• Restorative Dentistry and Endodontics
• /
• 제35권6호
• /
• pp.453-460
• /
• 2010

연구목적: 치주질환이나 보철치료 계획으로 발치 예정인 성인 환자들을 대상으로 2 종의 전자근관장측정기를 사용하여 얻은 측정치의 정확성 (accuracy)을 평가하고, 현미경을 사용하여 각각 0.5 mark와 Apex mark 중에서 어느 지점에서 더 일관성 (consistency)을 보이는지를 비교하는 것이다. 연구 재료 및 방법: 치주 및 보철치료계획으로 인해 발거 예정인 26개의 건전한 치아들에서 13개는 Root ZX를 이용하여 측 정하였고, 나머지 13개는 i-ROOT를 이용하여 측정하였다. 국소마취를 시행 후 러버댐을 적용한 후 치아의 치수강을 개방하였다. 이때 교합면을 치아 장축에 수직으로 삭제함으로써 근관장을 측정할 때 발생할 수 있는 오차를 최소화하였다. 모든 근관에서 0.5 mark에서 먼저 근관장을 측정한 후 file을 더 전진하여 Apex mark에서 근관장을 다시 측정하였고, 이 지점에서 file을 Light cured glass ionomer로 고정하였다. 이후 치아들을 발거한 후 생리식염수에 보관하였다. 각각 치아들의 치근단부 5 mm를 21.3배율의 현미경 하에서 치근의 장축 방향으로 고속핸드피스 다이아몬드 바를 사용하여 조금씩 삭제하여 치질을 조심스럽게 제거하여 file tip을 완전히 노출시켰다. 현미경 하에서 진행한 과정들은 현미경과 연결된 DVD recorder를 통해 저장하였다. 이 이미지를 영상분석 프로그램인 i-solution에 적용하여 file tip에서부터 주근단공까지의 최단거리를 측정하였다. 결과: 1. Apex mark 이용 시 Root ZX와 i-ROOT 모두에서 주근단공 ${\pm}0.5\;mm$ 이내의 부위를 100% 찾아내는 정확도를 보였다. 2. 0.5 mark 이용 시 Root ZX에서는 100%, i-ROOT에서는 77%에서 주근단공 ${\pm}0.5\;mm$ 이내의 부위를 찾아내는 정확도를 보였다. 3. 표준편차와 사분위 값으로 평가하였을 때 Root ZX에서는 Apex mark가 0.5 mark보다 일관성을 나타냈으며 i-ROOT에서는 0.5 mark가 Apex mark보다 일관성을 보였으나 t-test 결과에서는 통계적 유의차가 없었다. 4. Apex mark와 0.5 mark 차이는 Root ZX에서는 0.22 mm, i-ROOT에서는 0.46 mm를 보였다. 결론: Apex mark와 0.5 mark 모두 일관성에 있어서의 차이는 없으나 Apex mark의 측정치가 0.5 mark에 비하면 주근단공에 거의 일치하는 점을 고려해, 임상에서 근관장을 결정할 시 Apex mark 측정치를 먼저 구한 후 기존연구들에서 보고된 주근단공에서부터 근관협착부까지의 평균거리인 0.5 mm를 빼는 것이 좋을 것으로 사료된다.

• Applied Biological Chemistry
• /
• 제20권1호
• /
• pp.66-80
• /
• 1977

사과 증류주(apple One spirit) 숙성에 있어서 국산 참나무의 품종이 fine spirit숙성 술통재로서의 적성여부를 검토하는 기초적 연구의 일환으로 본 연구를 실행하여 다음과 같은 결과를 얻었다. 1. 양조 원료를 대체 할 수 있는 과실로서 현재 대량생산 되는 과실의 화학분석 결과는 다음과 같다. 사과 : (Apple) (Malus pumila Miller var domestica Schneider) 중 홍옥(Jonathan)은 총당 13.95%, 총산 0.46%, 휘발산 0.012%, pectin 0.20%, 국광(Ralls)은 총당 13.35%, 총산 0.43%, 휘발산 0.011%, pectin 0.455%이었다. 2. 사과중에는 당분과 산 이외에 cellulose, pectin, hemicellulose 등 때문에 사과즙수을이 떨어짐으로 Aspergillus niger SUAFM-430의 xylanase와 amylase, Aspergillus niger SUAFM-6의 cellulase, pectinase를 사과즙에 처리하여 사과즙의 수율을 향상시켰다. 그리고 이황산 처리로 과즙중 여러 미생물을 살균하고 배양효모로서 발효능이 우수한 sacharomyces cerevisiae var. ellipsoidens Rasse Johannisberg II (SUAFM-1018)을 사용하여 사과주를 양조하였다. 사과주(Apple wine)는 원료에 대한 수율이 $86{\sim}87%$이고 Jonathan, Ralls가 ethanol 13.5%, extract분 5.4%, methanol $0.04{\sim}0.05%$이었다. 3. 사과주의 증류수(fine spirit) 제조는 단식증류법(Pot still)으로 2회 증류로서 실험하였다. 사과(apple) fine spirit는 apple wine mash에 대한 수율이 86.6%이고, 홍옥(Jonathan) fine spirit는 pH 4.1, 국광(Ralls) fine spirit는 pH 4.2이었다. 4. 사과주를 증류하여 제조한 fine spirit를 숙성시키기 위하여 국산 참나무 24품종을 나무의 심재(心材) (Inner part)와 변재(邊材) (Outer part)를 사용하여 fine spirit의 숙성융통제를 선발하는 실험을 하였다. 참나무 24품종과 그의 심재, 변재 별로 참나무의 절편(oaa chip) $(1{\times}1{\times}5cm)$을 만들고 oakchip 2개를 각 fine spirit 300ml씩 들은 640ml용맥주병에 담그고, 6개월간 숙성시키면서 색, 향기, 맛 등을 조사하였다. A. 숙성용술통재 선발의 1차 screen결과로서 색추출속도가 우수한 참나무 품종은 다음 순서와 같다. 갈참나무(심재) Quercus aliena Blume(Inner part), 굴참나무(변재) Q variabilis Blume (Outer part), 갈참나무(변재) Q. aliena Blume (Outer part), 졸참나무(심, 변재) Q. serrata Thumb (Inner & Outer part), 신갈참나무(변, 심재) Q. mongolca Fisher (Outer & Inner part), 상수리 나무(변, 심재) Q. acutissima Carruthers (Outer & Inner part)의 순서등 5품종을 선정하였다. B. 숙성온도별 영향으로서 실온 $24{\sim}25^{\circ}C,\;30^{\circ}C,\;45^{\circ}C$ 별로 각 fine spirit에 oak chip을 넣고 숙성시킨 결과 $45^{\circ}C$에서 숙성시킨 것이 가장 숙성이 촉진 되었고 다음이 $30^{\circ}C$, 다음이 실온에서 한 순서의 경향이었다. C. 투명한 삼각후라스크에 각 fine spirit에 oak chip을 담그고 자외선 조사를 하여 3개월간 숙성 시켰드니 숙성효과가 contral구 보다 거의 2배가 촉진하는 흥미있는 사실을 확인하였다. D. 사과주에서 증류한 fine spirit 300ml에 2개의 oak chip을 담그어 숙성시킴에 있어 oak chip의 여러성분이 fine spirit에 용출되여 나오는 정도가 fine spirit의 pH에 중요한 관계가 있음을 알았다. E. 선정된 5개 품종의 oak chip과 블란서 참나무 술통재(Limousin white oak from France)를 control로 하여 각 사과주를 증류한 fine spirit에 2개의 oak chip($1{\times}1{\times}5cm$)을 담그고 실온, $(24{\sim}25^{\circ}C)$, $30^{\circ}C,\;45^{\circ}C$, 실온에서 자외선조사 하면서 각각 6개월간 매일주일 마다 진탕하면서 숙성시켰다. 6개월간 수성시킨 fine spirit(young brandy)의 관능 검사 결과는 다음과 같다. 불란서 oak chip의 실온 숙성한 fine spirit 하고 비슷한 것은 참갈나무 chip을 넣은 사과의 young bandy($45^{\circ}C$에서 숙성함)이었고 갈참나무 chip을 넣고 실온에서 UV-ray 조사한 사과의 young brandy는 불란서 oak chip의 실온 숙성한 young brandy 보다는 약간 떨어지지만 그런대로 국산 참나무를 각 fine spirit 숙성용으로 이용할 가치가 있음을 알았다.

• 지능정보연구
• /
• 제26권2호
• /
• pp.1-25
• /
• 2020

본 연구에서는 모바일 기기를 이용하여 획득한 가스계량기 사진을 서버로 전송하고, 이를 분석하여 가스 사용량 및 계량기 기물 번호를 인식함으로써 가스 사용량에 대한 과금을 자동으로 처리할 수 있는 응용 시스템 구조를 제안하고자 한다. 모바일 기기는 일반인들이 사용하는 스마트 폰에 준하는 기기를 사용하였으며, 획득한 이미지는 가스 공급사의 사설 LTE 망을 통해 서버로 전송된다. 서버에서는 전송받은 이미지를 분석하여 가스계량기 기물 번호 및 가스 사용량 정보를 추출하고, 사설 LTE 망을 통해 분석 결과를 모바일 기기로 회신한다. 일반적으로 이미지 내에는 많은 종류의 문자 정보가 포함되어 있으나, 본 연구의 응용분야인 가스계량기 자동 검침과 같이 많은 종류의 문자 정보 중 특정 형태의 문자 정보만이 유용한 분야가 존재한다. 본 연구의 응용분야 적용을 위해서는 가스계량기 사진 내의 많은 문자 정보 중에서 관심 대상인 기물 번호 및 가스 사용량 정보만을 선별적으로 검출하고 인식하는 관심 문자열 인식 기술이 필요하다. 관심 문자열 인식을 위해 CNN (Convolutional Neural Network) 심층 신경망 기반의 객체 검출 기술을 적용하여 이미지 내에서 가스 사용량 및 계량기 기물번호의 영역 정보를 추출하고, 추출된 문자열 영역 각각에 CRNN (Convolutional Recurrent Neural Network) 심층 신경망 기술을 적용하여 문자열 전체를 한 번에 인식하였다. 본 연구에서 제안하는 관심문자열 기술 구조는 총 3개의 심층 신경망으로 구성되어 있다. 첫 번째는 관심 문자열 영역을 검출하는 합성곱신경망이고, 두 번째는 관심 문자열 영역 내의 문자열 인식을 위해 영역 내의 이미지를 세로 열 별로 특징 추출하는 합성곱 신경망이며, 마지막 세 번째는 세로 열 별로 추출된 특징 벡터 나열을 문자열로 변환하는 시계열 분석 신경망이다. 관심 문자열은 12자리 기물번호 및 4 ~ 5 자리 사용량이며, 인식 정확도는 각각 0.960, 0.864 이다. 전체 시스템은 Amazon Web Service 에서 제공하는 클라우드 환경에서 구현하였으며 인텔 제온 E5-2686 v4 CPU 및 Nvidia TESLA V100 GPU를 사용하였다. 1일 70만 건의 검침 요청을 고속 병렬 처리하기 위해 마스터-슬레이브 처리 구조를 채용하였다. 마스터 프로세스는 CPU 에서 구동되며, 모바일 기기로 부터의 검침 요청을 입력 큐에 저장한다. 슬레이브 프로세스는 문자열 인식을 수행하는 심층 신경망으로써, GPU에서 구동된다. 슬레이브 프로세스는 입력 큐에 저장된 이미지를 기물번호 문자열, 기물번호 위치, 사용량 문자열, 사용량 위치 등으로 변환하여 출력 큐에 저장한다. 마스터 프로세스는 출력 큐에 저장된 검침 정보를 모바일 기기로 전달한다.