• Nuclear Medicine and Molecular Imaging
• /
• 제41권4호
• /
• pp.317-325
• /
• 2007

동적 PET 데이터는 구획모델과 Nonlinear Least Squares(NLS)방법을 사용하여 분석함으로서 각종 생화학적 물질의 생체 대사율 등을 정량화 할 수 있다. 하지만 NLS방법은 변수의 초기 값이 적절하지 않을 경우 지역적인 최소점에 빠지거나 계산시간이 길어 동역학 변수들을 각 화소마다 구해야 하는 파라메터 영상(parametric image) 구성에는 효과적이지 않다. Patlak 도표분석법(PGA)은 비선형 방정식을 선형화하여 값을 추정함으로서 간단하면서 적은 계산량으로 인해 파라메터 영상을 구성하는데 많이 사용되고 있으나 잡음성분과 선형구간 선정에 따라 값이 영향을 받는 단점이 있다. 따라서 이 연구에서는 3구획 비가역 모델에 적합한 다중선형분석법(MLAIR)을 고안하였으며 3구획 비가역 모델의 대표적 예인 $[^{18}F]Fluoride$ PET을 이용하여 미니돼지에서의 뼈 섭취률을 계산하여 PGA방법과 비교 분석해 보았다. 대상 및 방법: 3마리의 미니돼지를 대상으로 100MBq의 $[^{18}F]Fluoride$를 대퇴부 정맥에 주사하면서 ECAT EXAET 47 PET 스캐너를 이용하여 60분간 PET 영상을 얻었다. 케타민과 자일라진을 이용하여 30분 간격으로 마취하였으며 실험동물을 진공 쿠션을 이용하여 반드시 누운 자세로 위치하도록 고정 시켰다. 입력함수인 혈장 내 농도곡선은 대퇴동맥으로부터 스캔 시작과 함께 혈액 채취를 통해 얻었다. ROI분석을 위해 대퇴골두, 척추 뼈, 근육에 ROI를 그려 조직 내 시간-방사능 곡선을 얻었다. $k_4$가 0인 3구획 비가역 모델로부터 MLAIR와 PGA방법을 사용하여 관심영역에서의 뼈 섭취률 $K_i$와 파라메터 영상을 구성하였다. PGA방법은 선형구간의 시작점인 $t^*$선택에 따른 영향을 보기 위해 분석구간을 변화시켜가며 분석하였다. 결과: ROI 분석결과 추정된 $K_i$값은 NLS방법에 비하여 MLAIR방법과 PGA방법 모두에서 과대 추정되었으나 두 분석방법 끼리는 비슷한결과를 보였다. Patlak 기울기는 $t^*$선택에 따라 값이 변하였으며 Patlak 상수는 Fluoride 섭취가 높은 대퇴골두나 척추뼈에서 30분이 지나서야 일정한 값으로 나타났고 섭취가 낮은 근육에서는 10분만에 일정해졌다. 파라메터 영상에서는 제안한 MLAIR방법이 PGA방법에 비해 영상의 질을 향상시킴을 알 수 있었다. 또한 PGA방법을 이용하여 구성한 파라메터 영상은 $t^*$값이 커질수록 급격히 영상의 질이 저하됨을 볼 수 있다. 특히 Fluoride 섭취가 높은 영역에서 Patlak 상수가 일정해지는 시간인 $t^*$값이 30분일 때 파라메터 영상은 MLAIR와 크게 차이가 났다. 결론 결론적으로 제안한 MLAIR방법은 선형구간을 정할 필요 없이 모든 데이터를 사용하는 이점이 있으며 선형적인 방법을 통해 $K_i$값을 얻을 수 있어 계산시간을 단축 시켜 줄 뿐 아니라 잡음성분에 강해 파라메터 영상의 질을 크게 향상 시켜 줌으로 비가역 3구획모델에서의 PGA방법을 대체할 새로운 파라메터 영상구성방법으로 적합할 것이다.

• 대한의용생체공학회:의공학회지
• /
• 제25권1호
• /
• pp.11-19
• /
• 2004

1단계 수면은, 입면 시점과 관련하여 수면다원기록의 해석에 중요한 정보를 제공한다. 1단계 수면은 각성 상태에서 수면 상태로의 짧은 전이 기간으로, 특징적인 지표가 없어 디지털 분석을 통한 수면 단계 결정에 어려움이 있다. 본 연구에서는, 뇌파와 안전도에 대한 디지털 분석을 통하여 1단계 수면을 자동으로 탐지하는 프로그램을 개발하고자 하였다 야간수면다원기록 중 검사 시작 시점부터 2단계 수면이 출현하기 이전의 자료를 분석하였다. 뇌파의 스펙트럼 분석을 통해 알파파와 세타파의 상대 파워를 계산하였고, 알파파의 상대 파워가 50％ 이하. 세타파의 상대 파워가 23％ 이상일 경우 1단계 수면 판정의 기준 변수로 하였다. 또 안구운동의 지속시간이 1.5초에서 4초 사이에 있는 경우에 느린 안구운동으로 판정하고 1단계 수면 판정의 기준 변수로 하였다. 이 들 세 기준 변수들을 고려하여 해당 판독 단위에 대해 각성 혹은 1단계 수면으로 최종 판정하였다 연구 대상자는 7명으로 모두 남성이었으며, 23세였다 개발된 프로그램을 이용하여 169개의 판독 단위를 분석하였다. 기준과의 일치도는 79.3％였으며, 카파 값은 0.586이고, 통계적으로 유의하였다. 느린 안구운동은169개의 판독 단위 중 54개(32％)에서 나타났으며, 70.4％의 일치도를 보였다. 기존 연구의 디지털 분석을 통한 수면 단계 판정의 일치도는 70％이다. 본 프로그램의 일치도 79.3％는 기존 연구 결과에 비해 향상된 것이며, 본 프로그램이 1단계 수면 판정에 유용하다고 판단된다 뇌파 외에 안전도를 고려한 다중적 접근이 일치도 향상에 기여했을 것으로 생각되며, 1단계 수면 판정에 있어 안전도의 중요성을 확인할 수 있었다. 주입되는 환경에 따라 6가 크롬의 용출량이 증가할 수 있다는 것을 알 수 있었다. 또한 그라우트재가 해안 또는 매립지에 적용될 경우 해수와 침출수에 의한 강도의 변화를 살펴보기 위해 실험한 결과 초순수 중에서 양생 시켰을 때 보다 강도발현 현저히 저하되었으며, 시멘트 종에 따라서는 ‘보통포틀랜트 시멘트>마이크로 시멘트>슬래그’ 시멘트의 순으로 영향을 받는 것으로 나타났다. 이는 강도의 저하로 인한 오염물질의 누출 및 6가 크롬의 용출을 증가시킬 수 있다는 것을 짐작할 수 있다. 이와 같은 결과를 통하여, 그라우트재의 종류에 따라 6가 크롬의 용출량은 현재 규제치를 초과하여 용출되어 질 수 있는 가능성이 있으며, 과압 또는 과량의 주입이 6가 크롬의 용출량을 증가시킬 수 있다고 할 수 있었다. 또한 일반 현장과 다른 특수한 현장에서는 강도 및 pH에 따른 6가 크롬의 용출량을 고려한 재료 선택 및 배합비가 마련되어져야 할 것으로 판단되어진다. 와이어형, 기본형의 순으로 작게 나타났다.한 인자로 제시 되었다. 따라서 채식을 하는 폐경 후 여성의 경우 골격건강을 위하여 단백질의 급원이 되는 식품의 섭취에 더욱 관심이 필요한 것으로 보여 진다. 그러나 본 연구의 경우 대상자의 수가 적은 제한점이 있기 때문에 보다 많은 연구가 계속적으로 수행되어야 할 것으로 생각된다.reas(RW-2 and RW-3), lower part of the dam (RW-1) and seawater areas(RW-4 and RW-5).하는 비율이 가장 높았다. 에너지 섭취를 고려한 INQ는 칼슘과, 비타민 A는 남녀 모두, 비타민 B$_2$는 여자가 1이하로 나타났다. 또한 NAR 중에서도 낮은

• 대한원격탐사학회지
• /
• 제39권5_3호
• /
• pp.933-948
• /
• 2023

대기 중 에어로졸은 인체에 악영향을 끼칠 뿐 아니라 기후 시스템에도 직간접적인 영향을 미치므로 에어로졸의 특성과 시공간적인 분포에 대한 이해는 매우 중요하다. 이를 위해 위성기반 관측을 통해 에어로졸 광학 두께(Aerosol Optical Depth, AOD)를 산출하여 에어로졸을 모니터링하는 다양한 연구가 수행되어 왔다. 하지만 이는 주로 조견표를 활용한 역 산출 알고리즘에 기반하여 이루어지기 때문에 많은 계산량을 요구하며 불확실성이 존재한다. 따라서, 본 연구에서는 Geostationary Ocean Color Imager-II (GOCI-II)의 대기상한반사도와 30일 동안의 대기상한반사도 중 최솟값과 관측 시점 값의 차이 값, 수치 모델 기반 기상학적 변수 등을 활용하여 기계학습 기반 고해상도 AOD 직접 산출 알고리즘을 개발하였다. Light Gradient Boosting Machine (LGBM) 기법이 사용되었으며, 추정된 결과는 지상 관측 자료인 Aerosol Robotic Network (AERONET) AOD를 활용하여 랜덤, 시간 및 공간별 N-fold 교차검증을 통해 검증되었다. 세 가지 교차검증 결과 R²=0.70-0.80, RMSE=0.08-0.09, 기대오차(Expected Error, EE) 안에 있는 비율은 75.2-85.1% 수준으로 안정적인 성능을 보였다. Shapley Additive exPlanations (SHAP) 분석에서는 반사도 관련 변수들이 기여도의 상위권 대부분을 차지하고 있는 것을 통해 반사도 자료가 AOD 추정에 많은 기여를 하는 것을 확인하였다. 서울과 울산 지역에 대한 시간 별 AOD의 공간 분포를 분석한 결과, 개발된 LGBM 모델은 시간의 흐름에 따라 AERONET AOD 값과 유사한 수준으로 AOD를 추정하고 있었다. 이를 통해 높은 시공간 해상도(i.e., 시간별, 250 m)에서의 AOD 산출이 가능함을 확인하였다. 또한, 산출 커버리지 비교에서 LGBM 모델의 평균 산출 빈도가 GOCI-II L2 AOD 산출물 대비 8.8%가량 증가한 것을 통해 기존 물리모델기반 AOD 산출 과정에서 발생하던 밝은 지표면에 대한 과도한 마스킹의 문제점을 개선시킨 것을 확인하였다.

• 한국농림기상학회지
• /
• 제26권2호
• /
• pp.89-102
• /
• 2024

개엽기, 낙엽기 추정은 식물 생태 주기를 이해하는 데 매우 중요한 역할을 한다. 식물의 근적외선 반사(NIRv)는 일차생산량(GPP)의 강력한 대리지표로 밝혀져 식물계절학 연구에 활발하게 가용되는 추세이다. 하지만 지형에 의한 반사도 왜곡 효과가 상쇄되지 않아 산악 지역의 지형 왜곡 효과에 민감하며 낙엽기를 추정하는 데 성능이 떨어진다. 지형 보정 NIRv(TCNIRv)는 지형 왜곡 효과와 관련된 한계점을 완화하기 위해 경로 길이 보정 방법을 사용한다. TCNIRv는 낙엽기에 대해 NIRv 보다 더 정확한 값을 추정할 수 있다는 사실이 확인되었다. 지형 보정은 경사 및 사면 방향 같은 지형 속성과 연관성이 크기 때문에, 이번 연구에서는 광릉 수목원과 오대산 국립공원 같이 비교적 상이한 지형 특성을 가진 두 산악 지역을 대상으로 남사면과 북사면에서의 예측 결과를 비교하였다. 결과적으로, 두 연구지에서 TCNIRv 를 이용해 예측한 낙엽기는 북사면에서 남사면보다 지연되었고 (광릉 수목원: SFS/NFS - DOY 266.8/268.3; 오대산 국립공원: SFS/NFS - DOY 262/264.8), 이는 NIRv 의 결과와는 반대되는 예측 결과였다 (광릉 수목원: SFS/NFS - DOY 270.3/265.5; 오대산 국립공원: SFS/NFS - DOY 265/261.8). 또한 지형 보정 이후 남사면와 북사면 간의 낙엽기의 차이가 감소했다는 사실도 알 수 있었다 (광릉 수목원: SFS/NFS - DOY 270.3/265.5; 오대산 국립공원: SFS/NFS - DOY 265/261.8). 우리는 사면방향에 따라 식물 생장기를 예측했을 때, TCNIRv 를 이용한 낙엽기 추정에서 NIRv 를 이용해 예측한 결과와 차이점을 가진다고 결론 내렸다. 이로써 다양한 지형 조건에서 사면 별 식물 생장기를 추정하는 데 지형 보정이 필수적이라는 사실을 강조한다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.163-177
• /
• 2019

스마트폰이 널리 보급되고 현대인들의 생활 속에 깊이 자리 잡으면서, 스마트폰에서 수집된 다종 데이터를 바탕으로 사용자 개인의 행동을 인식하고자 하는 연구가 활발히 진행되고 있다. 그러나 타인과의 상호작용 행동 인식에 대한 연구는 아직까지 상대적으로 미진하였다. 기존 상호작용 행동 인식 연구에서는 오디오, 블루투스, 와이파이 등의 데이터를 사용하였으나, 이들은 사용자 사생활 침해 가능성이 높으며 단시간 내에 충분한 양의 데이터를 수집하기 어렵다는 한계가 있다. 반면 가속도, 자기장, 자이로스코프 등의 물리 센서의 경우 사생활 침해 가능성이 낮으며 단시간 내에 충분한 양의 데이터를 수집할 수 있다. 본 연구에서는 이러한 점에 주목하여, 스마트폰 상의 다종 물리 센서 데이터만을 활용, 딥러닝 모델에 기반을 둔 사용자의 동행 상태 인식 방법론을 제안한다. 사용자의 동행 여부 및 대화 여부를 분류하는 동행 상태 분류 모델은 컨볼루션 신경망과 장단기 기억 순환 신경망이 혼합된 구조를 지닌다. 먼저 스마트폰의 다종 물리 센서에서 수집한 데이터에 존재하는 타임 스태프의 차이를 상쇄하고, 정규화를 수행하여 시간에 따른 시퀀스 데이터 형태로 변환함으로써 동행 상태분류 모델의 입력 데이터를 생성한다. 이는 컨볼루션 신경망에 입력되며, 데이터의 시간적 국부 의존성이 반영된 요인 지도를 출력한다. 장단기 기억 순환 신경망은 요인 지도를 입력받아 시간에 따른 순차적 연관 관계를 학습하며, 동행 상태 분류를 위한 요인을 추출하고 소프트맥스 분류기에서 이에 기반한 최종적인 분류를 수행한다. 자체 제작한 스마트폰 애플리케이션을 배포하여 실험 데이터를 수집하였으며, 이를 활용하여 제안한 방법론을 평가하였다. 최적의 파라미터를 설정하여 동행 상태 분류 모델을 학습하고 평가한 결과, 동행 여부와 대화 여부를 각각 98.74%, 98.83%의 높은 정확도로 분류하였다.