Backgrounds : Gamma band oscillatory activity is considered to be related to cognitive functions and illustrates that the concept of event-related oscillations bridges the gap between single neurons and neural assemblies. An event-related gamma oscillation is the time-locked responses of specific frequency, and can be identified by computing the amplitude frequency characteristics of the averaged event-related potentials(ERPs) after stimulation. Objectives : We purposed to present experimental paradigm to investigate ${\gamma}$-band oscillation activities from the recording of ERPs by using auditory oddball paradigm and investigate the difference of ${\gamma}$-band activity between schizophrenia and normal controls. Methods : The ERPs resulting from auditory stimuli with oddball paradigm in a group of schizophrenics(n=11), and also a group of age-, sex-, and handedness matched normal controls, were recorded by 128 channel EEG. The ${\gamma}$-band oscillatory activities were calculated by using time-frequency wavelet decomposition of the signal between 20 and 80Hz. The ${\gamma}$-band oscillatory activities of both groups were compared by t-test. Results : The ${\gamma}$-band oscillatory of the leads Fz, Cz, and Pz of both groups were represented well in the time-frequency maps. Significant increases of the ${\gamma}$-band activity in normal controls compared with schizophrenics were observed around 160 msec, 350 msec, and 800 msec after stimulation. Conclusions : Our results suggested that the increment in ${\gamma}$-band oscillatory activity during cognitive operations and decreased ${\gamma}$-band activity in schizophrenics may be associated with the cognitive dysfunctions and the pathophysiology of the schizophrenia.
최근 보안 디바이스의 물리적 취약성을 찾을 수 있는 부채널 분석 분야에서 딥러닝을 활용한 연구가 활발히 진행되고 있다. 하지만, 최신 딥러닝 기반 부채널 분석 기술 연구는 템플릿 공격 등과 같은 프로파일링 기반 부채널 분석 환경에서 파형을 옳게 분류하기 위한 연구에 집중되어 있다. 본 논문에서는 이전 연구들과 다르게 딥러닝을 신호 전처리 기법으로 활용하여 차분 전력 분석, 상관 전력 분석 등과 같은 논프로파일링 기반 부채널 분석의 성능을 고도화할 수 있는 방법을 제안한다. 제안기법은 오토인코더를 부채널 분석 환경에 적합하게 변경하여 부채널 정보의 노이즈를 제거하는 전처리 기법으로, 기존 노이즈 제거 오토인코더는 임의로 추가한 노이즈에 대한 학습을 하였다면 제안하는 기법은 노이즈가 제거된 라벨을 사용하여 실제 데이터의 노이즈를 학습한다. 제안기법은 논프로파일링 환경에서 수행 가능한 전처리 기법이며 하나의 뉴런 네트워크의 학습만을 통해 수행할 수 있다. 본 논문에서는 실험을 통해 제안기법의 노이즈 제거 성능을 입증하였으며, 주성분분석 및 선형판별분석과 같은 기존 전처리 기법들과 비교하여 우수하다는 것을 보인다.
Jung Hee Hong;Eun-Ah Park;Whal Lee;Chulkyun Ahn;Jong-Hyo Kim
Korean Journal of Radiology
/
제21권10호
/
pp.1165-1177
/
2020
Objective: To assess the feasibility of applying a deep learning-based denoising technique to coronary CT angiography (CCTA) along with iterative reconstruction for additional noise reduction. Materials and Methods: We retrospectively enrolled 82 consecutive patients (male:female = 60:22; mean age, 67.0 ± 10.8 years) who had undergone both CCTA and invasive coronary artery angiography from March 2017 to June 2018. All included patients underwent CCTA with iterative reconstruction (ADMIRE level 3, Siemens Healthineers). We developed a deep learning based denoising technique (ClariCT.AI, ClariPI), which was based on a modified U-net type convolutional neural net model designed to predict the possible occurrence of low-dose noise in the originals. Denoised images were obtained by subtracting the predicted noise from the originals. Image noise, CT attenuation, signal-to-noise ratio (SNR), and contrast-to-noise ratio (CNR) were objectively calculated. The edge rise distance (ERD) was measured as an indicator of image sharpness. Two blinded readers subjectively graded the image quality using a 5-point scale. Diagnostic performance of the CCTA was evaluated based on the presence or absence of significant stenosis (≥ 50% lumen reduction). Results: Objective image qualities (original vs. denoised: image noise, 67.22 ± 25.74 vs. 52.64 ± 27.40; SNR [left main], 21.91 ± 6.38 vs. 30.35 ± 10.46; CNR [left main], 23.24 ± 6.52 vs. 31.93 ± 10.72; all p < 0.001) and subjective image quality (2.45 ± 0.62 vs. 3.65 ± 0.60, p < 0.001) improved significantly in the denoised images. The average ERDs of the denoised images were significantly smaller than those of originals (0.98 ± 0.08 vs. 0.09 ± 0.08, p < 0.001). With regard to diagnostic accuracy, no significant differences were observed among paired comparisons. Conclusion: Application of the deep learning technique along with iterative reconstruction can enhance the noise reduction performance with a significant improvement in objective and subjective image qualities of CCTA images.
본 연구에서는 데이터마이닝 기법의 일종인 자기조직화지도(Self-Organizing Map, SOM)를 이용하여 비외감기업의 부실화 유형을 구분하고자 한다. 자기조직화지도는 인공 신경망을 기초로 자율학습을 통해 입력된 값을 유사한 군집끼리 묶어내는 방법으로, 기존의 통계적 군집 분류 방법보다 성능이 뛰어나고, 고차원의 입력데이터를 저차원으로 시각화할 수 있다는 장점 때문에 다양한 분야에서 각광받고 있다. 본 연구에서는 기존 연구의 주요 분석대상이었던 외감기업에 비해 부실화 빈도는 높지만 데이터 수집의 어려움으로 인해 분석대상에서 다소 제외되었던 비외감기업의 부실화 유형에 대해 알아보고, 유형별 구체적인 사례도 소개하고자 한다. 재무자료수집이 가능한 100개의 비외감 부실기업에 대해 분석한 결과, 비외감기업의 부실화 유형은 다섯 가지로 구분되었다. 유형 1은 전체 집단의 약 12%를 차지하며, 수익성, 성장성 등 재무지표가 다른 유형에 비해 열등하였다. 유형 2는 전체 집단의 약 14%로, 유형 1보다는 덜 심각하지만 재무지표가 대체로 열등하였다. 유형 3은 성장성 지표가 열등한 그룹으로 기업간 경쟁이 극심한 가운데 지속적으로 성장하지 못하고 부실화된 경우로 약 30%의 기업이 포함되었다. 유형 4는 성장성은 탁월하나 부채경영 등 과감한 경영으로 인해 유동성 부족이나 현금부족 등의 이유로 부실화된 그룹으로 약 25%의 기업이 포함되었다. 유형 5는 거의 모든 재무지표가 우수한 건전기업으로, 단기적인 경영전략의 실수 또는 중소기업의 특성상 경영자의 개인적 사정으로 부실화 되었을 가능성이 큰 그룹으로 약 18%의 기업이 포함되었다. 본 연구 결과는 부실화 유형을 구분하는데 기존의 통계적 방법이 아닌 자기조직화지도를 이용하였다는 점에서 학문적 의의가 있고, 비외감기업의 재무지표만으로도 1차적인 부실화 징후를 발견할 수 있다는 점에서 실무적 의의가 있다고 할 수 있다.
오래 전부터 학계에서는 정확한 주식 시장의 예측에 대한 많은 연구가 진행되어 왔고 현재에도 다양한 기법을 응용한 예측모형들이 연구되고 있다. 특히 최근에는 딥러닝(Deep-Learning)을 포함한 다양한 기계학습기법(Machine Learning Methods)을 이용해 주가지수를 예측하려는 많은 시도들이 진행되고 있다. 전통적인 주식투자거래의 분석기법으로는 기본적 분석과 기술적 분석방법이 사용되지만 보다 단기적인 거래예측이나 통계학적, 수리적 기법을 응용하기에는 기술적 분석 방법이 보다 유용한 측면이 있다. 이러한 기술적 지표들을 이용하여 진행된 대부분의 연구는 미래시장의 (보통은 다음 거래일) 주가 등락을 이진분류-상승 또는 하락-하여 주가를 예측하는 모형을 연구한 것이다. 하지만 이러한 이진분류로는 추세를 예측하여 매매시그널을 파악하거나, 포트폴리오 리밸런싱(Portfolio Rebalancing)의 신호로 삼기에는 적합치 않은 측면이 많은 것 또한 사실이다. 이에 본 연구에서는 기존의 주가지수 예측방법인 이진 분류 (binary classification) 방법에서 주가지수 추세를 (상승추세, 박스권, 하락추세) 다분류 (multiple classification) 체계로 확장하여 주가지수 추세를 예측하고자 한다. 이러한 다 분류 문제 해결을 위해 기존에 사용하던 통계적 방법인 다항로지스틱 회귀분석(Multinomial Logistic Regression Analysis, MLOGIT)이나 다중판별분석(Multiple Discriminant Analysis, MDA) 또는 인공신경망(Artificial Neural Networks, ANN)과 같은 기법보다는 예측성과의 우수성이 입증된 다분류 Support Vector Machines(Multiclass SVM, MSVM)을 사용하고, 이 모델의 성능을 향상시키기 위한 래퍼(wrapper)로서 유전자 알고리즘(Genetic Algorithm)을 이용한 최적화 모델을 제안한다. 특히 GA-MSVM으로 명명된 본 연구의 제안 모형에서는 MSVM의 커널함수 매개변수, 그리고 최적의 입력변수 선택(feature selection) 뿐만이 아니라 학습사례 선택(instance selection)까지 최적화하여 모델의 성능을 극대화 하도록 설계하였다. 제안 모형의 성능을 검증하기 위해 국내주식시장의 실제 데이터를 적용해본 결과 ANN이나 CBR, MLOGIT, MDA와 같은 기존 데이터마이닝 기법들이나 인공지능 알고리즘은 물론 현재까지 가장 우수한 예측 성과를 나타내는 것으로 알려져 있던 전통적인 다분류 SVM 보다도 제안 모형이 보다 우수한 예측성과를 보임을 확인할 수 있었다. 특히 주가지수 추세 예측에 있어서 학습사례의 선택이 매우 중요한 역할을 하는 것으로 확인 되었으며, 모델의 성능의 개선효과에 다른 요인보다 중요한 요소임을 확인할 수 있었다.
신경계 질환은 산화적 스트레스에 의한 신경세포 손상에 의해 발생하는 것이 하나의 기전으로 알려져 있다. 본 연구는 $H_2O_2$에 의해 유도된 산화적 스트레스에 대항하여 곤드레(Cirsium setidens, CS), 누룩치(Pleurospermum kamtschaticumin, PK) 그리고 산마늘(Allium victorials, AV)의 뇌신경 보호 효과 및 그 기전에 대한 것이다. CS와 AV 처리는 대조군과 비교하여 $400{\mu}g/mL$까지 인간의 신경세포주인 SK-N-SH 세포에 대해 세포독성이 없었다. 산화적 유도자인 $H_2O_2$를 SK-N-SH 세포에 처리하였을 때 세포사멸 및 활성산소종(ROS) 생산이 현저하게 증가하였으나 CS 또는 AV 처리에 의해 산화적 스트레스에 의해 증가된 세포사멸과 ROS 생산이 현저하게 감소하였다. 실험한 산채 중에 CS와 PK가 AV보다 더 강한 DPPH 라디칼 소거 작용이 있었으나 PK는 대조군과 비교하여 SK-N-SH 세포를 사멸시키는 강한 세포독성을 가지고 있었다. CS는 AV보다 산화적 스트레스에 대항하여 세포사멸 및 ROS 생성에 더 높은 저해적 영향력을 보여주었다. 따라서 계속되는 실험에는 CS를 사용하였다. CS의 순차적 용매 분획물들인 헥산, 클로로포름, 에틸아세테이트, 부탄올 및 물 분획물들(CS-HE, CS-CH, CS-EA, CS-BU, CS-AQ)은 산화적 스트레스에 대항하여 SK-N-SH 세포사멸 및 세포내 ROS 생성을 억제하였다. CS-EA는 5개의 분획물들 중 가장 강한 DPPH 라디칼 소거작용 및 세포내 ROS 소거 활성을 가지고 있었고, 가장 강한 뇌신경세포 보호 효과를 가지고 있었다. CS-EA는 산화적 스트레스에 의해 증가된 세포자멸사(apoptosis)의 신호전달 경로에 관여하는 p38의 인산화를 저해함으로써 활성화되는 것을 약화시켰다. 이 결과들은 CS-EA가 뇌신경세포에서 항산화 효과 및 p38 인산화 억제에 의한 뇌신경 보호 효과를 나타낼 것이라 제안하였다.
목적 : 본 연구는 외부에서 고 농도$(30\%)$의 산소 공급이 공간 인지 능력에 어떠한 변화를 유발하는지 뇌기능 자기공명영상의 시계열 신호 분석을 통해 관찰하고자 한다. 대상 및 방법 : 비슷한 난이도의 공간 인지 과제 두 세트를 제작하기 위해 집단 검사를 실시하였다. 집단검사는 263명의 대학생을 대상으로 수행되었다. 그 결과 공간 인지 능력 측정을 위해 20 문항을 포함하는 두 개의 문제지를 제작하였다. 8명의 오른손잡이 남자 대학생(평균 23.5세)이 뇌기능 자기공명영상 실험의 피험자로 참여하였다. $21\%$와 $30\%$의 산소를 공급하면서 공간 인지 과제를 수행하는 두 번의 실험이 설계되었다. 각 실험은 네 개의 블록으로 구성되고, 각 블록은 통제 및 공간 과제로 구성되었다. 37 MRI 기기를 사용하여 single-shot EPI 방법으로 뇌기능 영상을 획득하였다. 감산법을 이용하여 공간 과제 수행 시 활성화되는 뇌 영역을 추출하였다. 활성화 영역의 시계열 신호 분석을 위해 대표적인 네 영역(소뇌, 후두엽, 두정엽, 전두엽)을 선정하였다. 결과 : 평균 정답률은 $21\%$와 $30\%$ 산소 농도에서 각각 $50.63{\pm}8.63$와 $62.50{\pm}9.64$ 이었고, 두 농도간의 통계적 유의차가 발생하였다 (p<0.05). $21\%$에 비해 $30\%$ 산소 농도에서 소뇌 후두엽, 두정엽, 전두엽 영역에서 신경 활성화의 면적이 증가하였다. 소뇌, 후두엽, 두정엽 영역의 신경 활성화 면적의 증가율은 약 $17\%$이었고, 전두엽은 약 $50\%$ 이었다. 특히, 공간 인지 처리와 가장 밀접한 관련이 있는 두정엽 영역에서는 신경 활성화 강도도 증가하였다. 좌 두정엽에서 신경 활성화 강도의 증가율은 약 $1.4\%$ 이었고, 우 두정엽은 약 $1.7\%$ 이었다. 결론 : 고농도의 산소가 과제수행에 필요한 산소 공급을 충분하게 하여 과제수행에 필요한 신경망을 보다 활성화시켰다. 그리고 그 결과로 과제 수행 능력도 증가시킨다는 결론을 도출할 수 있다.
자기공명영상(Magnetic Resonance Image)을 이용한 구조적 연구 방법에서 뇌 구조 세분화 방법은 최근 빠르게 발전하여 구조 이미지의 자동 분할을 위한 유능한 방법론이 되었다. 특히 아틀라스 정보를 이미지에 등록해 피사체의 이미지로 전달하는 분할(Segmentation) 방법은 아틀라스(Atlas)의 정확도에 편향되기 때문에 높은 정확도를 갖고 있는 아틀라스가 필요하게 된다. 알렌 마우스 뇌 아틀라스(Allen Mouse Brain Atlas)는 마우스의 아틀라스 중에서 높은 정확도를 갖고 있어 다양한 분야에서 사용되고 있으며, 신경섬유지도(Tractography)에 필수적인 마우스 뇌구조의 정확한 좌표와 분할 정보를 제공할 수 있다. 또한 기능적 연구 방법인 뇌의 백질 경로를 재구성하는 확산텐서영상(Diffusion Tensor Image)에 대한 확률론적 신경섬유지도를 사용하여 포괄적인 뉴런 네트워크를 매핑 하였다. 인간의 뇌 연구 결과와 마우스의 뇌 연구 결과는 비교분석 할 수 있어 인간에게 적용하기 어려운 실험들을 질환이 모델링된 마우스를 통해 결과를 얻어 임상적으로 이용이 가능하기 때문에 마우스 실험의 중요성이 올라가고 있다. 하지만 마우스를 이용한 연구에서 인간과 마우스의 뇌 크기 차이로 인한 문제가 있어 동등한 영상의 질을 달성하려면 다양한 조건이 필요하게 되며, 그중 대표적으로 충분히 긴 스캔시간이 필요하게 된다. 충분히 긴 스캔시간을 확보하기 위해 본 연구에서는 마우스의 뇌를 샘플화시켜 Ex-vivo 실험이 진행되었으며, 마우스 커넥톰(Connectome) 매핑에 대한 참조를 제공하기 위해 이 연구는 아틀라스 정규화 도구인 ANTx와 확산 텐서 영상을 분석할 도구인 FSL을 사용하여 마우스 뇌의 반자동 분할 및 신경섬유지도 분석 파이프라인을 제시하여 다양한 마우스 모델에 적용하고자 했다. 또한, 신경섬유지도 분석을 위해 획득하는 확산텐서영상의 유용한 신호대 잡음비를 결정하기 위해 다양한 여기수의 영상을 획득해 비교분석하였다.
연구배경 : 침의 효과와 신경생리학적 기전에 관한 연구가 기능자기공명을 이용하여 활발히 이루어지고 있다. 좌우측 동일한 혈위에 대한 자침이 뇌 기능에 미치는 효과에 대하여 논란이 되고 있다. 그러나 동일한 혈위에 대한 좌측 또는 우측 자침이 뇌기능에 미치는 영향에 대한 연구는 부족한 점이 있다. 목적 : 본 연구의 목적은 좌우측 족삼리 자침에 의한 BOLD (blood oxygen level-dependent) 반응을 살펴보고 비교하는 것이다. 방법 : 14명의 건강한 남자를 대상으로 좌우측 족삼리에 가짜 침과 진짜 침 자극을 하였다. 좌우측 족삼리 자침이 뇌 기능에 미치는 영향을 알아보고 비교하기 위해 4가지 실험 디자인을 선택하였다. 첫째와 셋째 스캔은 우측 족삼리에, 둘째와 넷째 스캔은 좌측 족삼리에 가짜침과 진짜침 자극을 주었다. 또한, 자침은 자극기에 자침 및 자극을 주었으며, 자극기가 끝남과 동시에 발침하기를 반복하였다. 통계분석을 위해 SPM8을 이용하여 one sample T-test와 within-subject the analysis of variance (ANOVA) test 를 실시하였다. 통계 결과 좌측과 우측 족삼리 자침에 의해 BOLD 반응의 차이를 보이는 9개 영역의 ROI (regions of interest)에서 BOLD 신호를 추출하였다. 결과 : 좌측과 우측 족삼리의 자침에 의한 BOLD반응은 서로 다른 방식으로 나타났다. 좌우측 족삼리 자침에 의한 BOLD반응을 비교한 결과, 좌측 족삼리 자침은 우측 족삼리 자침에 비해 주로 해마옆 이랑 (브로드만 영역 28), 배외측 전전두 피질 (브로드만 영역 44), 시상, 소뇌정상과 기저핵의 전장에서 더 높은 활성반응이 나타났다. 좌우측 족삼리 자침에 의한 BOLD반응을 각각 조사한 결과, 우측 족삼리 자침은 주로 대뇌섬과 보조운동영역 그리고 전대상이랑 (브로드만 영역 24)에서 활성화가 나타났으며, 좌측 족삼리 자침은 주로 대뇌섬과 일차 체감각 피질 (브로드만 영역 2) 그리고 배외측 전전두 피질 (브로드만 영역 44)에서 활성화가 나타났다. 결론 : 본 연구는 기능적 자기공명영상을 이용하여 좌측과 우측의 족삼리 자침이 인간의 뇌에 미치는 영향을 알아보고 비교한 최초의 연구이다. 본 연구 결과는 좌측과 우측 족삼리 자침은 통증조절효과에 서로 다른 방식으로 영향을 미칠 수 있다는 것을 의미한다. 또한, 본 연구 결과는 좌측과 우측 자침이 뇌 신경에 미치는 영향의 차이에 대한 증거가 된다.
강판 표면 결함은 강판의 품질과 가격을 결정하는 중요한 요인 중 하나로, 많은 철강 업체는 그동안 검사자의 육안으로 강판 표면 결함을 확인해왔다. 그러나 시각에 의존한 검사는 통상 30% 이상의 판단 오류가 발생함에 따라 검사 신뢰도가 낮은 문제점을 갖고 있다. 따라서 본 연구는 Simultaneous MTS (S-MTS) 알고리즘을 적용하여 보다 지능적이고 높은 정확도를 갖는 새로운 강판 표면 결함 진단 시스템을 제안하였다. S-MTS 알고리즘은 단일 클래스 분류에는 효과적이지만 다중 클래스 분류에서 정확도가 떨어지는 기존 마할라노비스 다구찌시스템 알고리즘(Mahalanobis Taguchi System; MTS)의 문제점을 해결한 새로운 알고리즘이다. 강판 표면 결함 진단은 대표적인 다중 클래스 분류 문제에 해당하므로, 강판 표면 결함 진단 시스템 구축을 위해 본 연구에서는 S-MTS 알고리즘을 채택하였다. 강판 표면 결함 진단 시스템 개발은 S-MTS 알고리즘에 따라 다음과 같이 진행하였다. 첫째, 각 강판 표면 결함 별로 개별적인 참조 그룹 마할라노비스 공간(Mahalanobis Space; MS)을 구축하였다. 둘째, 구축된 참조 그룹 MS를 기반으로 비교 그룹 마할라노비스 거리(Mahalanobis Distance; MD)를 계산한 후 최소 MD를 갖는 강판 표면 결함을 비교 그룹의 강판 표면 결함으로 판단하였다. 셋째, 강판 표면 결함을 분류하는 데 있어 결함 간의 차이점을 명확하게 해주는 예측 능력이 높은 변수를 파악하였다. 넷째, 예측 능력이 높은 변수만을 이용해 강판 표면 결함 분류를 재수행함으로써 최종적인 강판 표면 결함 진단 시스템을 구축한다. 이와 같은 과정을 통해 구축한 S-MTS 기반 강판 표면 결함 진단 시스템의 정확도는 90.79%로, 이는 기존 검사 방법에 비해 매우 높은 정확도를 갖는 유용한 방법임을 보여준다. 추후 연구에서는 본 연구를 통해 개발된 시스템을 현장 적용하여, 실제 효과성을 검증할 필요가 있다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.