• 대한핵의학회지
• /
• 제31권1호
• /
• pp.19-29
• /
• 1997

목 적 : 본 연구의 목적은 IPT 약역학 컴퓨터시뮬레이션을 이용하여 혈류공급량, 도파민 운반체량 그리고 시간의 함수인 혈류와 도파민 운반체의 민감도를 측정하고 간편화된 정적 영상을 얻을 수 있는가의 가능성과 그 경우 도파민 운반체량의 변화를 어느 정도 반영하는가를 측정하고자 하는 것이었다. 또한 실제 결합능을 나타낸다고 가정된 $k_3/k_4$의 비를 반영하는 (BG-OCC)/OCC와 (ABBG-ABOCC)/ABOCC의 비를 이용한 방법과 그래프적 분석 방법의 정확성 및 유용성과 방사성의약품의 약역학을 분석하는 기법을 연구하고자 하였다. 방 법 : [I-123]IPT와 SPECT로 얻은 약 2시간 동적 선조체 시간방사능곡선, 동적 피 시간방사능곡선, 그리고 삼구획 역학모형을 이용, $K_1,\;k_2\;k_3\;k_4$ 속도상수들을 획득하였다. 위의 동적 피 시간방사능곡선과 속도상수들 중 혈류공급과 관련된 $K_l$ 또는 도파민 운반체량과 관련된 $k_3$의 양을 변경하면서 5분부터 5분씩 증가하여 120분까지의 혈류와 도파민 운반체의 민감도를 측정하였다. 또한 $k_3$의 양을 변화시킨 데이터를 이용하여 선조체와 후두엽에서의 시간방사능곡선을 계산한 후 각 방법의 정밀도를 측정하기 위해 (BG-OCC)/OCC와 $R_A$ 비값들과 그래프적 분석 방법을 이용하여 구한 $R_A$값들과 참값 $k_3/k_4$의 관계를 시간방사능곡선과 선형회귀 분석으로 계산하였다. 결 과 : 선조체와 후두엽에서의 $K_1,\;k_2\;k_3\;k_4$ 속도상수는 각각 $1.26{\pm}5.41%,\;0.044{\pm}19.58%,\;0.031{\pm}24.36%,\;0.008{\pm}22.78%$와 $1.36{\pm}4.76%,\;0.170{\pm}6.89%,\;0.007{\pm}23.89%,\;0.007{\pm}45.09%$이었다. 이들 속도상수를 이용하여 얻은 혈류 민감도와 도파민 운반체의 민감도는 30분, 60분, 90분, 120분에 각각 0.50, 0.35, 0.29, 0.23 그리고 0.19, 0.40, 0.53, 0.61이었다. 실제 속도상수의 비 $k_3/k_4$에 대한 (BG-OCC)/OCC와 $R_A,\;R_v$간의 상관계수는 각각 0.983, 0.984, 0.999이었으며 그때의 기울기는 각각 1.76, 0.47, 1.25이었다. 결 론 : IPT 약역학은 시간이 흐름에 따라 혈류량의 변동에 비해 도파민 운반체량의 변동에 더욱 민감한 경향을 보였으며 $k_3/k_4$에 대한 (BG-OCC)/OCC, $R_A,\;R_v$의 결과간에 좋은 상관관계를 가졌다. 따라서 이러한 약역학 컴퓨터시뮬레이션이 SPECT 영상을 이용한 도파민 운반체 또는 수용체 정량분석을 최적화하는데 매우 유용할 것으로 생각된다.

• 한국조경학회지
• /
• 제51권3호
• /
• pp.70-82
• /
• 2023

최근 IT 기술과 데이터의 범람으로 생활 전반적인 부분의 패러다임이 전환되고 있다. 이러한 기술의 발전과 변화는 학술영역에도 영향을 미치고 있다. 학문적 교류와 연계를 통해 연구주제나 연구 방법의 개선이 이루어지고 있다. 특히, 데이터 기반의 연구 방법이 다양한 학문분야에서 진행되고 있으며 조경학에서도 지속적인 연구가 필요한 시점이다. 따라서 본 연구에서는 이러한 시대적 상황을 반영하여 인공지능의 한 분야인 머신러닝을 활용한 경관 선호 평가 및 예측모델의 개발 가능성을 알아보는 것을 목표로 한다. 본 연구의 목표를 달성하기 위하여 경관 분야에 머신러닝 기법을 적용하여 경관 선호 평가 및 예측 모델을 구축하고, 구축된 모형의 모의정도를 검증하였다. 이를 위해 본 연구에서는 최근 신재생에너지 사업으로 주목받는 풍력발전시설 경관 이미지를 연구대상으로 선정하였다. 분석을 위하여 풍력발전시설 경관 이미지를 웹크롤링 기법을 활용하여 수집하고 분석 테이터셋을 구축하였다. 우수한 성능의 예측모델 도출을 위하여 머신러닝 분석에 활용되는 University of Ljubljana의 프로그램인 오렌지 버전 3.33을 활용하였다. 또, 머신러닝 학습데이터의 평가기준을 통합한 모델과 평가기준 별도 모델 구조를 활용하였으며, 머신러닝 분류모델에 적합한 kNN. SVM, Random Forest, Logistic Regression, Neural Network 알고리즘을 사용해 모델을 생성하였다. 생성된 모델을 성능 평가를 실시하여 본 연구에 가장 적합한 예측모델을 도출하였다. 본 연구에서 도출된 예측모델은 경관의 유형에 따른 분류, 경관과 대상의 시거리에 따른 분류, 선호에 따른 분류 등 3가지 평가기준을 별도로 평가 후 종합해 예측하여 결과를 도출하였다. 연구 결과 경관 유형에 따른 평가 기준 정확도 0.986, 시거리에 따른 평가 기준 정확도 0.973, 선호에 따른 평가 기준 정확도 0.952에 달하는 높은 정확도를 가진 예측모델을 개발하였으며, 평가데이터 예측 결과를 통한 검증과정을 보아도 모델의 성능 치를 상회하는 성과를 도출했음을 알 수 있다. 경관 관련 연구에서 머신러닝을 활용한 예측모델 개발 가능성을 알아본 실험적 시도로 이미지 데이터의 수집 및 정제를 통해 데이터 세트를 구축하여 높은 성능의 예측모델이 생성 가능하며, 이후 경관 관련 연구 분야에 활용될 수 있다는 가능성을 확인할 수 있었다. 본 연구의 결과와 시사점, 한계점을 반영한다면 풍력발전시설의 경관뿐만 아니라 자연경관이나 문화경관 등 다양한 형태의 경관 예측모델 개발이 가능할 것으로 생각되며, 경관 유형에 따라 이미지를 분류하는 모델의 연구를 통해 데이터 분류의 시간을 단축하거나 머신러닝을 활용한 경관예측 인자분석을 통해 경관계획 요소의 중요도 분석 등의 주제에 맞는 연구 방법을 탐색하고 적용하여 후속 연구를 진행한다면 조경학 분야에서도 머신러닝 기법을 보다 유용하고 가치 있게 활용할 수 있을 것으로 생각된다.