• 제목/요약/키워드: diagnostic model

검색결과 854건 처리시간 0.029초

교수유형 진단에 따른 교수 맞춤형 교육과정 개발 연구 : 교육역량 기반의 교수유형을 중심으로 (Research on the Development of Customized Faculty Training Curriculum based on Diagnosis of Teaching Styles: Focusing on Teaching Styles based on Educational Competencies)

  • 이성아;윤혜진
    • 기독교교육논총
    • /
    • 제77권
    • /
    • pp.251-276
    • /
    • 2024
  • 연구 목적: 본 연구는 대학의 교육 질을 제고하기 위해 교수들의 교육 역량을 강화할 수 있는 방안으로 교수 유형을 설정하고, 해당 유형을 평가할 수 있는 진단 도구를 개발한 후, 유형에 맞는 맞춤형 교육 과정을 개발하는 것이다. 연구 내용 및 방법: 이 연구를 위해 문헌 연구와 델파이 기법을 활용했다. 연구 결과는 다음과 같다. 첫째, 선행 연구를 분석하여 세 가지 새로운 교수 스타일 유형(스타강사형, 학습 멘토형, 디자이너형)을 도출했다. 둘째, 국내외에서 널리 사용되는 Grasha의 티칭 스타일 검사를 수정 및 보완해 유형별로 8문항씩 총 24개 문항으로 진단 도구를 개발했다. 셋째, 교수 유형별 교육 커리큘럼을 개발했는데, 모든 유형에서 필요한 공통 과정과 각 유형별 특화 과정으로 구성했다. 넷째, 개발된 모형, 도구, 커리큘럼의 타당성을 10명의 전문가 델파이 방법을 통해 검증하고 확정했다. 결론 및 제언: 본 연구를 통해 교수는 자신의 유형을 인식하고 맞춤형 교육을 받을 수 있는 기반을 마련했다. 이는 개별 교수의 강점과 선호하는 교수법을 강화하고, 교육 역량을 향상시키는 데 기여할 것이다. 그러나 이러한 성과를 시스템적으로 활용하기 위해서는 추가적인 연구가 필요하다. 특히, 교수자에 대한 인센티브 제공과 참여 교수 간의 정보 공유를 촉진할 방안에 대한 연구가 더 필요할 것이다.

평균 형상 모델과 SIFT 특징을 이용한 TRUS 영상의 전립선 분할 (A Prostate Segmentation of TRUS Image using Average Shape Model and SIFT Features)

  • 김상복;서영건
    • 정보처리학회논문지:소프트웨어 및 데이터공학
    • /
    • 제1권3호
    • /
    • pp.187-194
    • /
    • 2012
  • 전립선암은 남자에게 가장 흔히 나타나는 암 중의 하나이며, 많은 나라에서 죽음에 이르게 하는 큰 요인이 되고 있다. 전립선암을 진단하고 치료하는 과정에서 비용이 싼 TRUS 영상이 사용된다. 그러나 전립선 경계의 정확한 구분이 요구되지만 어려운 문제이다. 그 이유는 경계가 불명확하고, 반점들이 많으며, 그레이 레벨의 범위가 작기 때문이다. 본 연구에서는 전립선의 평균 형상 모델과 불변의 특징을 이용하여 TRUS 영상에서 자동으로 전립선 분할하는 방법을 제안한다. 이 방법은 4 단계로 구성된다. 먼저, 에지 분포를 이용하여 프로브와 두개의 직선을 찾아낸다. 다음으로, 평균 형상 모델의 중앙에 위치한 3개의 전립선 패치를 획득한다. 이 패치는 전립선과 비전립선의 특징을 비교하기 위해 사용된다. 다음으로, 세 개의 패치와 각 블록들이 얼마나 대표 블록과 유사한지를 비교한다. 마지막으로, 앞 단계의 경계와 첫 단계에서 얻은 개략적 경계가 최종 분할에 사용된다. 이 방법의 유효성을 검증하기 위하여 실험을 하였으며, 인간 전문가에 의해 얻어진 경계와 비교하여 7.78% 미만의 차이로 경계를 얻을 수 있었다.

인공 치아우식 발생 모델에서 디지털 방사선 공제술을 이용한 인접면 치아우식증의 진단 (Proximal caries detection using digital subtraction radiography in the artificial caries activity model)

  • 박정훈;최용석;황의환;이기자;최삼진;박영호;김경숙;진현석;홍경원;오범석;박헌국
    • Imaging Science in Dentistry
    • /
    • 제39권1호
    • /
    • pp.35-39
    • /
    • 2009
  • Purpose: The purpose of the experiment was to evaluating the diagnostic ability of dental caries detection using digital subtraction in the artificial caries activity model. Materials and Methods: Digital radiographies of five teeth with 8 proximal surfaces were obtained by CCD sensor (Kodak RVG 6100 using a size #2). The digital radiographic images and subtraction images from artificial proximal caries were examined and interpreted. In this study, we proposed novel caries detection method which could diagnose the dental proximal caries from single digital radiographic image. Results: In artificial caries activity model, the range of lesional depth was $572-1,374{\mu}m$ and the range of lesional area was $36.95-138.52mm^2$. The lesional depth and the area were significantly increased with demineralization time (p<0.001). Furthermore, the proximal caries detection using digital subtraction radiography showed high detection rate compared to the proximal caries examination using simple digital radiograph. Conclusion: The results demonstrated that the digital subtraction radiography from single radiographic image of artificial caries was highly efficient in the detection of dental caries compared to the data from simple digital radiograph.

  • PDF

기독교 대학에서의 학습 상황 진단 도구 개발을 위한 모형 설계 및 제안 (Model Design and Proposal for the Development of a Learning Status Diagnostic Tool at a Christian University)

  • 이성아;권경만
    • 기독교교육논총
    • /
    • 제61권
    • /
    • pp.203-232
    • /
    • 2020
  • 본 연구는 대학생의 학업생활에 영향을 미치는 다양한 분야들을 선행 연구를 통해 파악하고, 그 영역별 요인들을 진단할 수 있도록 하위요인을 도출하였다. 그 후, 설계 원리를 수립하고, 학습 상황 진단 도구 개발을 위한 모형을 설계하는 연구이다. 우선 연구를 위해 대학생들의 역량, 대학생활 및 학업 저성취자 연구, 학사경고자 연구 등을 토대로 어떤 요인들이 학업에 영향을 주고 있는지를 파악하였고, 특히 학업을 실패하도록 만드는 요인이 무엇인지를 살펴 보았으며, 그것들을 토대로 진단할 수 있게 하위요인들을 설정하였다. 선행 연구를 통해 설정된 영역은 심리적 차원, 학습적 차원, 진로적 차원으로 나누어 졌고, 기독교 대학 학생들을 위해 모형을 제시하고자 하였기에, 신앙 영역도 요인으로 설정하여 완성하였다. 그 후에는 각 영역별 하위요인을 구성하였는데, 초안 모형에서는 신앙영역 하위에 신앙성숙도와 신앙훈련, 심리영역 하위에 긍정적 사고, 정서 조절, 자아 존중감, 학습역역 하위에 자기 주도적 학습능력, 학습동기, 학습전략, 마지막으로 진로영역 하위에 진로성찰, 진로탐색, 진로관리, 진로탐색장애의 요소로 구성하였다. 이후 기독교인이면서 교육학 박사로 대학 및 교육 관련 기관에 재직 중인 10명의 전문가 집단을 통해 델파이 연구를 수행하였다. 델파이를 위해 본 연구의 취지를 설명하고, 모형의 적합성, 모형을 이루는 영역, 그 하위의 요인 등에 대해 타당성을 검증하였는데, 그 결과, 초기 4개 영역 12개 하위영역이었던 모형은 하위 요인 기준으로 신앙훈련, 정서조절, 진로성찰의 하위요인이 타당하지 않다는 결론에 이르러 삭제하게 되었고, 최종적으로 4개 영역의 9개 요인, 즉 신앙-신앙성숙도, 심리-긍정적 사고, 자아 존중감, 학습-자기 주도적 학습능력, 학습동기, 학습전략, 진로-진로탐색, 진로관리, 진로탐색장애의 요인을 갖춘 모형으로 완성되었다. 본 연구 대학생, 특히 기독교 대학의 학생들이 학습을 성공적으로 이끌어가기 위한 진단 도구 개발의 선행적 연구로, 설계 모형과 그 하위 영역, 요인 등을 제안하는 연구였다. 따라서 향후 본 모형을 토대로 기독교 대학의 학생들의 학습 상황을 진단할 수 있는 실질적 도구개발 연구도 수행되어야 할 것이다.

전이함수를 통한 광릉 산림 유역의 토양수분 모델링 (Soil Moisture Modelling at the Topsoil of a Hillslope in the Gwangneung National Arboretum Using a Transfer Function)

  • 최경문;김상현;손미나;김준
    • 한국농림기상학회지
    • /
    • 제10권2호
    • /
    • pp.35-46
    • /
    • 2008
  • 토양수분은 사면에서의 수문학적 과정의 가장 중요한 요소이며, 불포화대에서의 흐름을 결정하는 중요요소이다. 본 연구는 전이함수모형을 이용하여 토양수분의 시간적 공간적 분포 양상을 인지하고자 한다. 이를 위하여, 광릉 수목원 슈퍼사이트 원두부 소유역 내에서 TDR을 이용하여 2시간 간격으로 연속 측정한 10cm 깊이의 토양수분 결과를 전이함수를 통하여 분석하였다. 강우 자료를 입력변수로, 지표면으로부터 10cm 깊이의 실측 토양수분 자료를 출력변수로 선정하여 단일 입출력 전이함수를 전개하였다. 토양수분의 계절적인 변화를 분석하기 위해 5월과 9월의 전이함수를 비교하였다. 시계열 전이 함수는 크게 자료의 전처리, 모형구조의 규명, 후보 모형군의 구성, 모수추정, 모형진단 등의 과정을 통해서 전개되며 10cm 깊이의 토양수분과 강우의 상관관계를 보여준다. 도출한 전이함수 시계열 모형에서 10cm 깊이의 토양수분은 강우에 의한 영향이 지배적이었으며, 지점별 경사에 따라 토양수분의 변동성이 크게 차이를 나타내지 않았다. 이는 10cm 깊이의 토양수분 변동량은 각 지점의 경사보다 강우에 의한 반응이 우세하다는 것을 시사한다. 계절별로 상이한 모의 결과는 식생의 활동이 활발한 5월에는 식생이 토양수분 이동에 많은 영향을 미치며 식생이 토양수분을 해석하는데 중요한 변수로 작용함을 나타낸다. 본 연구 결과는 광릉 산림과 같은 복잡 경관에서 토양수분의 분포를 이해하는 기반자료가 될 것으로 기대된다.

유한요소법을 이용한 인두의 기능이상에 대한 생체역학적 모델 (A Biomechanical Modeling of Human Pharyngeal Muscular Dysfunction by Using FEM(Finite Element Method))

  • 김성재;배하석;최병철;김성민
    • 대한의용생체공학회:의공학회지
    • /
    • 제24권6호
    • /
    • pp.515-522
    • /
    • 2003
  • 인두는 구강과 식도, 비강과 폐의 중간에서 능동적으로 구강을 통해 섭취되는 음식물과 비강을 통해 흡입되는 공기의 통로역할을 하는 주요한 기관이다. 본 연구는 유한요소기법을 이용한 인두의 3차원 구조의 재구성 과정을 거쳐 인두의 생체역학모델을 구현하였으며, 연하곤란환자의 인두근육의 주요부분에 대한 구조적 변형특성을 3가지로 분류하여 유한요소기법을 이용하여 인두내의 압력에 대한 형상의 변형을 관찰 후 최적화 과정을 거쳐 각 부분에서의 추정 압력 구배를 측정하여 연하과정에서 내부에 생성되는 압력의 연속적인 압력분포를 추정하였다. CT에 의한 인두의 변형 형상을 추정하여 임의 압력에 의한 인두구조의 변형 형상을 유한요소 해석에 의해 계산한 후 비교하여 실제 인두강 내에 형성되는 압력을 추정하였다. 재료적 특성은 인두의 기능이상 시 근조직경화가 발생, 즉 stiffness 가 증가하는 것으로 가정하여 응력-변형률 관계에 있어서 각각 $25\%,\;50\%,\;75\%$씩 증가시켜 분석하였다. 이러한 인두의 생체역학모델은 인두기능장애를 가진 환자의 치료 계획 수립에 도움이 되는 유용한 자료를 제공 할 것으로 생각된다.

CT 영상 기반 근감소증 진단을 위한 AI 영상분할 모델 개발 및 검증 (Development and Validation of AI Image Segmentation Model for CT Image-Based Sarcopenia Diagnosis)

  • 이충섭;임동욱;노시형;김태훈;고유선;김경원;정창원
    • 정보처리학회논문지:컴퓨터 및 통신 시스템
    • /
    • 제12권3호
    • /
    • pp.119-126
    • /
    • 2023
  • 근감소증은 국내는 2021년 질병으로 분류되었을 만큼 잘 알려져 있지 않지만 고령화사회에 진입한 선진국에서는 사회적 문제로 인식하고 있다. 근감소증 진단은 유럽노인근감소증 진단그룹(EWGSOP)과 아시아근감소증진단그룹(AWGS)에서 제시하는 국제표준지침을 따른다. 최근 진단방법으로 절대적 근육량 이외에 신체수행평가로 보행속도 측정과 일어서기 검사 등을 통하여 근육 기능을 함께 측정할 것을 권고하고 있다. 근육량을 측정하기 위한 대표적인 방법으로 DEXA를 이용한 체성분 분석 방법이 임상에서 정식으로 실시하고 있다. 또한 MRI 또는 CT의 복부 영상을 이용하여 근육량을 측정하는 다양한 연구가 활발하게 진행되고 있다. 따라서 본 논문에서는 근감소증 진단을 위해서 비교적 짧은 촬영시간을 갖는 CT의 복부영상기반으로 AI 영상 분할 모델을 개발하고 다기관 검증한 내용을 기술한다. 우리는 CT 영상 중에 요추의 L3 영역을 분류하여 피하지방, 내장지방, 근육을 자동으로 분할할 수 있는 인공지능 모델을 U-Net 모델을 사용하여 개발하였다. 또한 모델의 성능평가를 위해서 분할영역의 IOU(Intersection over Union)를 계산하여 내부검증을 진행했으며, 타 병원의 데이터를 활용하여 동일한 IOU 방법으로 외부검증을 진행한 결과를 보인다. 검증 결과를 토대로 문제점과 해결방안에 대해서 검증하고 보완하고자 했다.

이중에너지 전산화단층촬영을 이용한 요로결석의 성분 분석에 관한 연구 (Classification of Urinary Stone into Uric Acid & Non-uric Acid by Dual-Energy)

  • 정명진;김성길
    • 한국방사선학회논문지
    • /
    • 제17권6호
    • /
    • pp.835-841
    • /
    • 2023
  • 팬텀모델에서 이중에너지 전산화단츨촬영(DECT)를 이용한 요로결석의 성분분석을 통해 임상적 유용성에 대해 알아보고자 한다. 17명의 환자로부터 요로결석을 추출하여, 작은 플라스틱 병(Plastic Bottle) 안에 각각의 요로결석을 삽입한 후, 인체와 비슷한 돈육을 이용하여 실험팬텀을 제작하였다. 640-Slice MSCT(Auquilion ONE, Toshiba Medical Center, Japan)의 이중에너지 방식에서 Volume scan 방식을 사용하여 촬영하였고, 얻어진 두 가지의 영상을 Dual-energy software("DE stone Analysis" software version 4.3, Toshiba)에서 요산석과 비요산석의 성분분석하고 HU값을 각각 측정하였다. 요로결석의 성분은 전체 17개의 요로결석 중에서 요산석은 6개(35.29%)였고, 비요산석은 11개(64.71%)로 나타났다. 요산석의 경우 135kV는 348.87±166.37, 100kV는 345.33±151.18, 80kV는 337.94±172.77로 나타났고, 비요산석의 경우 135kV는 551.93±297.09, 100kV는 747.04±351.31, 80kV는 958.19±424.72로 나타났다. 80kV에서는 요산석과 비요산석의 HU값의 차이가 통계적으로 유의한 차이를 보였고(P<0.05), 비요산석의 경우에 80kV와 135kV의 HU값은 통계적의 유의한 차이를 보였다(P<0.05). 시술 후 적출된 요로결석을 이용한 팬텀실험연구에서는 DECT를 이용하여 에너지에 따라 서로 다르게 변화하는 HU값의 차이로 요산석과 비요산석을 구분할 수 있었다. 향후, 이중에너지에 대한 연구와 재구성방법의 연구가 진행된다면, 요로결석의 치료에 DECT가 유용할 것으로 기대된다.

A Study on the Domain Discrimination Model of CSV Format Public Open Data

  • Ha-Na Jeong;Jae-Woong Kim;Young-Suk Chung
    • 한국컴퓨터정보학회논문지
    • /
    • 제28권12호
    • /
    • pp.129-136
    • /
    • 2023
  • 정부는 공공데이터 품질관리 수준평가를 진행하여 공공 개방데이터의 품질관리를 진행하고 있다. 공공 개방데이터는 XML, JSON, CSV 등 여러 오픈포맷 형태로 제공되며 CSV 형식이 대다수를 차지한다. 이러한 CSV 형식의 공공 개방데이터 품질진단 시 품질진단 담당자가 공공 개방데이터 파일의 필드명과 필드 내 데이터에 의존하여 필드 별 도메인을 판단하여 진단한다. 그러나 대량의 개방 데이터 파일을 대상으로 품질진단을 수행하기 때문에 많은 시간이 소요된다. 또한 의미 파악이 어려운 필드의 경우 품질진단의 정확성이 품질진단 담당자의 데이터 이해도 역량의 영향을 받는다. 본 논문은 필드명과 데이터 분포 통계를 이용한 CSV 형식 공공 개방데이터의 도메인 판별 모델을 제안하여 품질진단 결과가 품질진단 담당자의 역량에 좌지우지 되지 않도록 일관성과 정확성을 보장하고 진단 소요 시간 단축을 지원한다. 본 논문의 모델 적용 결과 행정안전부에서 제공하는 파일형식 개방데이터 진단도구보다 2.8% 높은 약 77%의 정답률을 보였다. 이를 통해 공공데이터 품질관리 수준진단·평가에 제안 모델 적용 시 정확성을 향상시킬 수 있을 것으로 기대한다.

Automated Detection and Segmentation of Bone Metastases on Spine MRI Using U-Net: A Multicenter Study

  • Dong Hyun Kim;Jiwoon Seo;Ji Hyun Lee;Eun-Tae Jeon;DongYoung Jeong;Hee Dong Chae;Eugene Lee;Ji Hee Kang;Yoon-Hee Choi;Hyo Jin Kim;Jee Won Chai
    • Korean Journal of Radiology
    • /
    • 제25권4호
    • /
    • pp.363-373
    • /
    • 2024
  • Objective: To develop and evaluate a deep learning model for automated segmentation and detection of bone metastasis on spinal MRI. Materials and Methods: We included whole spine MRI scans of adult patients with bone metastasis: 662 MRI series from 302 patients (63.5 ± 11.5 years; male:female, 151:151) from three study centers obtained between January 2015 and August 2021 for training and internal testing (random split into 536 and 126 series, respectively) and 49 MRI series from 20 patients (65.9 ± 11.5 years; male:female, 11:9) from another center obtained between January 2018 and August 2020 for external testing. Three sagittal MRI sequences, including non-contrast T1-weighted image (T1), contrast-enhanced T1-weighted Dixon fat-only image (FO), and contrast-enhanced fat-suppressed T1-weighted image (CE), were used. Seven models trained using the 2D and 3D U-Nets were developed with different combinations (T1, FO, CE, T1 + FO, T1 + CE, FO + CE, and T1 + FO + CE). The segmentation performance was evaluated using Dice coefficient, pixel-wise recall, and pixel-wise precision. The detection performance was analyzed using per-lesion sensitivity and a free-response receiver operating characteristic curve. The performance of the model was compared with that of five radiologists using the external test set. Results: The 2D U-Net T1 + CE model exhibited superior segmentation performance in the external test compared to the other models, with a Dice coefficient of 0.699 and pixel-wise recall of 0.653. The T1 + CE model achieved per-lesion sensitivities of 0.828 (497/600) and 0.857 (150/175) for metastases in the internal and external tests, respectively. The radiologists demonstrated a mean per-lesion sensitivity of 0.746 and a mean per-lesion positive predictive value of 0.701 in the external test. Conclusion: The deep learning models proposed for automated segmentation and detection of bone metastases on spinal MRI demonstrated high diagnostic performance.