• 한국식품위생안전성학회지
• /
• 제39권2호
• /
• pp.61-71
• /
• 2024

본 연구는 그린커피빈추출물이 「건강기능식품의 기준 및 규격」에 추가로 등재될 경우를 대비하여 표준화된 클로로겐산 시험법을 설정하고, 카페인이 동시 분석되도록 최적화하는 연구를 진행하였다. 최적화된 시험법을 마련하기 위해 기기분석 및 전처리 조건을 비교·분석하여 클로로겐산과 카페인을 30% 메탄올 추출하여 인산용액과 인산 함유 아세토니트릴으로 액체크로마토그래프를 통해 330 nm, 280 nm에서 분석하도록 시험법을 설정하였다. 시험법 밸리데이션 결과, 직선성 정량범위 내에서 상관계수(R²) 0.999 이상의 유의수준을 보였고, 클로로겐산과 카페인 검출한계는 0.5와 0.2 ㎍/mL, 정량한계는 1.4와 0.4 ㎍/mL로 나타났다. 정밀도와 정확도 결과는 AOAC 밸리데이션 가이드라인를 통해 적합함을 확인하였고, 클로로겐산 및 카페인 동시분석법을 최종적으로 마련하였다. 또한, 시제품과 유통제품을 통해 제형별 적용성 검토하여 클로로겐산과 카페인을 동시에 정량 가능한 시험법임을 재확인하였다. 최적화된 시험법은 클로로겐산을 함유한 건강기능식품 품질관리에 대한 신뢰성을 더 높일 것으로 본다.

• 대한방사선기술학회지:방사선기술과학
• /
• 제31권1호
• /
• pp.17-23
• /
• 2008

목적 : 골밀도검사의 중요한 부분을 차지하고 있는 검사장비 및 검사자의 정밀도와 정확도는 환경에 따라 차이가 있기 때문에 질 관리가 체계적으로 이루어져야 한다. 골밀도 검사장비의 노화 및 잦은 고장에 의하여 장비의 교체 및 추가 구입으로 인하여, 추적검사를 하는 환자들의 호환성에 문제가 있다. 따라서 장비 교체 및 증설 후 동일한 장비처럼 호환하여 시용해도 환자의 임상적인 골밀도 변화를 정확하고 정밀하게 반영할수 있는지 알아보고자 한다. 재료 및 방법 : 장비 정밀도는 GE Lunar Prodigy Advance 2 대의 장비 (P1, P2)와 HOLOGIC Spine Phantom(HSP)을 이용하여 각 장비에서 20 번씩 스캔하여 팬텀을 이용한 정밀도 데이터를 획득하였고 (Group 1), 여성 120명 (평균나이 48.78, $20{\sim}60$세)을 대상으로 각 장비에서 15명씩, 같은 환자가 두 번 촬영을 하여 각 검사자의 정밀도를 측정했다(Group 2), 또한 검사자의 정밀도는 팬텀(ASP)을 이용하여 매일 아침마다 질 관리 시행후 얻은은 데이터를 기준으로, 각각의 장비에서 HSP를 이용하여 각 장비에서 20번씩 스캔 후 데�歷� 획득하여 검사자정밀도 및교차 보정 데이터를 산출하였고(Group 3), 여성 120명(평균나이 48.78, $20{\sim}60$세)의 동일 환자를 대상으로 한 장비에서 한 번씩 교차로 측정하여 검사자 정밀도 및 교차보정 데이터를 산추라였다(Group 4). 결과 : Daily Q.C Data는 $0.996\;g/cm^2$, 변동계수(%CV) 0.08로 안정된 장비로서 Group 1에서 Mean${\pm}$SD 및 %CV값은 ALP(P1: $1.064{\pm}0.002\;g/cm^2$, $%CV=0.190\;g/cm^2$, P2: $1.061{\pm}0.003\;g/cm^2$, %CV=0.192). Group 2에서 Mean${\pm}$SD 및 %CV값은 P1: $1.187{\pm}0.002\;g/cm^2$, $%CV=0.164\;g/cm^2$, P2: $1.198{\pm}0.002\;g/cm^2$, %CV=0.163, Group 3에서의 Mean${\pm}$2SD 및 %CV는 P1 - (spine: $0.001{\pm}0.03\;g/cm^2$, %CV=0.94, Femur: $0.001{\pm}0.019\;g/cm^2$, %CV=0.96), P2 - (spine: $0.002{\pm}0.018\;g/cm^2$, %CV=0.55, Femur: $0.001{\pm}0.013\;g/cm^2$, %CV=0.48), Group 4에서 Mean${\pm}$2SD 및 %CV는, r값은 spine: $0.006{\pm}0.024\;g/cm^2$, %CV=0.86, r=0.995, Femur: $0{\pm}0.014\;g/cm^2$, %CV=0.54, r=0.998이였다. 결론 : HOLOGIC Spine Phantom과 LUNAR ASP %CV는 ISCD에서 규정한 정상오차 범위인 ${\pm}2%$안에 모두 포함되었고 BMD가 비교적 일정한 값을 유지하면 측정되어 뛰어난 재현성을 보였다. 하지만 Phantom은 환자의 체중이나 체지방 조성의 변화 등 임상적인 부분을 반영하는 데는 한계성을 갖고 있어 mis-calibration을 check하는데 유용할 것으로 판단된다. Group 3과 Group 4의 결과에서 환자를 하나의 장비로 두 번 측정한 값을 보았을 때와 두 대의 장비를 교차하여 측정한 값 모두 2SD값 이내에 포함되었고 선형회귀분석(Regression Analysis) r값이 0.99 이상으로 높은 정밀도와 상관도를 나타냄으로써 두 장비를 호환하여 추적검사를 시행하여도 영향이 없었다. 신뢰있는 BMD 산출을 위해서는 정기적으로 장비 및 검사자의 기능테스트와 이에 대한 적절한 교정행위가 이루어져야 할 것이다.

• 대한방사선치료학회지
• /
• 제25권2호
• /
• pp.115-121
• /
• 2013

목 적: 최신 선형가속기와 새로운 평가 장비를 도입하게 되어 이를 임상에 적용하기 위한 준비과정 중 몇 가지 문제가 발생하여 유용성을 확인하는 과정을 분석함으로써 앞으로 이 장비를 도입하는 기관에 도움이 되고자 한다. 대상 및 방법: 모든 측정은 TrueBEAM STX (Varian, USA)를 이용하였으며, 전산화치료계획장비(Eclipse ver 10.0.39, Varian, USA)를 이용하여 각 에너지 별, 조사조건 별 선량분포파일을 산출하였다. MapCHECK 2의 고유의 성능과 오차로 발생 할 수 있는 원인에 대하여 측정 및 분석하였다. MapCHECK 2의 성능 확인을 위해 6X, 6X-FFF (Flattening Filter Free), 10X, 10X-FFF, 15X의 에너지별로 필드사이즈 $10{\times}10$ cm, gantry $0^{\circ}$, $180^{\circ}$ 방향에서 측정을 하였다. 또한 기존 IGRT couch의 CT값이 volumetric dosimetry에 영향을 주는지 확인을 위해서, CT 넘버 값: -800 (Carbon) & -950 (COUCH안의 공기), -100 & -950을 지정해준 상태에서 6X-FFF, 15X의 에너지별로 필드사이즈 $10{\times}10$ cm, gantry $0^{\circ}$, $180^{\circ}$, $135^{\circ}$, $275^{\circ}$ 방향에서 측정을 하였고, MapPHAN에 할당된 HU 값 확인을 위해 Solid water phantom 3 cm을 위로 얹은 MapCHECK 2와 치료계획용 컴퓨터를 이용해 비교하였고, MapPHAN의 각진 모서리에 의한 측정오류문제, MapPHAN의 gantry 방향 의존성을 알아보기 위해 3가지 방법으로 측정 하였다. 세로로 세운 세팅 상태에서 6X-FFF, 15X를 GANTRY $90^{\circ}$, $270^{\circ}$ 방향에서 각각 측정하고, 가로로 세운 세팅상태에서 에너지 6X-FFF, 15X를 필드사이즈 $10{\times}10$ cm, $90^{\circ}$, $45^{\circ}$, $315^{\circ}$, $270^{\circ}$의 방향에서 각각 측정하였다. 세 번째로 빔의 세기조절을 하지 않은 상태에서 open arc를 조사하였다. 결 과: MapCHECK의 기본 성능을 확인, Couch에 의한 감약 측정, MAP-PHAN에 할당하는 HU값 측정, MapPHAN의 각진 모서리에 대한 계산 정확도 확인을 위한 측정에서 모두 유효한 범위에 들어와 측정오류에 영향을 미치지 않는 것을 확인 할 수 있었다. Gantry 방향의존성 확인하기 위한 3가지 방법 중 첫 번째로 측정기를 세운 상태에서의 값은 Gantry $270^{\circ}$ (상대적 $0^{\circ}$), $90^{\circ}$ (상대적 $180^{\circ}$)에서 6X-FFF, 15X에서 각각 -1.51, 0.83%와 -0.63, -0.22%를 나타내어 AP/PA 방향에 의한 영향이 없음을 나타냈다. 측정기를 가로로 세팅한 상태에서는 Gantry $90^{\circ}$, $270^{\circ}$에서 에너지 6X-FFF 4.37, 2.84%, 15X에서는 -9.63, -13.32%의 차이가 측정되어 gamma pass rate 3%의 값보다 큰 값을 나타내므로 MapPHAN에 의한 측방향 측정값이 유효범위 안에 들지 못하는 것을 확인 할 수 있었다. 마지막 Open Arc에서 6X-FFF, 15X 에너지를 필드사이즈 $10{\times}10$ cm에 $360^{\circ}$ 회전상태에서의 선량분포를 보면 pass rate가 90% 가까이 나오는 것을 확인 할 수 있다. 결 론: 위 결과를 토대로 MapPHAN은 상대등선량분포 감마값 측정에는 적합 하지만, 측방향 빔에 대한 gantry 방향의 의존성 때문에 절대선량은 정확한 측정을 할 수 없는 것으로 판단되어진다. 본 논문에서는 더욱 정확한 치료계획 확인을 위해서 VMAT 같은 회전조사시 측방향에 대한 오차를 줄이고 정확한 절대선량을 측정하기 위해서 MapCHEK 2와 IMF (Isocentric Mounting Fixture)의 조합을 사용하여 gantry 방향 의존성에 의한 영향을 최소화 할 수 있을 것이라 판단된다.

• 지능정보연구
• /
• 제23권2호
• /
• pp.107-122
• /
• 2017

주식시장의 주가 수익률에 나타나는 변동성은 투자 위험의 척도로서 재무관리의 이론적 모형에서뿐만 아니라 포트폴리오 최적화, 증권의 가격 평가 및 위험관리 등 투자 실무 영역에서도 매우 중요한 역할을 하고 있다. 변동성은 주가 수익률이 평균을 중심으로 얼마나 큰 폭의 움직임을 보이는가를 판단하는 지표로서 보통 수익률의 표준편차로 측정한다. 관찰 가능한 표준편차는 과거의 주가 움직임에서 측정되는 역사적 변동성(historical volatility)이다. 역사적 변동성이 미래의 주가 수익률의 변동성을 예측하려면 변동성이 시간 불변적(time-invariant)이어야 한다. 그러나 대부분의 변동성 연구들은 변동성이 시간 가변적(time-variant)임을 보여주고 있다. 이에 따라 시간 가변적 변동성을 예측하기 위한 여러 계량 모형들이 제안되었다. Engle(1982)은 변동성의 시간 가변적 특성을 잘 반영하는 변동성 모형인 Autoregressive Conditional Heteroscedasticity(ARCH)를 제안하였으며, Bollerslev(1986) 등은 일반화된 ARCH(GARCH) 모형으로 발전시켰다. GARCH 모형의 실증 분석 연구들은 실제 증권 수익률에 나타나는 두터운 꼬리 분포 특성과 변동성의 군집현상(clustering)을 잘 설명하고 있다. 일반적으로 GARCH 모형의 모수는 가우스분포로부터 추출된 자료에서 최적의 성과를 보이는 로그우도함수에 대한 최우도추정법에 의하여 추정되고 있다. 그러나 1987년 소위 블랙먼데이 이후 주식 시장은 점점 더 복잡해지고 시장 변수들이 많은 잡음(noise)을 띠게 됨에 따라 변수의 분포에 대한 엄격한 가정을 요구하는 최우도추정법의 대안으로 인공지능모형에 대한 관심이 커지고 있다. 본 연구에서는 주식 시장의 주가 수익률에 나타나는 변동성의 예측 모형인 GARCH 모형의 모수추정방법으로 지능형 시스템인 Support Vector Regression 방법을 제안한다. SVR은 Vapnik에 의해 제안된 Support Vector Machines와 같은 원리를 회귀분석으로 확장한 모형으로서 Vapnik의 e-insensitive loss function을 이용하여 비선형 회귀식의 추정이 가능해졌다. SVM을 이용한 회귀식 SVR은 두터운 꼬리 분포를 보이는 주식시장의 변동성과 같은 관찰치에서도 우수한 추정 성능을 보인다. 2차 손실함수를 사용하는 기존의 최소자승법은 부최적해로서 추정 오차가 확대될 수 있다. Vapnik의 손실함수에서는 입실론 범위내의 예측 오차는 무시하고 큰 예측 오차만 손실로 처리하기 때문에 구조적 위험의 최소화를 추구하게 된다. 금융 시계열 자료를 분석한 많은 연구들은 SVR의 우수성을 보여주고 있다. 본 연구에서는 주가 변동성의 분석 대상으로서 KOSPI 200 주가지수를 사용한다. KOSPI 200 주가지수는 한국거래소에 상장된 우량주 중 거래가 활발하고 업종을 대표하는 200 종목으로 구성된 업종 대표주들의 포트폴리오이다. 분석 기간은 2010년부터 2015년까지의 6년 동안이며, 거래일의 일별 주가지수 종가 자료를 사용하였고 수익률 계산은 주가지수의 로그 차분값으로 정의하였다. KOSPI 200 주가지수의 일별 수익률 자료의 실증분석을 통해 기존의 Maximum Likelihood Estimation 방법과 본 논문이 제안하는 지능형 변동성 예측 모형의 예측성과를 비교하였다. 주가지수 수익률의 일별 자료 중 학습구간에서 대칭 GARCH 모형과 E-GARCH, GJR-GARCH와 같은 비대칭 GARCH 모형에 대하여 모수를 추정하고, 검증 구간 데이터에서 변동성 예측의 성과를 비교하였다. 전체 분석기간 1,487일 중 학습 기간은 1,187일, 검증 기간은 300일 이다. MLE 추정 방법의 실증분석 결과는 기존의 많은 연구들과 비슷한 결과를 보여주고 있다. 잔차의 분포는 정규분포보다는 Student t분포의 경우 더 우수한 모형 추정 성과를 보여주고 있어, 주가 수익률의 비정규성이 잘 반영되고 있다고 할 수 있다. MSE 기준으로, SVR 추정의 변동성 예측에서는 polynomial 커널함수를 제외하고 linear, radial 커널함수에서 MLE 보다 우수한 예측 성과를 보여주었다. DA 지표에서는 radial 커널함수를 사용한 SVR 기반의 지능형 GARCH 모형이 가장 우수한 변동성의 변화 방향에 대한 방향성 예측력을 보여주었다. 추정된 지능형 변동성 모형을 이용하여 예측된 주식 시장의 변동성 정보가 경제적 의미를 갖는지를 검토하기 위하여 지능형 변동성 거래 전략을 도출하였다. 지능형 변동성 거래 전략 IVTS의 진입규칙은 내일의 변동성이 증가할 것으로 예측되면 변동성을 매수하고 반대로 변동성의 감소가 예상되면 변동성을 매도하는 전략이다. 만약 변동성의 변화 방향이 전일과 동일하다면 기존의 변동성 매수/매도 포지션을 유지한다. 전체적으로 SVR 기반의 GARCH 모형의 투자 성과가 MLE 기반의 GARCH 모형의 투자 성과보다 높게 나타나고 있다. E-GARCH, GJR-GARCH 모형의 경우는 MLE 기반의 GARCH 모형을 이용한 IVTS 전략은 손실이 나지만 SVR 기반의 GARCH 모형을 이용한 IVTS 전략은 수익으로 나타나고 있다. SVR 커널함수에서는 선형 커널함수가 더 좋은 투자 성과를 보여주고 있다. 선형 커널함수의 경우 투자 수익률이 +526.4%를 기록하고 있다. SVR 기반의 GARCH 모형을 이용하는 IVTS 전략의 경우 승률도 51.88%부터 59.7% 사이로 높게 나타나고 있다. 옵션을 이용하는 변동성 매도전략은 방향성 거래전략과 달리 하락할 것으로 예측된 변동성의 예측 방향이 틀려 변동성이 소폭 상승하거나 변동성이 하락하지 않고 제자리에 있더라도 옵션의 시간가치 요인 때문에 전체적으로 수익이 실현될 수도 있다. 정확한 변동성의 예측은 자산의 가격 결정뿐만 아니라 실제 투자에서도 높은 수익률을 얻을 수 있기 때문에 다양한 형태의 인공신경망을 활용하여 더 나은 예측성과를 보이는 변동성 예측 모형을 개발한다면 주식시장의 투자자들에게 좋은 투자 정보를 제공하게 될 것이다.

• Journal of Radiation Protection and Research
• /
• 제23권3호
• /
• pp.139-147
• /
• 1998

목적 : 환자를 통과한 투과선량으로부터 알고리즘을 이용하여 종양선량을 계산하는 새로운 개념의 온라인 선량측정시 인체 조직내의 폐 등 불균질조직의 존재는 인체내 종양선량 및 투과선량에 영향을 미친다. 인체내에 불균질조직이 존재하는 경우 측정된 투과선량으로부터 종양선량 환산시 밀도를 이용한 보정의 정확도를 확인하기 위하여 실험을 시행하였다. 방법: 폐조직의 밀도와 유사한 재질인 코르크 (밀도 $0.202\;gm/cm^3$) 팬톰 (CP) 과 연부조직의 밀도와 유사한 재질인 폴리스티렌 (밀도 $1.040gm/cm^3$) 팬톰 (PP)을 사용하였으며 인체의 흥부와 유사한 조건에서 측정하였다. 즉 흥부에 방사선이 전후 방향에서 조사될 경우에 해당하는 팬톰은 3cm 두께의 PP을 CP 상하에 위치하였으며 CP의 두께는 5, 10, 20cm 으로 하였다. 흥부에 방사선이 측면에서 조사되는 경우에 해당하는 팬톰은 중앙에 종격동에 해당하는 6cm 두께의 PP 을 위치하고 좌우에 10cm 두께의 CP 을 위치하였으며 그 외측에 다시 3 cm 두께의 PP 을 위치하였다. 4 MV, 6 MV 및 10 MV X 선을 사용하였으며 조사면의 크기는 $3{\times}3$ 내지 $20{\times}20cm$의 범위, 팬톰-전리함간 거리 (phantom-chamber distance, PCD) 는 10-50 cm 으로 하였다. 또한 두 물질에 대한 밀도차를 이용하여 CP 과 동일한 방사선 감쇄를 나타낼 것으로 예상되는 두께의 PP 을 CP 대신 위치하여 동일한 방법으로 측정하여 비교하였다. 결과: 밀도를 이용하여 보정한 CP 와 등가두께의 PP 을 사용한 경우의 투과선량은 CP 을 사용한 경우에 비하여 CP 의 두께 5cm 인 경우 4, 6, 10MV에서 각각 평균 0.18(${\pm}0.27$) %, 0.10(${\pm}0.43$) %, 0.33(${\pm}0.30$) %의 오차를 보였다. CP 의 두께 10cm 인 경우에는 에너지별로 0.23(${\pm}0.73$) %, 0.05(${\pm}0.57$) %, 0.04(${\pm}0.40$) %, 20cm 인 경우에는 0.55(${\pm}0.36$) %, 0.34(${\pm}0.27$) %, 0.34(${\pm}0.18$) % 의 오차를 보였다 중간에 6 cm 의 PP 을 위치한 경우에는 에너지별로 1.15(${\pm}1.86$) %, 0.90(${\pm}1.43$)%, 0.86(${\pm}1.01$)% 의 오차를 나타내었다. 이 경우에는 PCD 10 cm 의 경우에 비교적 큰 오차를 보였으며 PCD 10 cm 인 경우를 제외하면 에너지별로 0.47(${\pm}1.17$) %, 0.42(${\pm}0.96$) %, 0.55(${\pm}0.77$0.77) % 의 오차로 크게 감소하였다. 결론: 방사선이 통과하는 경로에 불균질조직인 폐가 존재할 경우에도 불균질조직에 대하여 조직의 밀도를 이용하여 보정하는 방법을 사용하여 투과선량으로부터 종양선량을 계산할 수 있음을 알 수 있었다.

• 대한방사선치료학회지
• /
• 제26권1호
• /
• pp.43-50
• /
• 2014

두경부암 환자의 헤드 홀더를 사용하는 경우 모의 치료 시 환자는 테이블 위에 위치하지만, 방사선 치료를 시행하는 경우 헤드 홀더를 치료 테이블에 걸쳐서 사용하기 때문에 체중 및 여러 가지 요소로 인한 기하학적 불일치로 상, 하, 좌, 우 및 처짐의 현상이 발생할 수 있다. 이러한 환자 Set-Up의 재현성의 불일치를 개선하기 위해 두경부암 전용 헤드 홀더를 자체 고안하여 제작 및 개발하여 유용성을 평가하였다. Alderson Rando Phantom을 이용하여 전산화단층촬영장치(High Advantage, GE, U.S.A)를 통해 이미지를 획득하였고, 광자선 4MV 세기변조 방사선치료(IMRT) 방식을 적용하여 최적화된 치료 계획을 실시하였다. 선형가속기(21EX, Varian, U.S.A)를 이용하여 모의 치료와 동일한 상태에서 환자를 set-up한 후 에 치료기에 장착된 CBCT를 이용하여 각각의 무게(0,15,30Kg)의 차이를 통해 교정 전, 후 X, Y, Z축의 오차를 5회 반복 측정한 결과는 다음과 같다. 0Kg에서 $0.4{\pm}0.8mm$, $0.8{\pm}0.4mm$, 0mm으로 나타났고, 교정 후에는 $0.2{\pm}0.8mm$, $0.4{\pm}0.5mm$, 0으로 나타났다. 15Kg에서 교정 전,후 오차는 $0.2{\pm}0.8mm$, $1.2{\pm}0.4mm$, $2.2{\pm}0.4mm$와 $0.2{\pm}0.4mm$, $0.4{\pm}0.5mm$, $0.4{\pm}0.5mm$로 나타났다. 30Kg에서 교정 전,후 오차는 $0.8{\pm}0.4mm$, $2.4{\pm}0.5mm$, $4.4{\pm}0.8mm$와 $0.6{\pm}0.54mm$, $1{\pm}0mm$, $0.6{\pm}0.5mm$로 나타났다. 각각의 교정 전,후의 통계적으로 분석한 결과 15Kg인 경우 Z축에서 p<0.034, 30Kg인 경우 Y, Z축에서 p<0.038, p<0.041 로 유의한 결과를 나타냈다. 두경부암 전용 방향 조절 장치 헤드 홀더가 환자의 set-up오차를 줄여주는 역할을 해주는 것으로 나타났다. 또한 오차를 줄여줌으로써 환자의 재현성이 향상되어 보다 정밀하고 정확한 방사선 치료를 구현할 수 있을 것으로 사료된다.

• Tuberculosis and Respiratory Diseases
• /
• 제43권6호
• /
• pp.916-924
• /
• 1996

연구배경: 경피적 폐생검은 흉부 병소의 진단을 얻기위해 흔히 이용되는 검사 방법으로써, 축적된 경험, 검칩의 개발, 영상 유도 방법의 개선으로 진단 성적이 높아지고 있으며, 기존의 논문들이 28 - 98%의 진단 성적을 보고하며 시술에 의한 합병증은 그 정도가 가벼워서 비교적 안전하게 시행될 수 있다고 알려져 있다. 저자들은 서울대학병원에서 1년 동안 시행된 경피적 폐생검 결과를 검토하여 그의 진단 성적과 합병증의 빈도와 정도를 조사하고 진단 성적에 영향을 미치는 요인들을 평가하고자 본 연구를 시작하였다. 방법: 1994 년 1월부터 1994년 12월까지, 흉부병소를 가진 236명의 환자에게 시행된 287 회의 경피적 폐생검 결과를 검토하여 양성 및 악성 질환에 대한 진단 성적과 합병증의 발생 빈도를 조사하였다. 병소는 21- 23 G Chiba needle로 흡인하였고, 필요시 19 - 20 G Biopsy gun으로 생검을 실시 하여 미생물학적 검사, 세포진 검사, 병리 조직학적 검사를 시행하였다. 그 결과 및 합병증의 발생 빈도는 병록지만을 참고하여 산출되었다. 병변의 형태와 크기에 따른 진단 성적은 chi square 방법으로 통계 처리하여 비교하였다(P<0.05). 결과: 병변의 위치는 우상엽 26.3%, 우중엽 6.4%, 우하엽 21.2%, 좌상엽 16.8%, 좌하엽 10.6%, 2엽 이상의 부위에 병변이 있었던 경우가 17.4%, 종격동 1.3% 였다. 병변의 형태는 경화성 병변이 19.9%, 결절 또는 종괴성 병변이 80.1% 였다. 236명 중 양성 질환자는 74명, 악성질환자는 142명, 경피적 폐생검을 포함한 어떤 검사로도 진단이 밝혀지지 않은 환자는 22명 이었고, 2명은 폐암과 폐결핵을 같이 가지고 있었다. 236 명을 대상으로 총 287 회의 경피적 폐생검이 시행되었는데, 이것으로 확진된 경우가 양성 질환자의 경우 46명으로 62.2%, 악성 질환자의 경우 117명으로 82.4%의 진단 성적을 보였다. 경피적 폐생검을 1차로 시행하여 진단에 이르지 못한 경우 2차, 3차 재 시술 함으로써 양성 질환의 경우 44.6%, 60.8%, 62.2%로, 악성 질환의 경우 73.9%, 8 1.7%, 82.4%로 진단 성적을 높일 수 있었다. 악성 질환자 43 명과 양성 질환자 9명에서 개흉술을 실시하였는데 개흉술과 경피적 폐생검의 병리학적 검사 결과가 일치하였던 경우는 악성과 양성에서 각각 25 명과 4명 으로 58.1% 와 44.4 %의 일치율을 보였다. 또한 약성 질환자 4명과 양성 질환자 2명은 개흉술 후 악성과 양성의 진단이 바뀌었다. 287례의 시행 중 합병증은 각혈 3 례, 경미한 혈담 55 례, 기흉 36례, 발열 3례로 빈도는 각각 1.0%, 19.2%, 12.5%, 1.0 % 였다. 합병증 발생시 각혈과 혈당은 모두 치료를 요하지 않았고, 기흉은 8례에서 흉관 또는 픽테일 카테터를 삽입하였으며, 발열은 모두 48 시간 내에 자연 소실되었다. 병변의 형태와 크기에 따른 진단 성적의 차이는 없었다. 결론: 경피적 폐생검은 진단 성적이 비교적 높고 합병증의 정도가 낮아 흉부 영소의 진단에 유용하지만 병리 조직학적 진단의 정확도는 개선이 필요하다고 생각된다.

• 대한교통학회:학술대회논문집
• /
• 대한교통학회 1995년도 제27회 학술발표회
• /
• pp.101-113
• /
• 1995

The objective of this research is to test the feasibility of developing a statewide truck traffic forecasting methodology for Wisconsin by using Origin-Destination surveys, traffic counts, classification counts, and other data that are routinely collected by the Wisconsin Department of Transportation (WisDOT). Development of a feasible model will permit estimation of future truck traffic for every major link in the network. This will provide the basis for improved estimation of future pavement deterioration. Pavement damage rises exponentially as axle weight increases, and trucks are responsible for most of the traffic-induced damage to pavement. Consequently, forecasts of truck traffic are critical to pavement management systems. The pavement Management Decision Supporting System (PMDSS) prepared by WisDOT in May 1990 combines pavement inventory and performance data with a knowledge base consisting of rules for evaluation, problem identification and rehabilitation recommendation. Without a r.easonable truck traffic forecasting methodology, PMDSS is not able to project pavement performance trends in order to make assessment and recommendations in the future years. However, none of WisDOT's existing forecasting methodologies has been designed specifically for predicting truck movements on a statewide highway network. For this research, the Origin-Destination survey data avaiiable from WisDOT, including two stateline areas, one county, and five cities, are analyzed and the zone-to'||'&'||'not;zone truck trip tables are developed. The resulting Origin-Destination Trip Length Frequency (00 TLF) distributions by trip type are applied to the Gravity Model (GM) for comparison with comparable TLFs from the GM. The gravity model is calibrated to obtain friction factor curves for the three trip types, Internal-Internal (I-I), Internal-External (I-E), and External-External (E-E). ~oth "macro-scale" calibration and "micro-scale" calibration are performed. The comparison of the statewide GM TLF with the 00 TLF for the macro-scale calibration does not provide suitable results because the available 00 survey data do not represent an unbiased sample of statewide truck trips. For the "micro-scale" calibration, "partial" GM trip tables that correspond to the 00 survey trip tables are extracted from the full statewide GM trip table. These "partial" GM trip tables are then merged and a partial GM TLF is created. The GM friction factor curves are adjusted until the partial GM TLF matches the 00 TLF. Three friction factor curves, one for each trip type, resulting from the micro-scale calibration produce a reasonable GM truck trip model. A key methodological issue for GM. calibration involves the use of multiple friction factor curves versus a single friction factor curve for each trip type in order to estimate truck trips with reasonable accuracy. A single friction factor curve for each of the three trip types was found to reproduce the 00 TLFs from the calibration data base. Given the very limited trip generation data available for this research, additional refinement of the gravity model using multiple mction factor curves for each trip type was not warranted. In the traditional urban transportation planning studies, the zonal trip productions and attractions and region-wide OD TLFs are available. However, for this research, the information available for the development .of the GM model is limited to Ground Counts (GC) and a limited set ofOD TLFs. The GM is calibrated using the limited OD data, but the OD data are not adequate to obtain good estimates of truck trip productions and attractions .. Consequently, zonal productions and attractions are estimated using zonal population as a first approximation. Then, Selected Link based (SELINK) analyses are used to adjust the productions and attractions and possibly recalibrate the GM. The SELINK adjustment process involves identifying the origins and destinations of all truck trips that are assigned to a specified "selected link" as the result of a standard traffic assignment. A link adjustment factor is computed as the ratio of the actual volume for the link (ground count) to the total assigned volume. This link adjustment factor is then applied to all of the origin and destination zones of the trips using that "selected link". Selected link based analyses are conducted by using both 16 selected links and 32 selected links. The result of SELINK analysis by u~ing 32 selected links provides the least %RMSE in the screenline volume analysis. In addition, the stability of the GM truck estimating model is preserved by using 32 selected links with three SELINK adjustments, that is, the GM remains calibrated despite substantial changes in the input productions and attractions. The coverage of zones provided by 32 selected links is satisfactory. Increasing the number of repetitions beyond four is not reasonable because the stability of GM model in reproducing the OD TLF reaches its limits. The total volume of truck traffic captured by 32 selected links is 107% of total trip productions. But more importantly, ~ELINK adjustment factors for all of the zones can be computed. Evaluation of the travel demand model resulting from the SELINK adjustments is conducted by using screenline volume analysis, functional class and route specific volume analysis, area specific volume analysis, production and attraction analysis, and Vehicle Miles of Travel (VMT) analysis. Screenline volume analysis by using four screenlines with 28 check points are used for evaluation of the adequacy of the overall model. The total trucks crossing the screenlines are compared to the ground count totals. L V/GC ratios of 0.958 by using 32 selected links and 1.001 by using 16 selected links are obtained. The %RM:SE for the four screenlines is inversely proportional to the average ground count totals by screenline .. The magnitude of %RM:SE for the four screenlines resulting from the fourth and last GM run by using 32 and 16 selected links is 22% and 31 % respectively. These results are similar to the overall %RMSE achieved for the 32 and 16 selected links themselves of 19% and 33% respectively. This implies that the SELINICanalysis results are reasonable for all sections of the state.Functional class and route specific volume analysis is possible by using the available 154 classification count check points. The truck traffic crossing the Interstate highways (ISH) with 37 check points, the US highways (USH) with 50 check points, and the State highways (STH) with 67 check points is compared to the actual ground count totals. The magnitude of the overall link volume to ground count ratio by route does not provide any specific pattern of over or underestimate. However, the %R11SE for the ISH shows the least value while that for the STH shows the largest value. This pattern is consistent with the screenline analysis and the overall relationship between %RMSE and ground count volume groups. Area specific volume analysis provides another broad statewide measure of the performance of the overall model. The truck traffic in the North area with 26 check points, the West area with 36 check points, the East area with 29 check points, and the South area with 64 check points are compared to the actual ground count totals. The four areas show similar results. No specific patterns in the L V/GC ratio by area are found. In addition, the %RMSE is computed for each of the four areas. The %RMSEs for the North, West, East, and South areas are 92%, 49%, 27%, and 35% respectively, whereas, the average ground counts are 481, 1383, 1532, and 3154 respectively. As for the screenline and volume range analyses, the %RMSE is inversely related to average link volume. 'The SELINK adjustments of productions and attractions resulted in a very substantial reduction in the total in-state zonal productions and attractions. The initial in-state zonal trip generation model can now be revised with a new trip production's trip rate (total adjusted productions/total population) and a new trip attraction's trip rate. Revised zonal production and attraction adjustment factors can then be developed that only reflect the impact of the SELINK adjustments that cause mcreases or , decreases from the revised zonal estimate of productions and attractions. Analysis of the revised production adjustment factors is conducted by plotting the factors on the state map. The east area of the state including the counties of Brown, Outagamie, Shawano, Wmnebago, Fond du Lac, Marathon shows comparatively large values of the revised adjustment factors. Overall, both small and large values of the revised adjustment factors are scattered around Wisconsin. This suggests that more independent variables beyond just 226; population are needed for the development of the heavy truck trip generation model. More independent variables including zonal employment data (office employees and manufacturing employees) by industry type, zonal private trucks 226; owned and zonal income data which are not available currently should be considered. A plot of frequency distribution of the in-state zones as a function of the revised production and attraction adjustment factors shows the overall " adjustment resulting from the SELINK analysis process. Overall, the revised SELINK adjustments show that the productions for many zones are reduced by, a factor of 0.5 to 0.8 while the productions for ~ relatively few zones are increased by factors from 1.1 to 4 with most of the factors in the 3.0 range. No obvious explanation for the frequency distribution could be found. The revised SELINK adjustments overall appear to be reasonable. The heavy truck VMT analysis is conducted by comparing the 1990 heavy truck VMT that is forecasted by the GM truck forecasting model, 2.975 billions, with the WisDOT computed data. This gives an estimate that is 18.3% less than the WisDOT computation of 3.642 billions of VMT. The WisDOT estimates are based on the sampling the link volumes for USH, 8TH, and CTH. This implies potential error in sampling the average link volume. The WisDOT estimate of heavy truck VMT cannot be tabulated by the three trip types, I-I, I-E ('||'&'||'pound;-I), and E-E. In contrast, the GM forecasting model shows that the proportion ofE-E VMT out of total VMT is 21.24%. In addition, tabulation of heavy truck VMT by route functional class shows that the proportion of truck traffic traversing the freeways and expressways is 76.5%. Only 14.1% of total freeway truck traffic is I-I trips, while 80% of total collector truck traffic is I-I trips. This implies that freeways are traversed mainly by I-E and E-E truck traffic while collectors are used mainly by I-I truck traffic. Other tabulations such as average heavy truck speed by trip type, average travel distance by trip type and the VMT distribution by trip type, route functional class and travel speed are useful information for highway planners to understand the characteristics of statewide heavy truck trip patternS. Heavy truck volumes for the target year 2010 are forecasted by using the GM truck forecasting model. Four scenarios are used. Fo~ better forecasting, ground count- based segment adjustment factors are developed and applied. ISH 90 '||'&'||' 94 and USH 41 are used as example routes. The forecasting results by using the ground count-based segment adjustment factors are satisfactory for long range planning purposes, but additional ground counts would be useful for USH 41. Sensitivity analysis provides estimates of the impacts of the alternative growth rates including information about changes in the trip types using key routes. The network'||'&'||'not;based GMcan easily model scenarios with different rates of growth in rural versus . . urban areas, small versus large cities, and in-state zones versus external stations. cities, and in-state zones versus external stations.