• 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.

• 지능정보연구
• /
• 제20권4호
• /
• pp.59-87
• /
• 2014

결제서비스에 대한 기존의 연구는 결제서비스의 채택요인 또는 지속적인 사용에 영향을 미치는 요인 등 행동이론을 중심으로 진행되어 왔다. 이러한 요인들이 미치는 영향에 대한 결과는 결제서비스의 종류에 따라 또는 연구 지역에 따라 상이하게 나타나고 있다. 본 연구는 결제 서비스의 종류나 문화등의 변수에 관계없이 새로운 결제 서비스가 성공할 수 있는 일반적인 요인이 무엇인지에 대한 의문에서 시작하게 되었다. 기존 연구에서 중요한 영향을 미친다고 제시한 채택요인들은 실제 결제사례의 결과에 비추어 보면 기존 연구에서 주장한 바와 일치하지 않는 경우를 볼 수 있다. 이러한 이론과 현실사이의 괴리를 발견하고 새로운 결제서비스가 성공하기 위한 근본적이고 결정적인 요인이 무엇인지에 대해 제시하고 사례연구를 통해 가설을 입증하고자 하는 것이 본 연구의 목적이다. 따라서 본 연구는 새로운 결제서비스가 성공하기 위해서는 기존 결제서비스의 비고객에게 이들이 결제할 수 있는 수단을 제공함으로써 새로운 결제 시장을 창출해야 함을 주장한다. 이를 위해 성공한 결제사례인 신용카드, 휴대폰 소액결제, PayPal, Square을 채택하였으며, 기존 결제서비스의 비고객을 3개의 계층으로 분류하여 분석하였다. 그리고 새로운 결제서비스가 어떠한 계층을 타겟으로 하였으며 이들에게 어떠한 결제수단을 제공하여 새로운 시장을 창출하였는지 제시한다. 사례 분석 결과, 성공 사례 모두 본 연구의 가설을 지지하는 것으로 나타났다. 따라서 새로운 결제서비스는 결국 기존의 결제수단으로 거래를 할 수 없었던 이들이 결제를 할 수 있도록 함으로써 성공할 수 있다는 가설을 입증하였다. 모바일 결제서비스가 아직 대중화되지 못한 원인을 본 가설에 비추어 분석해 보면 보면, 기존의 결제 인프라를 이용할 수 있는 바코드, QR코드 기반의 모바일 결제 서비스뿐만 아니라 NFC, BLE, 음파 등의 새로운 기술이 적용된 모바일 결제 서비스가 출시되는 등 새로운 시도가 계속되고 있다. 또한 모바일 월렛은 사용자들이 소지하고 있는 카드정보를 스마트폰에 저장하여 지갑 없이도 결제가 가능하며, 쿠폰 제공, 적립카드 관리, 신분증을 저장하는 등의 다양한 부가적인 기능을 제공하고 있어 성공할 것이라는 전망이 대두되고 있다. 하지만 이러한 서비스들은 본 연구 관점에서 보자면 기존 결제서비스의 비고객이(기존 결제수단을 이용할 수 없었던 사용자) 거래할 수 있는 새로운 결제 수단을 제공해 주지 못하고 있기 때문에 결국 초기사용자에게만 채택될 뿐 대중화되는데 한계가 있을 것으로 예상된다. 반면, 새로운 모바일 결제서비스의 성공사례 중 하나인 PaybyPhone은 기존 코인주차 결제서비스의 비고객인 현금 미소지 고객에게 스마트폰을 이용한 새로운 결제수단을 제공함으로써 새로운 주차 결제 시장을 창출하였으며 현재 미국뿐만 아니라 유럽시장까지 진출하는 등 급성장하고 있다. 결론적으로, 많은 이해관계자들이 모바일 결제시장을 선점하기 위해 다양한 형태의 모바일 결제 서비스를 출시하고 있지만 캐즘을 뛰어넘어 주류 시장에 성공적으로 정착할 수 있느냐는 결국 기존 결제서비스의 비고객군에게 그들이 필요로 하는 새로운 결제수단을 제공하는지의 여부에 달려있다고 볼 수 있다. 따라서 모바일 결제 서비스의 기획자나 매니저들은 서비스 기획 시 기존 결제서비스의 비고객군은 누구인가? 그들은 어떠한 결제수단을 원하는가?를 먼저 고려해야 한다. 본 연구는 새로운 결제서비스가 성공하는데 미치는 요인에 대한 가설을 검증하기 위해 4개의 성공사례를 선택하였으며 각 사례에 동일한 가설을 검증하는 '반복연구논리'를 적용하였다. 본 가설을 더욱 공고히 하기 위해 사례연구방법론에서 제시하고 있는 경쟁가설을 포함한 후속 사례연구가 진행되어야 할 것이다.

• 대한방사선치료학회지
• /
• 제28권2호
• /
• pp.171-178
• /
• 2016

목 적 : 직장암 방사선 치료 시 대퇴골두의 선량을 최소화하기 위해, 보편적인 치료방법인 3문 입체조형치료계획(3D Conformal radiation therapy)과 5문 입체조형치료계획 그리고 용적변조방사선치료(Volumetric Modulated Arc Therapy, 이하 VMAT) 계획의 유용성을 비교, 평가하고자 한다. 대상 및 방법 : 본원에서 21EX(Varian Medical Systems, USA)를 이용하여 치료 받은 직장암 환자 10명을 대상으로 3문, 5문 입체조형치료계획과 VMAT 전산화치료계획을 각각 세우고 이에 대한 선량분포를 비교분석하였다. 전산화 치료계획은 Eclipse(Ver 10.0.42, Varian, USA)를 이용하였으며, 선량계산을 위해 PRO3(Progressive Resolution Optimizer 10.0.28), AAA(Anisotropic Analytic Algorithm Ver 10.0.28) 알고리즘을 사용하였다. 3문 치료계획은 6MV POST field 와 15MV LT, RT field를 갠트리 각도 $0^{\circ}$, $270^{\circ}$, $90^{\circ}$로 구성하였고, 5문 치료계획은 6MV POST field와 15MV RAO, RPO, LAO, LPO field를 갠트리 각도 $0^{\circ}$, $95^{\circ}$, $45^{\circ}$, $315^{\circ}$, $265^{\circ}$ 로 환자 체표면을 감싸는 형태로 구성하였다. VMAT 치료계획은 갠트리 회전반경이 $360^{\circ}$인 1개의 ARC를 이용하여 수립하였다. 처방선량은 30회에 걸쳐 직장에 총 선량이 54Gy가 되도록 하였다. VMAT 치료계획시 최적화(Optimization) 과정에서 나타나는 선량 차이의 무작위성을 최소화하기 위하여 2회의 최적화와 선량계산과정을 거쳤으며 처방선량의 100%가 표적용적의 95%를 포함할 수 있도록 Plan normalization을 조절하였다. 각 치료 계획의 Total MU, 대퇴골두와 acetabular fossa의 최대선량, PTV의 H.I. (Homogeneity Index), C.I.(Conformity Index)를 평가 지표로 설정하였고, 전자영상유도장치를 이용하여 임상 적용 가능 여부 확인을 위한 IMRT verification Q.A. (Gamma test)를 실시하였다. 결 과 : Rt. femoral head 최대선량은 3문, 5문, VMAT 치료계획 순으로 평균 53.08 Gy, 50.27 Gy, 30.92 Gy를 나타냈다. 마찬가지로 Lt. femoral head 에서도 같은 순으로 평균 53.68 Gy, 51.01 Gy, 평균 29.23 Gy를 나타냈다. Rt. Aceta fossa 의 최대선량은 3문, 5문, VMAT 치료계획 순으로 평균 54.86 Gy, 52.40 Gy, 30.37 Gy의 값을 보였다. Lt. Aceta fossa에서 또한 같은 순으로 평균 54.90 Gy, 52.77 Gy, 평균 31.79 Gy를 나타내어, both femoral head 와 aceta fossa의 최대선량이 3문, 5문, VMAT 치료계획 순으로 높았다. PTV에 대한 H.I.는 모두 서로 비슷한 결과를 나타냈고, C.I.는 3문, 5문, VMAT 치료계획 순으로 평균 1.64, 1.48, 평균 0.99로 VMAT 치료계획이 가장 낮은 것으로 나타났다. Total MU는 VMAT 치료계획이 3문과 5문 치료계획에 비해 각각 평균 124.4MU, 299MU 더 많이 사용하는 것으로 나타났다. VMAT 치료계획에 대한 IMRT verification Q.A. 결과 2mm / 2%, Gamma pass rate 90.0% 기준을 모두 초과하여 통과하였다. 결 론 : VMAT 치료계획은 3D 치료계획과 비교하여 대부분의 평가지표에서 우수한 것으로 나타났다. 특히 대퇴골두의 선량을 크게 감소 시켰으며, 저선량 영역에서는 소장이 받는 선량이 증가 하였으나 오히려 고선량 영역에서는 우수한 선량분포를 보였다. 하지만 VMAT을 지원하지 않는 장비와 치료계획 시 추가되는 Contouring, 그리고 정도관리에 관한 수고 등의 현실적인 제약 때문에 VMAT 치료계획을 선택하기 어려운 경우가 있을 수 있다. 5문 치료계획은 기존 3문 치료계획에 비해, 추가적인 문제에 구애받지 않고 대퇴골두의 선량을 줄일 수 있는 장점이 있다. 따라서 각 병원 상황에 맞게 치료계획을 선택하여 방사선 치료 효과를 높인다면, 직장암 환자의 효율적인 방사선치료 및 생존 기간의 연장뿐만 아니라 삶의 질 향상에도 도움이 될 것으로 판단한다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.205-225
• /
• 2018

Convolutional Neural Network (ConvNet)은 시각적 특징의 계층 구조를 분석하고 학습할 수 있는 대표적인 심층 신경망이다. 첫 번째 신경망 모델인 Neocognitron은 80 년대에 처음 소개되었다. 당시 신경망은 대규모 데이터 집합과 계산 능력이 부족하여 학계와 산업계에서 널리 사용되지 않았다. 그러나 2012년 Krizhevsky는 ImageNet ILSVRC (Large Scale Visual Recognition Challenge) 에서 심층 신경망을 사용하여 시각적 인식 문제를 획기적으로 해결하였고 그로 인해 신경망에 대한 사람들의 관심을 다시 불러 일으켰다. 이미지넷 첼린지에서 제공하는 다양한 이미지 데이터와 병렬 컴퓨팅 하드웨어 (GPU)의 발전이 Krizhevsky의 승리의 주요 요인이었다. 그러므로 최근의 딥 컨볼루션 신경망의 성공을 병렬계산을 위한 GPU의 출현과 더불어 ImageNet과 같은 대규모 이미지 데이터의 가용성으로 정의 할 수 있다. 그러나 이러한 요소는 많은 도메인에서 병목 현상이 될 수 있다. 대부분의 도메인에서 ConvNet을 교육하기 위해 대규모 데이터를 수집하려면 많은 노력이 필요하다. 대규모 데이터를 보유하고 있어도 처음부터 ConvNet을 교육하려면 많은 자원과 시간이 소요된다. 이와 같은 문제점은 전이 학습을 사용하면 해결할 수 있다. 전이 학습은 지식을 원본 도메인에서 새 도메인으로 전이하는 방법이다. 전이학습에는 주요한 두 가지 케이스가 있다. 첫 번째는 고정된 특징점 추출기로서의 ConvNet이고, 두번째는 새 데이터에서 ConvNet을 fine-tuning 하는 것이다. 첫 번째 경우, 사전 훈련 된 ConvNet (예: ImageNet)을 사용하여 ConvNet을 통해 이미지의 피드포워드 활성화를 계산하고 특정 레이어에서 활성화 특징점을 추출한다. 두 번째 경우에는 새 데이터에서 ConvNet 분류기를 교체하고 재교육을 한 후에 사전 훈련된 네트워크의 가중치를 백프로퍼게이션으로 fine-tuning 한다. 이 논문에서는 고정된 특징점 추출기를 여러 개의 ConvNet 레이어를 사용하는 것에 중점을 두었다. 그러나 여러 ConvNet 레이어에서 직접 추출된 차원적 복잡성을 가진 특징점을 적용하는 것은 여전히 어려운 문제이다. 우리는 여러 ConvNet 레이어에서 추출한 특징점이 이미지의 다른 특성을 처리한다는 것을 발견했다. 즉, 여러 ConvNet 레이어의 최적의 조합을 찾으면 더 나은 특징점을 얻을 수 있다. 위의 발견을 토대로 이 논문에서는 단일 ConvNet 계층의 특징점 대신에 전이 학습을 위해 여러 ConvNet 계층의 특징점을 사용하도록 제안한다. 본 논문에서 제안하는 방법은 크게 세단계로 이루어져 있다. 먼저 이미지 데이터셋의 이미지를 ConvNet의 입력으로 넣으면 해당 이미지가 사전 훈련된 AlexNet으로 피드포워드 되고 3개의 fully-connected 레이어의 활성화 틀징점이 추출된다. 둘째, 3개의 ConvNet 레이어의 활성화 특징점을 연결하여 여러 개의 ConvNet 레이어의 특징점을 얻는다. 레이어의 활성화 특징점을 연결을 하는 이유는 더 많은 이미지 정보를 얻기 위해서이다. 동일한 이미지를 사용한 3개의 fully-connected 레이어의 특징점이 연결되면 결과 이미지의 특징점의 차원은 4096 + 4096 + 1000이 된다. 그러나 여러 ConvNet 레이어에서 추출 된 특징점은 동일한 ConvNet에서 추출되므로 특징점이 중복되거나 노이즈를 갖는다. 따라서 세 번째 단계로 PCA (Principal Component Analysis)를 사용하여 교육 단계 전에 주요 특징점을 선택한다. 뚜렷한 특징이 얻어지면, 분류기는 이미지를 보다 정확하게 분류 할 수 있고, 전이 학습의 성능을 향상시킬 수 있다. 제안된 방법을 평가하기 위해 특징점 선택 및 차원축소를 위해 PCA를 사용하여 여러 ConvNet 레이어의 특징점과 단일 ConvNet 레이어의 특징점을 비교하고 3개의 표준 데이터 (Caltech-256, VOC07 및 SUN397)로 실험을 수행했다. 실험결과 제안된 방법은 Caltech-256 데이터의 FC7 레이어로 73.9 %의 정확도를 얻었을 때와 비교하여 75.6 %의 정확도를 보였고 VOC07 데이터의 FC8 레이어로 얻은 69.2 %의 정확도와 비교하여 73.1 %의 정확도를 보였으며 SUN397 데이터의 FC7 레이어로 48.7%의 정확도를 얻었을 때와 비교하여 52.2%의 정확도를 보였다. 본 논문에 제안된 방법은 Caltech-256, VOC07 및 SUN397 데이터에서 각각 기존에 제안된 방법과 비교하여 2.8 %, 2.1 % 및 3.1 %의 성능 향상을 보였다.

• 지능정보연구
• /
• 제24권3호
• /
• pp.67-88
• /
• 2018

최근까지도 중소기업의 지속성장 및 경쟁력 확보에 대한 중요함을 인식함에 따라, 정부 차원에서의 유형 자원(R&D 인력, 자금 등)에 대한 지원이 주로 투입되어 왔다. 그러나 사업지원의 적절성이나 효과성, 효율성 면에서 서로 상충되는 정책부분이 존재하여 과소 지원이나 중복 지원 등 지원체계의 비효율성 문제가 제기되어온 것도 사실이다. 정부나 기업 관점에서는 중소기업의 한정된 자원으로 인해, 외부와의 협력을 통한 기술개발 및 역량강화가 기업의 경쟁우위를 창출하는 근간이라 보고 있으며, 이를 위한 가치창출 활동을 강조하고 있다. 기업 레벨에서의 지식생태계 구축을 통해 일련의 가치사슬로부터 기업거래 관계를 분석하고 결과를 가시화할 수 있는 밸류체인 네트워크 분석이 필요한 것도 이 때문이다. 특허/제품/기업명 검색을 통해 관련 제품의 정보나 특허 보유 기업의 기술(제품) 현황 정보를 제공하는 기술기회발굴시스템(Technology Opportunity Discovery system), 기업(재무)정보와 신용정보을 열람하게 해주는 CRETOP이나 KISLINE 등은 존재하고 있으나 밸류체인 네트워크 분석기반으로 유사(경쟁)기업의 리스트나 향후 거래 가능한 잠재 거래처 정보를 제공해주는 시스템은 부재한 실정이다. 따라서, 본 고에서는 KISTI에서 개발 운영중인 기업 비즈니스 전략수립 지원 파트너인 '밸류체인 네트워크 시스템(Value Chain Network System : VCNS)'을 중심으로, 탑재된 네트워크 기반 분석모듈의 유형, 이를 지원하는 참조정보 및 데이터베이스(D/B)의 구성 로직과 시스템 활용방안을 고찰하며, 산업구조를 이해하고 기업의 신제품 개발을 위한 핵심정보가 되고 있는 지능형 밸류체인 분석 시스템의 네트워크 가시화 기능을 살펴보기로 한다. 한 기업이 다른 기업 대비 경쟁우위를 확보하기 위해서는 보유 특허 또는 현재 생산하고 있는 제품에 대한 경쟁자 식별이 필요하며, 세부 업종별 유사(경쟁)기업을 탐색하는 일은 대상기업의 사업화 경쟁력 확보에 핵심이 된다. 또한 기업간 비즈니스 활동인 거래정보는 유사 분야로 진출할 경우 잠재 거래처 정보를 제공하는 중요한 역할을 수행한다. 이러한 기업간 판매정보를 기반으로 구축된 네트워크 맵을 활용하여 기업 또는 업종 수준의 경쟁자를 식별하는 일은 밸류체인 분석의 핵심모듈로 탑재될 수 있다. 밸류체인 네트워크 시스템(VCNS)은 단순 수집된 종래의 기업정보에 밸류체인(value chain) 및 산업구조 분석개념을 접목하여 개별 기업의 시장경쟁 상황은 물론 특정 산업의 가치사슬 관계를 파악할 수 있다. 특히 업종구조 파악, 경쟁사 동향 파악, 경쟁사 분석, 판매처 및 구매처 발굴, 품목별 산업동향, 유망 품목 발굴, 신규 진입기업 발굴, VC별 핵심기업 및 품목 도출, 해당 기업별 보유 특허 파악 등 기업 레벨에서의 유용한 정보분석 툴로 활용 가능하다. 또한, 거래처 정보 및 재무데이터로부터 분석된 결과의 객관성 및 신뢰성을 기반으로, 현재 국내에서 이용 중인 15,000여개 회원기업과 연구개발서비스업 종사자, 출연(연) 및 공공기관 등에서 사업평가 정보지원, R&D 의사결정 지원 및 중 단기 수요예측 전망 등 다양한 목적(용도)에 밸류체인 네트워크 시스템을 활용할 수 있을 것으로 기대된다. 기업의 사업경쟁력 강화를 위해 정부기관 및 민간 연구개발서비스 기업을 중심으로 기술(특허) 및 시장정보가 제공되어 왔으며, 이는 특허분석(등급, 계량분석 위주) 또는 시장분석(시장보고서 기반 시장규모 및 수요예측 위주)의 형태로 지원되어 왔다. 그러나 기업이 사업화진출 단계에서 겪게 되는 애로요인의 하나인 정보부족을 해결하는데 한계가 있었으며, 특히 경쟁기업 및 거래가능 기업 후보군에 대한 탐색정보는 입수하기 어려웠다. 본 연구를 통해 제안된 네트워크맵 및 보유 데이터 기반의 실시간 밸류체인 가시화 서비스모듈이 중견 중소기업이 당면한 신규시장 진출시 경쟁기업 대비 예상점유율, (예상)매출액 수준, 어느 기업을 컨택하여 유통망(원자재/부품에 대한 공급처, 완제품/모듈에 대한 수요처)을 확보할 지에 대한 핵심정보를 제공할 수 있을 것으로 기대된다. 향후 연구에서는 대체기업(또는 대체품목) 경쟁지표의 개발과 연구주체의 참여를 통한 경쟁요인별 지표의 고도화 연구, VCNS의 성능향상을 위한 데이터마이닝 기술 및 알고리즘을 추가 반영하도록 수행하고자 한다.

• Tuberculosis and Respiratory Diseases
• /
• 제52권5호
• /
• pp.485-496
• /
• 2002

연구배경 : Nuclear factor ${\kappa}B$ (NF-${\kappa}B$)는 면역기능, 급성기 반응, 세포주기 조절 등 다양한 세포활동을 조절하는 전사인자로서 외부 자극에 의해 세포질에 존재하던 NF-${\kappa}B$가 핵 속으로 이동되어 여러 유전자의 ${\kappa}B$ element에 결합하여 그 유전자의 전사를 가져온다. 최근 들어 암의 발생과 증식 및 전이에 있어 NF-${\kappa}B$의 역할이 주목받고 있다. 즉, 여러 종류의 암세포에서 NF-${\kappa}B$의 과발현 및 지속적인 활성화가 알려져 NF-${\kappa}B$와 암의 발생 및 증식과의 관련성이 제시되고 있고, NF-${\kappa}B$의 항 아포프토시스 기능은 암세포의 생존에서 중요한 역할을 하는 것으로 이해되고 있다. 또한 ICAM-l, VCAM-l 등 세포 부착물질의 발현에 영향을 끼쳐 암 전이와의 관련성도 제시되고 있다. 폐암에서 NF-${\kappa}B$의 역할에 관한 연구는 많지 않은 상태로 폐암 조직 및 폐암 세포주에서 p50과 c-Rel의 과발현이 보고된 바 있다. 그러나 NF-${\kappa}B$의 과발현이 NF-${\kappa}B$의 활성화를 의미하는 것은 아니며 현재까지 폐암 세포에서 NF-${\kappa}B$의 활성화 유무에 관한 연구는 없는 실정이다. 방 법 : 본 연구에서는 정상 기관지 세포주와 폐암 세포주에서 기저 상태와 외부 자극에 의한 NF-${\kappa}B$의 활성화를 비교하여 폐암 세포에서 NF-${\kappa}B$의 활성도를 평가하였다. 정상 기관지 상피세포로는 BEAS-2B 세포주를 사용하였고 폐암 세포주로는 A549, NCI-H358, NCI-H441, NCI-H522, NCI-H2009, NCI-H460, NCI-H1229, NCI-H1703, NCI-H157, NCI-H187, NCI-H417, NCI-H526 등 12종을 실험에 사용하였다. NF-${\kappa}B$의 활성화는 p65와 p50의 핵내 발현과 electrophoretic mobility shift assay (EMSA)를 이용한 NF-${\kappa}B$ DNA binding activity로 평가하였다. 결 과 : NCI-H358과 NCI-H460 세포를 제외한 모든 폐암 세포주와 BEAS-2B 세포의 기저상태에서 핵 단백질내에 p65와 p50의 발현이 관찰되었다. TNF-$\alpha$로 자극하고 30분이 경과한 후에는 핵 내 p65와 p50의 발현이 증가하였다. NCI-H358과 NCI-H460 세포에서는 기저 상태와 TNF-${\alpha}$ 자극 시 핵 단백질 내의 p65의 발현이 관찰되지 않았고 TNF-${\alpha}$ 자극했을 때에도 p65의 발현은 증가하지 않았다. 그러나 이 두 세포주에서는 TNF-${\alpha}$로 자극 시 p50보다 분자량이 작은 두 종의 단백질의 발현이 증가되어 p50의 변형된 형태로 생각되었다. 기저 상태에서의 NF-${\kappa}B$의 DNA 결합능은 실험에 사용한 모든 세포주에서 거의 관찰되지 않았고 TNF-${\alpha}$ 자극 시 유의하게 증가하였다. TNF-${\alpha}$ 자극으로 활성화된 NF-${\kappa}B$ complex는 NCI-H358 과 NCI-H460을 제외한 모든 세포주에서는 p50/p65 heterodimer로 확인되었고 NCI-H358과 NCI-H460에서는 변형된 p50/p50 homodimer가 활성화되었다. 결 론 : 이상의 결과로 일부 폐암 세포주에서 외부 자극으로 활성화된 NF-${\kappa}B$ complex의 구성에 차이를 보였지만 전체적으로는 정상 기관지 세포주와 비교해 폐암 세포해서 NF-${\kappa}B$ 활성화에 있어 큰 차이가 없었다.

• Journal of Radiation Protection and Research
• /
• 제32권3호
• /
• pp.105-110
• /
• 2007

최근 CT, MRI, PET등 영상진단기술 및 방사선치료계획 소프트웨어 등이 획기적으로 발전하였음에도 불구하고 자궁경부암의 강내조사는 아직까지 A점 등 ICRU 38에 근거한 치료계획을 보편적으로 사용하고 있다. CT를 이용한 3차원 강내조사 계획은 종양 및 정상조직의 선량-용적 히스토그람(DVH)에 대한 정보를 제공한다. 본 연구에서는 CT를 이용하여 표적용적(CTV)에 목표선량을 조사하는 치료계획(CTV 치료계획)과 ICRU38에 근거한 치료계획(ICRU 치료계획)을 시행하고, 각각에 대한 DVH를 분석하여 두 치료계획간의 종양선량, 직장선량, 방광선량 등을 비교하였다. Ir-192 고선량율강내치료(HDR)를 받은 11명의 환자를 대상으로 하였다. 강내조사 치료계획은 외부방사선치료를 일일선량 180cGy씩 4문조사(Box technique)로 약 40Gy 시행한 후 수립되었으며 모든 환자에서 CT 모의치료기를 이용한 CT가 시행되었고 치료계획은 PLATO(Nucletron) v.14.2를 이용하였다. CT 영상에 CTV, 직장, 방광 등을 도시한 후 CTV에 100%의 선량을 조사하는 치료계획 및 ICRU 38에 근거하여 A점에 100%를 조사하는 치료계획을 수립하였다. 11명 환자의 CTV 용적(평균${\pm}$표준편차)은 $21.8{\pm}26.6cm^3$, 직장 용적은 $60.9{\pm}25.0cm^3$, 방광용적은 $111.6{\pm}40.1cm^3$이었으며, 100%의 선량이 포함하는 용적은 ICRU 치료계획에서는 $126.7{\pm}18.9cm^3$, CTV 치료계획에서는 $98.2{\pm}74.5cm^3$이었다. (p=0.0001). ICRU 치료계획 시 잔류종양의 크기가 4cm 이상인 1례에서는 CTV 용적 $22.0cm^3$가 100% 등선량곡선에 포함되지 않았으며 잔류종양의 크기가 4cm 미만인 나머지 10례에서는 종양용적 이외의 정상조직 $62.2{\pm}4.8cm^3$이 불필요하게 100% 이상의 선량이 조사되었다. ICRU 38의 권고에 따른 방광선량은 ICRU 치료계획 및 CTV 치료계획에서 각각 $90.1{\pm}21.3%,\;68.7{\pm}26.6%$이었고(p=0.001), 직장선량은 $86.4{\pm}18.3%,\;76.9{\pm}15.6%$이었다(p=0.08). 방광 및 직장선량의 최대 점선량 또한 ICRU 치료계획과 CTV계획에서 각각 $137.2{\pm}50.1%$ vs $107.6{\pm}47.9%$, (p=0.008), $101.1{\pm}41.8%$ vs $86.9{\pm}30.8%$ (p=0.045) 로서 CTV 치료계획에서 정상조직에 조사되는 선량이 더 적게 나타났다. 그러나 잔류종양이 4cm 이상인 환자에서는 CTV 치료계획에서 정상조직 선량이 권고 선량보다 현저히 높게 나타났다. 방광 및 직장의 용적선량에서는 투여선량의 80% 이상을 받는 직장용적선량(V80rec)은 ICRU 치료계획 및 CTV 치료계획에서 각각 $1.8{\pm}2.4cm^3,\;0.7{\pm}1.0cm^3$(p=0.02), 방광용적선량(V80bla)은 $12.2{\pm}8.9cm^3,\;3.5{\pm}4.1cm^3$로서 역시 CTV 치료계획에서 적게 조사되었다(p=0.005). 기존의 ICRU 치료계획은 잔류종양의 크기가 작은 경우 불필요하게 정상조직에 많은 선량이 투여되기 때문에 CT를 이용한 CTV 치료계획을 적용하여 정상조직에 대한 피폭을 현저히 낮추고 잔류종양에 목표한 선량을 조사할 수 있다. 다만 잔류종양의 크기가 큰 경우에는 정상조직에 대한 조사선량을 줄이기 위한 효과적 치료계획에 대한 연구가 필요할 것으로 판단된다.

• Tuberculosis and Respiratory Diseases
• /
• 제45권1호
• /
• pp.5-19
• /
• 1998

연구배경: 개흉폐생검은 미만성 침윤성 폐질환의 감별진단, 면역억제 환자에서의 폐침윤의 원인 등 다양한 폐질환에서 확진에 이르기 위한 고전적인 진단술로서 충분한 크기의 검체를 제공할 뿐 아니라 폐생검시 생검사가 직접 병변부위를 관찰하고 생검장소를 결정할 수 있는 장점이 있는 반면 최근에는 흉강경하폐생검(video-assisted thoracoscopy, VATS)이 개발되어 늑막 및 폐질환의 진단에 이용되고 있다. 본 학회의 학술위원회에서는 폐질환에서 개흉 혹은 흉강경하 폐생검의 실시여부, 폐생검 실시 전에 시행할 진단절차, 실시시기 등을 결정하는데 필요한 기초자료를 수집하여 향후 임상연구 및 진료에 활용하고자 현재 한국에서의 개흉폐생검의 적응질환, 시행빈도, 진단성적, 치료에 미치는 영향, 합병증 등을 조사하였다. 방 법: 전국의 대학병원 및 400병상 이상의 종합병원에서 1994년 1월 1일부터 1996 년 12월 31일까지 3년간 개흉 및 흉강경하폐생검을 시행한 환자들에 대한 설문조사를 의뢰하였다. 본 실태조사에 응답한 37 개 병원의 511예를 대상으로 분석하여 다음의 결과를 얻었다. 통계 분석은 SAS 통계 프로그램을 이용하여 폐생검 전후의 비교는 paired t-test를 이용하였고 각 인자들에 따른 차이비교는 $x^2$-검정 혹은 t-검정법을 이용하였으며 P값은 0.05 이하인 경우를 유의하다고 판정하였다. 결 과: 1) 실태조사에 응답한 511 예 대상환자들의 평균연령은 50.2세(${\pm}15.1$세)이었으며, 남자 54.2%. 여자 45.9% 이었다. 2) 511 예 중에서 개흉폐생검은 313예(62%). 흉강경하폐생검은 192예(38%)에서 시행되었고, 미만성 폐질환자가 305명(59.7%), 국한성 폐질환자가 206명(40.3%)이었다. 3) 흉부 X-선 검사에서 이상소견이 발견되어 폐생검을 하기까지의 기간은 평균 82.4일 이었으며, 개흉폐생검은 평균 72.8일, 흉강경하폐생검은 평균 99.4일이 소요되었고, 폐생검 이전에 기관지내시경검사는 272예(53.2%), 기관지폐포세척술은 123예(24.1%), 경피적세침흡인술은 72예(14.1%)에서 시행되었다. 4) 대상질환은 간질성 폐질환이 230예(45.0%), 흉곽종양이 133예(26.0%), 결핵을 포함한 감염성 폐질환이 118예(23.1%), 선천성질환을 포함한 가타 폐질환이 30예(5.9%)이었다. 생검 방법에 따른 진단율이나 병변특성의 유의한 차이는 없었다. 5) 폐생검 이전의 임상적 진단과 폐생검 후의 최종 진단이 일치한 경우는 302예(59.2%) 이었고, 질환별로는 간질성 폐질환 66.5%, 흉곽종양 58.7%. 폐감염질환 32.7%, 결핵 55.1%. 선천성 폐질환을 포함한 기타 질환 62.5%에서 임상진단과 최종진단이 일치하였다. 6) 폐생검 전 및 1일 후에 시행한 동맥혈가스분석 검사상 $PaCO_2$는 $38.92{\pm}5.8mmHg$에서 $40.2{\pm}7.1mmHg$로 유의하게 증가하였고(P<0.05), $PaO_2/FiO_2$는 $380.3{\pm}109.3mmHg$에서 $339.2{\pm}138.2mmHg$로 유의하게 감소하였다(P=0.01). 7) 합병증은 10.1%에서 발생하였으며 개흉폐생검시 12.4%, 흉강경하폐생검시 5.8%로 흉강경하폐생 검시 유의하게 합병증이 적었다 (p<0.05). 합병증은 기흉 23예(4.6%), 혈흉 7예(1.4%), 사망 6예(1.2%), 기타 부정맥이나 타장기손상 15예(2.9%) 등이었다. 8) 폐생검으로 인한 사망은 개흉폐생겸후 5예, 기록이 불분명한 경우가 1예 등 모두 6예 이었으며 흉강경하폐생검 후 사망한 경우는 없었다. 사망한 사랑의 기저질환은 악성종양 3예(기관지폐포세포암 2예, 악성 중피종 1예), 전이성 악성종양 2예, 간질성폐질환 1예 이었다. 폐생검 후 사망까지의 기간은 평균 $15.5\pm9.9$일 이었다. 9) 개흉 또는 흉강경하폐생검으로도 진단할 수 없었던 경우는 19예(3.7%)이었다. 진단이 안된 원인은 병소 이외에서 조작검사를 시행한 5예, 조직의 크기가 너무 작은 3예 등 폐조직검사를 부적절하게 시행한 경우가 8예 이었고, 조직검사는 잘 되었으나 병리학적으로 진단이 불가능하였던 경우가 11예 이었다. 10) 개흉 또는 흉강경하폐생검이 진단에 결정적으로 기여한 경우가 334예(66.5%), 다소 기여한 경우가 140예(27.9%), 도움이 되지 않았거나 판단이 불가능한 경우가 28예(5.6%)이었다. 따라서 폐생검을 한 경우의 94.4%에서 확진에 도움을 주었다. 결 론: 개흉 및 흉강경하폐생검은, 기관지내시경 등 다른 술기로 진단이 안되는 폐질환의 확진에 도움이 되는 방법이며 환자상태가 위중한 경우에는 보다 안전하고 대등한 진단성적을 얻을 수 있는 흉강경하폐생검이 추천된다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.127-148
• /
• 2020

데이터 센터는 컴퓨터 시스템과 관련 구성요소를 수용하기 위한 물리적 환경시설로, 빅데이터, 인공지능 스마트 공장, 웨어러블, 스마트 홈 등 차세대 핵심 산업의 필수 기반기술이다. 특히, 클라우드 컴퓨팅의 성장으로 데이터 센터 인프라의 비례적 확장은 불가피하다. 이러한 데이터 센터 설비의 상태를 모니터링하는 것은 시스템을 유지, 관리하고 장애를 예방하기 위한 방법이다. 설비를 구성하는 일부 요소에 장애가 발생하는 경우 해당 장비뿐 아니라 연결된 다른 장비에도 영향을 미칠 수 있으며, 막대한 손해를 초래할 수 있다. 특히, IT 시설은 상호의존성에 의해 불규칙하고 원인을 알기 어렵다. 데이터 센터 내 장애를 예측하는 선행연구에서는, 장치들이 혼재된 상황임을 가정하지 않고 단일 서버를 단일 상태로 보고 장애를 예측했다. 이에 본 연구에서는, 서버 내부에서 발생하는 장애(Outage A)와 서버 외부에서 발생하는 장애(Outage B)로 데이터 센터 장애를 구분하고, 서버 내에서 발생하는 복합적인 장애 분석에 중점을 두었다. 서버 외부 장애는 전력, 냉각, 사용자 실수 등인데, 이와 같은 장애는 데이터 센터 설비 구축 초기 단계에서 예방이 가능했기 때문에 다양한 솔루션이 개발되고 있는 상황이다. 반면 서버 내 발생하는 장애는 원인 규명이 어려워 아직까지 적절한 예방이 이뤄지지 못하고 있다. 특히 서버 장애가 단일적으로 발생하지 않고, 다른 서버 장애의 원인이 되기도 하고, 다른 서버부터 장애의 원인이 되는 무언가를 받기도 하는 이유다. 즉, 기존 연구들은 서버들 간 영향을 주지 않는 단일 서버인 상태로 가정하고 장애를 분석했다면, 본 연구에서는 서버들 간 영향을 준다고 가정하고 장애 발생 상태를 분석했다. 데이터 센터 내 복합 장애 상황을 정의하기 위해, 데이터 센터 내 존재하는 각 장비별로 장애가 발생한 장애 이력 데이터를 활용했다. 본 연구에서 고려되는 장애는 Network Node Down, Server Down, Windows Activation Services Down, Database Management System Service Down으로 크게 4가지이다. 각 장비별로 발생되는 장애들을 시간 순으로 정렬하고, 특정 장비에서 장애가 발생하였을 때, 발생 시점으로부터 5분 내 특정 장비에서 장애가 발생하였다면 이를 동시에 장애가 발생하였다고 정의하였다. 이렇게 동시에 장애가 발생한 장비들에 대해서 Sequence를 구성한 후, 구성한 Sequence 내에서 동시에 자주 발생하는 장비 5개를 선정하였고, 선정된 장비들이 동시에 장애가 발생된 경우를 시각화를 통해 확인하였다. 장애 분석을 위해 수집된 서버 리소스 정보는 시계열 단위이며 흐름성을 가진다는 점에서 이전 상태를 통해 다음 상태를 예측할 수 있는 딥러닝 알고리즘인 LSTM(Long Short-term Memory)을 사용했다. 또한 단일 서버와 달리 복합장애는 서버별로 장애 발생에 끼치는 수준이 다르다는 점을 감안하여 Hierarchical Attention Network 딥러닝 모델 구조를 활용했다. 본 알고리즘은 장애에 끼치는 영향이 클 수록 해당 서버에 가중치를 주어 예측 정확도를 높이는 방법이다. 연구는 장애유형을 정의하고 분석 대상을 선정하는 것으로 시작하여, 첫 번째 실험에서는 동일한 수집 데이터에 대해 단일 서버 상태와 복합 서버 상태로 가정하고 비교분석하였다. 두 번째 실험은 서버의 임계치를 각각 최적화 하여 복합 서버 상태일 때의 예측 정확도를 향상시켰다. 단일 서버와 다중 서버로 각각 가정한 첫 번째 실험에서 단일 서버로 가정한 경우 실제 장애가 발생했음에도 불구하고 5개 서버 중 3개의 서버에서는 장애가 발생하지 않은것으로 예측했다. 그러나 다중 서버로 가정했을때에는 5개 서버 모두 장애가 발생한 것으로 예측했다. 실험 결과 서버 간 영향이 있을 것이라고 추측한 가설이 입증된 것이다. 연구결과 단일 서버로 가정했을 때 보다 다중 서버로 가정했을 때 예측 성능이 우수함을 확인했다. 특히 서버별 영향이 다를것으로 가정하고 Hierarchical Attention Network 알고리즘을 적용한 것이 분석 효과를 향상시키는 역할을 했다. 또한 각 서버마다 다른 임계치를 적용함으로써 예측 정확도를 향상시킬 수 있었다. 본 연구는 원인 규명이 어려운 장애를 과거 데이터를 통해 예측 가능하게 함을 보였고, 데이터 센터의 서버 내에서 발생하는 장애를 예측할 수 있는 모델을 제시했다. 본 연구결과를 활용하여 장애 발생을 사전에 방지할 수 있을 것으로 기대된다.

• 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.