본 연구는 고밀도폴리에틸렌 코편을 마스크에 적용 후 MRI 검사에 사용하여 SNR의 변화를 측정하고 만족도를 평가하였다. 연구 방법은 팬텀을 이용하여 HDPE 마스크 적용 전 후의 SNR 측정과 KF 94 마스크 적용 전 후의 SNR 측정을 하였고, 사용한 기법은 T1WI, T2WI, DWI였다. 또한 HDPE 마스크 착용군의 T2 mDixon, 3D T1영상 획득 후 안와와 교뇌의 SNR을 측정하였고, 설문을 통하여 MRI 검사 시 답답함 정도와 호흡의 용이성, HDPE 마스크의 선호도 평가를 하였다. 팬텀 실험 결과 HDPE 마스크 사용 전과 후의 SNR은 유의한 차이가 없었으며(p>0.05), KF 94 마스크는 적용 전 값과 유의한 차이가 있었다(p<0.05). HDPE 마스크 착용군의 SNR 측정 결과에서는 미착용군과 유의한 차이는 없었다(p>0.05). 마스크 착용 후 답답한 정도 측정 결과 착용군은 3.53 ± 0.73, 미착용군은 3.83 ± 0.75이었고, 호흡의 용이성 측정 결과 HDPE 마스크 착용군은 3.1 ± 0.89, 미착용군은 3.27 ± 0.91으로 나타났고, 두 조사 결과 모두 유의한 차이는 없었다(p>0.05). HDPE 마스크의 선호도는 4.48 ± 0.54으로 선호도가 높은 것으로 나타났다. 본 연구 결과 HDPE 마스크는 착용 후에도 MRI 영상의 신호 변화 없이 정확한 검사가 가능하고 환자의 만족도 또한 높게 평가되었기에 검사 중 호흡기 감염 예방을 위해 적극적으로 사용되어야 할 것으로 사료된다.

It is highly challenging to measure the efficiency of electric vehicle charging stations (EVCSs) because factors affecting operational characteristics of EVCSs are time-varying in practice. For the efficiency measurement, environmental factors around the EVCSs can be considered because such factors affect charging behaviors of electric vehicle drivers, resulting in variations of accessibility and attractiveness for the EVCSs. Considering dynamics of the factors, this paper examines the technical efficiency of 622 electric vehicle charging stations in Seoul using data envelopment analysis (DEA). The DEA is formulated as a multi-period output-oriented constant return to scale model. Five inputs including floating population, number of nearby EVCSs, average distance of nearby EVCSs, traffic volume and traffic congestion are considered and the charging frequency of EVCSs is used as the output. The result of efficiency measurement shows that not many EVCSs has most of charging demand at certain periods of time, while the others are facing with anemic charging demand. Tobit regression analyses show that the traffic congestion negatively affects the efficiency of EVCSs, while the traffic volume and the number of nearby EVCSs are positive factors improving the efficiency around EVCSs. We draw some notable characteristics of efficient EVCSs by comparing means of the inputs related to the groups classified by K-means clustering algorithm. This analysis presents that efficient EVCSs can be generally characterized with the high number of nearby EVCSs and low level of the traffic congestion.