습몰입 정도를 측정하는 척도를 개발하는데 목적이 있다. 관련 연구들의 분석을 통해, MMORPG 상에서의 학습자 몰입에 영향을 미치는 주요 요인으로 6가지 영역(학습자 심리특성, 학습자기술능력, 게임의 중요도, 학습자환경, 교수 학습설계 교수 학습환경)과 16개 하위 영역, 48개 예비문항으로 구성된 학습자 몰입 측정척도를 개발했다. 이것의 구성적 타당성을 검증하기 위해서 국내 A사가 개발한 '영어학습을 위한 상업용 MMORPG를 이용해 온 초등학생 293명을 대상으로 학습몰입도를 측정하고, 이 과정에서 수집된 자료(N=288)를 활용하여 탐색적 요인분석과 확인적 요인분석을 실시하였다. 탐색적 요인분석 결과, 각 영역 별로 하위 영역에 속한 변인들이 1요인으로 묶여지는 것으로 확인되었으며, 선정된 문항들이 각 하위 영역을 구성하는 문항으로서 갖는 내적합치도도 매우 높은 것으로 나타났다. 또한 확인적 요인분석 결과, 본 연구를 통해 개발된 학습자몰입 측정척도는 높은 구성타당성을 보여주었다(CFI=.95, NFI=.92, NNFI=.94). 따라서 이 연구에서 개발된 학습자 몰입 측정척도는 통계적으로 신비롭고 타당한 것임을 확인할 수 있었다.

• 대한원격탐사학회지
• /
• 제40권1호
• /
• pp.71-80
• /
• 2024

이 연구에서는 무인 항공기(Unmanned Aerial Vehicle, UAV)가 캡처한 이미지의 의미론적 토지 피복 분할 성능을 향상시키기 위한 앙상블 학습 기법을 제안하고 있다. 도시 계획과 같은 분야에서 UAV 사용이 증가함에 따라 토지 피복 분할을 위한 딥러닝 분할 방법을 활용한 기술 개발이 활발히 이루어지고 있다. 이 연구는 대표적인 분할 모델인 U-Net, DeepLabV3 그리고 Fully Convolutional Network (FCN)를 사용하여 분할 예측 성능을 개선하는 방법을 제안한다. 제안된 접근 방식은 세 가지 분할 모델의 훈련 손실, 검증 정확도 및 클래스별 점수를 통합하여 앙상블 모델을 개발하고 전반적인 예측 성능을 향상시킨다. 이 방법은 건물, 도로, 주차장, 논, 밭, 나무, 빈 공간, 미분류 영역을 포함하는 일곱 가지 클래스가 있는 토지 피복 분할 문제에 적용하여 평가하였다. 앙상블 모델의 성능은 mean Intersection over Union (mIoU)으로 평가하였으며, 제안된 앙상블 모델과 기존의 세 가지 분할 방법을 비교한 결과 mIoU 성능이 향상되었음이 나타났다. 따라서 이 연구는 제안된 기술이 의미론적 분할 모델의 성능을 향상시킬 수 있음을 확인하였다.

• 융합신호처리학회논문지
• /
• 제24권3호
• /
• pp.134-139
• /
• 2023

재활환자는 수술 치료 후 신속한 사회복귀를 목적으로 신체적 기능 회복을 위하여 통원치료 및 일상에서 재활운동을 수행한다. 병원에서 전문 치료사의 도움으로 운동을 수행하는 것과 달리 일상에서 환자 스스로 재활운동을 수행하는 것은 많은 어려움이 있다. 본 논문에서는 일상에서 환자 스스로 효율적이고 올바른 자세로 재활운동을 수행할 수 있도록 CNN-LSTM 기반의 상지 재활운동 실시간 모니터링 시스템을 제안한다. 제안한 시스템은 EMG, IMU가 탑재된 어깨 착용형 하드웨어를 통해 생체신호를 계측하고 학습을 위한 전처리 과정과 정규화를 진행하여 학습 데이터세트로 사용하였다. 구현된 모델은 특징 검출을 위한 3개 합성곱 레이어 3개의 폴링 레이어, 분류를 위한 2개의 LSTM 레이어로 구성되어 있으며 검증 데이터에 대한 학습 결과 97.44%를 확인할 수 있었다. 이후 Teachable machine과의 비교평가를 진행하였으며 비교평가 결과 구현된 모델은 93.6%, Teachable machine은 94.4%로 두 모델이 유사한 분류 성능을 나타내는 것을 확인하였다.