• 천문학회보
• /
• 제44권2호
• /
• pp.63.3-63.3
• /
• 2019

Nearby young moving groups (NYMGs hereafter) are gravitationally unbound loose young stellar associations located within 100 pc of the Sun. Since NYMGs are crucial laboratories for studying low-mass stars and planets, intensive searches for NYMG members have been performed. For identification of NYMG members, various strategies and methods have been applied. As a result, the reliability of the members in terms of membership is not uniform, which means that a careful membership re-assessment is required. In this study, I developed a NYMG membership probability calculation tool based on Bayesian inference (Bayesian Assessment of Moving Groups: BAMG). For the development of the BAMG tool, I constructed ellipsoidal models for nine NYMGs via iterative and self-consistent processes. Using BAMG, memberships of claimed members in the literature (N~2000) were evaluated, and 35 per cent of members were confirmed as bona fide members of NYMGs. Based on the deficiency of low-mass members appeared in mass function using these bona fide members, low mass members from Gaia DR2 are identified. About 2000 new M dwarf and brown dwarf candidate members were identified. Memberships of ~70 members with RV from Gaia were confirmed, and the additional ~20 members were confirmed via spectroscopic observation. Not relying on previous knowledge about the existence of nine NYMGs, unsupervised machine learning analyses were applied to NYMG members. K-means and Agglomerative Clustering algorithms result in similar trends of grouping. As a result, six previously known groups (TWA, beta-Pic, Carina, Argus, AB Doradus, and Volans-Carina) were rediscovered. Three the other known groups are recognized as well; however, they are combined into two new separate groups (ThOr+Columba and TucHor+Columba).

• 지능정보연구
• /
• 제24권2호
• /
• pp.111-124
• /
• 2018

본 연구는 만성질환 중의 하나인 고지혈증 유병을 예측하는 분류모형을 개발하고자 한다. 이를 위해 SVM과 meta-learning 알고리즘을 이용하여 성과를 비교하였다. 또한 각 알고리즘에서 성과를 향상시키기 위해 변수선정 방법을 통해 유의한 변수만을 선정하여 투입하여 분석하였고 이 결과 역시 각각 성과를 비교하였다. 본 연구목적을 달성하기 위해 한국의료패널 2012년 자료를 이용하였고, 변수 선정을 위해 세 가지 방법을 사용하였다. 먼저 단계적 회귀분석(stepwise regression)을 실시하였다. 둘째, 의사결정나무(decision tree) 알고리즘을 사용하였다. 마지막으로 유전자 알고리즘을 사용하여 변수를 선정하였다. 한편, 이렇게 선정된 변수를 기준으로 SVM, meta-learning 알고리즘 등을 이용하여 고지혈증 환자분류 예측모형을 비교하였고, TP rate, precision 등을 사용하여 분류 성과를 비교분석하였다. 이에 대한 분석결과는 다음과 같다. 첫째, 모든 변수를 투입하여 분류한 결과 SVM의 정확도는 88.4%, 인공신경망의 정확도는 86.7%로 SVM의 정확도가 좀 더 높았다. 둘째, stepwise를 통해 선정된 변수만을 투입하여 분류한 결과 전체 변수를 투입하였을 때보다 각각 정확도가 약간 높았다. 셋째, 의사결정나무에 의해 선정된 변수 3개만을 투입하였을 때 인공신경망의 정확도가 SVM보다 높았다. 유전자 알고리즘을 통해 선정된 변수를 투입하여 분류한 결과 SVM은 88.5%, 인공신경망은 87.9%의 분류 정확도를 보여 주었다. 마지막으로, 본 연구에서 제안하는 meta-learning 알고리즘인 스태킹(stacking)을 적용한 결과로서, SVM과 MLP의 예측결과를 메타 분류기인 SVM의 입력변수로 사용하여 예측한 결과, 고지혈증 분류 정확도가 meta-learning 알고리즘 중에서는 가장 높은 것으로 나타났다.

• 영재교육연구
• /
• 제11권3호
• /
• pp.1-21
• /
• 2001

기본적으로 교육과정은 무엇을 어떻게 가르칠 것인지에 관한 일종의 합리적 의사결정의 산물이다. 따라서, 본 연구에서는 영재 교육 프로그램 개발을 둘러싼 다섯 가지 관점들을 비교·논의하였고, 지금까지의 교육과정 개발에서 목격되고 있는 현실적 문제점들을 다섯 가지의 측면에서 비판하였다. 이를 바탕으로, 영재성 신장에 적합한 교육 프로그램 개발을 위해 필연적으로 고민해야 할 교육과정 쟁점들을 일곱 가지로 분석 ·논의하여 향후 교육과정개발의 기본 원리와 방향을 제시하고 있다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제10권10호
• /
• pp.285-290
• /
• 2021

의료분야에서 인공지능 기술을 도입한 질환 진단 및 예측 연구들이 활발하게 진행되고 있다. 의료영상기반의 인공지능 기술 적용에 가장 많이 활용되고 있는 질환 진단 및 예측에 대한 다양한 제품으로 출시되고 있다. 인공지능은 질병에 대한 진단, 양성과 악성으로 구분되는 질환의 구분, 질병의 위험도에 따른 구별이나 판독에 이용하기 위해 질환부위를 분리하는 등에 적용되고 있다. 최근에는 클라우드기술과 연계하여 서비스 제품으로 활용성이 높아지고 있다. 본 논문에서 다루는 질환 중에 간 질환은 통증이 적어 조기진단이 어려워 그 위험도가 매우 높은 질환이다. 이러한 질환 진단에 비침습적인 진단방법으로 의료영상기반으로 인공지능 기술을 도입하였다. 우리는 임상에서 가장 의미 있는 간 경화증 환자의 판독을 돕기 위한 웹 서비스 개발 내용을 기술한다. 그리고 웹서비스 프로세스를 보이고 각 프로세스의 구동 화면과 최종 결과화면을 보인다. 제안한 서비스를 통해 간 경화증을 조기에 진단하고, 빠른 치료를 통해 환자의 회복에 도움을 줄 수 있을 것으로 기대한다.

• 실천공학교육논문지
• /
• 제13권3호
• /
• pp.545-558
• /
• 2021

2020년 3월 「직업능력개발법 일부개정법률안」이 통과되고, 직업능력개발 훈련교·강사의 보수교육 의무화가 법제화됨에 따라, 보수교육 운영기관에서는 훈련교·강사의 역량 강화 및 직업훈련 품질 향상을 위한 보수교육을 제공하는 방안을 마련하고자 하였다. 그러나 보수교육의 수요가 일부 직종에 집중적으로 몰려 있어 교육훈련수요가 적은 직종에 대해서는 별도의 개별학습 등을 보수교육으로 인정해주는 방안을 마련해야 할 필요성이 제기되었다. 이에 본 연구에서는 교육훈련수요가 적은 소수훈련직종을 먼저 정의하고, 소수훈련직종에 속하는 훈련교·강사를 위한 보수교육 인정방안을 도출하고자 하였다. 이를 위해 선행연구 및 현황 분석, 이해관계자와의 협의, 전문가 자문 및 소수훈련직종 종사자 자문 등을 실시하였다. 연구결과로 소수훈련직종을 유형 1과 유형2로 나누어 구분하여 정의하고, 여러 교육유형을 포괄하는 소수훈련직종의 보수교육 인정방안을 도출하였으며, 소수훈련직종의 보수교육 인정범위의 확대에 대한 논의 및 제언을 제시하였다.

• Asia Marketing Journal
• /
• 제13권3호
• /
• pp.1-23
• /
• 2011

기존 연구들은 시장지향성, 학습지향성, 마케팅역량이 기업성과에 미치는 영향을 발견하였는데 이러한 독립변수들의 효과는 개별적으로 연구되었다. 본 연구는 기업성과에 영향을 미치는 이러한 개념들의 효과를 통합적으로 살펴보았다. 즉 기업의 문화적 가치로서의 학습지향성과 시장지향성이 마케팅역량(마케팅전략계획 수립역량 및 실행역량)을 통하여 기업성과에 영향을 미치는 과정을 탐구하였다. 구체적으로 기존연구문헌의 이론적 근거에 기반하여 학습지향성이 시장지향성, 마케팅전략계획 수립 및 실행역량을 통하여 기업성과에 영향을 미치며 시장지향성이 마케팅 전략계획 수립역량을 통하여 기업성과에 영향을 미친다는 점을 개념화하고 이에 대한 가설들을 도출하였다. 그리고 한국 기업들의 146명 관리자를 대상으로 수집한 서베이 데이터를 활용하여 실증적으로 분석한 결과 우리의 개념적 모델은 대부분 지지되었다. 학습지향성과 시장지향성이 각각 마케팅역량에 영향을 미쳐 기업성과를 변화시킨다는 점과 학습지향성이 시장지향성을 발전시킨다는 점이 주요 발견사항이다. 또한 이러한 결과가 갖는 이론적·관리적 시사점, 본 연구가 갖는 한계점과 향후 연구 방향을 논의하였다.

• Korean Journal of Radiology
• /
• 제21권8호
• /
• pp.987-997
• /
• 2020

Objective: Measurement of the liver and spleen volumes has clinical implications. Although computed tomography (CT) volumetry is considered to be the most reliable noninvasive method for liver and spleen volume measurement, it has limited application in clinical practice due to its time-consuming segmentation process. We aimed to develop and validate a deep learning algorithm (DLA) for fully automated liver and spleen segmentation using portal venous phase CT images in various liver conditions. Materials and Methods: A DLA for liver and spleen segmentation was trained using a development dataset of portal venous CT images from 813 patients. Performance of the DLA was evaluated in two separate test datasets: dataset-1 which included 150 CT examinations in patients with various liver conditions (i.e., healthy liver, fatty liver, chronic liver disease, cirrhosis, and post-hepatectomy) and dataset-2 which included 50 pairs of CT examinations performed at ours and other institutions. The performance of the DLA was evaluated using the dice similarity score (DSS) for segmentation and Bland-Altman 95% limits of agreement (LOA) for measurement of the volumetric indices, which was compared with that of ground truth manual segmentation. Results: In test dataset-1, the DLA achieved a mean DSS of 0.973 and 0.974 for liver and spleen segmentation, respectively, with no significant difference in DSS across different liver conditions (p = 0.60 and 0.26 for the liver and spleen, respectively). For the measurement of volumetric indices, the Bland-Altman 95% LOA was -0.17 ± 3.07% for liver volume and -0.56 ± 3.78% for spleen volume. In test dataset-2, DLA performance using CT images obtained at outside institutions and our institution was comparable for liver (DSS, 0.982 vs. 0.983; p = 0.28) and spleen (DSS, 0.969 vs. 0.968; p = 0.41) segmentation. Conclusion: The DLA enabled highly accurate segmentation and volume measurement of the liver and spleen using portal venous phase CT images of patients with various liver conditions.

• Korean Journal of Radiology
• /
• 제23권7호
• /
• pp.720-731
• /
• 2022

Objective: We aimed to develop and test a deep learning algorithm (DLA) for fully automated measurement of the volume and signal intensity (SI) of the liver and spleen using gadoxetic acid-enhanced hepatobiliary phase (HBP)-magnetic resonance imaging (MRI) and to evaluate the clinical utility of DLA-assisted assessment of functional liver capacity. Materials and Methods: The DLA was developed using HBP-MRI data from 1014 patients. Using an independent test dataset (110 internal and 90 external MRI data), the segmentation performance of the DLA was measured using the Dice similarity score (DSS), and the agreement between the DLA and the ground truth for the volume and SI measurements was assessed with a Bland-Altman 95% limit of agreement (LOA). In 276 separate patients (male:female, 191:85; mean age ± standard deviation, 40 ± 15 years) who underwent hepatic resection, we evaluated the correlations between various DLA-based MRI indices, including liver volume normalized by body surface area (LV_BSA), liver-to-spleen SI ratio (LSSR), MRI parameter-adjusted LSSR (aLSSR), LSSR × LV_BSA, and aLSSR × LV_BSA, and the indocyanine green retention rate at 15 minutes (ICG-R15), and determined the diagnostic performance of the DLA-based MRI indices to detect ICG-R15 ≥ 20%. Results: In the test dataset, the mean DSS was 0.977 for liver segmentation and 0.946 for spleen segmentation. The Bland-Altman 95% LOAs were 0.08% ± 3.70% for the liver volume, 0.20% ± 7.89% for the spleen volume, -0.02% ± 1.28% for the liver SI, and -0.01% ± 1.70% for the spleen SI. Among DLA-based MRI indices, aLSSR × LV_BSA showed the strongest correlation with ICG-R15 (r = -0.54, p < 0.001), with area under receiver operating characteristic curve of 0.932 (95% confidence interval, 0.895-0.959) to diagnose ICG-R15 ≥ 20%. Conclusion: Our DLA can accurately measure the volume and SI of the liver and spleen and may be useful for assessing functional liver capacity using gadoxetic acid-enhanced HBP-MRI.

• Korean Journal of Radiology
• /
• 제21권1호
• /
• pp.88-100
• /
• 2020

Objective: We aimed to develop and validate a deep learning system for fully automated segmentation of abdominal muscle and fat areas on computed tomography (CT) images. Materials and Methods: A fully convolutional network-based segmentation system was developed using a training dataset of 883 CT scans from 467 subjects. Axial CT images obtained at the inferior endplate level of the 3rd lumbar vertebra were used for the analysis. Manually drawn segmentation maps of the skeletal muscle, visceral fat, and subcutaneous fat were created to serve as ground truth data. The performance of the fully convolutional network-based segmentation system was evaluated using the Dice similarity coefficient and cross-sectional area error, for both a separate internal validation dataset (426 CT scans from 308 subjects) and an external validation dataset (171 CT scans from 171 subjects from two outside hospitals). Results: The mean Dice similarity coefficients for muscle, subcutaneous fat, and visceral fat were high for both the internal (0.96, 0.97, and 0.97, respectively) and external (0.97, 0.97, and 0.97, respectively) validation datasets, while the mean cross-sectional area errors for muscle, subcutaneous fat, and visceral fat were low for both internal (2.1%, 3.8%, and 1.8%, respectively) and external (2.7%, 4.6%, and 2.3%, respectively) validation datasets. Conclusion: The fully convolutional network-based segmentation system exhibited high performance and accuracy in the automatic segmentation of abdominal muscle and fat on CT images.

• Journal of Ginseng Research
• /
• 제24권1호
• /
• pp.8-17
• /
• 2000

스테로이드 호르몬의 일종인 에스트로젠은 생식기능에 영향을 미치는 것 외에 학습 및 기억과 관련된 기능에도 영향을 미치는 것으로 알려져 있다. 최근, 에스트로젠은 기억과 관련된 뇌세포 신 경망의 발달과 뇌 기능 장애를 방지할 수 있다는 부분에서 상당한 관심의 대상이되고 있다. 그러나 에스트로젠 대체 치료가 폐경기의 많은 여성들에게 도움을 주기도 하지만 여러 부작용을 유발하는 것으로도 알려져 있다 인삼 역시도 스테로이드 특성을 보이며 에스트로젠과 유사한 화학구조를 가지는 여러 성분을 가지고 있다. 본 실험의 목적은 첫째로 공간 기억력을 측정하기에 여러 장점을 가지고 있으면서 다른 어떠한 행동학적 실험보다 학습과 기억의 동물 모텔로 잘 알려진 방법인 Morris water maze를 이용하여 에스트로젠의 효과를 확인하고, 두 번째는 인삼이 학습과 기억에서 에스트로젠과 같은 효과를 나타낼 수 있는지를 확인하는 것이다. 본 실험은 인위적으로 난소를 제거한 쥐에 17$\beta$-estradiol(100~250 $\mu\textrm{g}$/ml), panaxadiol(PD), panaxatriol(PT) sapo-nins(15~100 $\mu\textrm{g}$/ml)을 sesame oil에 녹인 capsule을 implant했다. 첫 번째 실험에서 난소를 제거한 쥐에 에스트로젠을 투입했을때 학습과 기억의 효과를 확인했다. 두 번째 실험에서는 난소를 제거한 쥐에 3가지 다른 농도에서의 PD, PT를 투입했을 때 학습과 기억에 대한 에스트로젠의 효과와 비교해 보았다. 2주 동안의implant 후 water maze 실험결과 세 그룹 모두 난소를 제거한 그룹보다 기억력이 향상되었다 이러한 결과를 토대로 에스트로젠이 학습과 기억에 영향을 준다는 것을 확인할 수 있었고 PD, PT 또한 학습과 기억에 관련된 행동에서 에스트로젠과 같은 효과를 나타낼 수 있다는 것을 확인할 수 있었다. 이러한 동물모델에서의 연구를 통하여 인삼이 에스트로젠 장기결핍치료에서 나타나는 여러 호르몬 부작용을 극복할 수 있는 에스트로젠 대체물질로 개발되어 기억력 저하를 수반하는 Alzheimer's disease 및 여러 퇴행성 중추신경 질환의 치료제로 대체의학의 natural compound이용에 그 기초 기전을 제공할 수 있으리라 여긴다.