Nowadays, artificial intelligence model approaches such as machine and deep learning have been widely used to predict variations of water quality in various freshwater bodies. In particular, many researchers have tried to predict the occurrence of cyanobacterial blooms in inland water, which pose a threat to human health and aquatic ecosystems. Therefore, the objective of this study were to: 1) review studies on the application of machine learning models for predicting the occurrence of cyanobacterial blooms and its metabolites and 2) prospect for future study on the prediction of cyanobacteria by machine learning models including deep learning. In this study, a systematic literature search and review were conducted using SCOPUS, which is Elsevier’s abstract and citation database. The key results showed that deep learning models were usually used to predict cyanobacterial cells, while machine learning models focused on predicting cyanobacterial metabolites such as concentrations of microcystin, geosmin, and 2-methylisoborneol (2-MIB) in reservoirs. There was a distinct difference in the use of input variables to predict cyanobacterial cells and metabolites. The application of deep learning models through the construction of big data may be encouraged to build accurate models to predict cyanobacterial metabolites.

Benthic attached diatoms (BADs), a major primary producer in lotic stream and river ecosystems are micro-sized organisms and require a highly magnified microscopic technique in the observation work. Thus, it is often not easy to ensure accuracy and precision in both qualitative and quantitative analyses. This study proposed a new technique applicable to improve quality control of aquatic ecosystem monitoring and assessment using BADs. In order to meet the purpose of quality control, we developed a permanent mounting slide technique which can be used for both qualitative and quantitative analyses simultaneously. We designed specimens with the combination of grid on both cover and slide glasses and compared their efficiency. As a result of observation and counting of BADs, the slide glass designed with the color-lined grid showed the highest efficiency compared to other test conditions. We expect that the method developed in this study could be effectively used to analyze BADs and contributed to improve the quality control in aquatic ecosystem health monitoring and assessment.

조절하천의 낙동강에서 겪고 있는 부영양화와 조류 대발생 (유해남조의 녹조현상 및 담수적조)은 국내외적으로 가장 급속하게 확대되고 있는 수질문제이며, 다양한 집단에서 지대한 관심을 가지게 한 분야 중 하나이다. 본 연구는 2013년 1월부터 2017년 7월까지 낙동강의 8개 보 pools에서 주요 수질 환경요인을 주 간격으로 조사하였고, 우점조류와 상호 관련성을 비교 분석하였다. 연강수량은 2016년(보 평균 940.7 mm)에 많았고, 2015년 (672.8 mm)에 적었다. 장마·폭염기 (6~9월) 강우는 총강수량의 48.1%이었고, 상·하류간에 차이가 컸다. 총방류량 중 소수력발전, 월류 및 어도가 차지하는 비율은 각각 37.4%, 60.1%, 2.5%로서 홍수기를 제외하고 발전방류에 의한 비중이 매우 컸다. 방류량은 대부분 유입량에 비례하였으나, 취수량이 집중되는 보에서 다른 양상도 관찰되었다. 이것은 수위강하, 물 교환율과 연관되었고, 유해남조와 담수적조의 대발생에 심각한 영향을 초래하였다. 수온과 DO 농도의 변화는 기상·수문학적 영향이 지배적이었는데, 온도변화 뿐만 아니라 강우의 특성에 따라 변화 양상이 포착되었다. Chl-a의 평균농도 (최대값)는 SAJ~GAJ와 DAS~HAA구간에서 각각 17.6 mg m-3 (98.2 mg m-3), 29.6 mg m-3 (193.6 mg m-3)이었고, 하수의 영향이 절대적인 하류부에서 증가하는 경향이 현저하였다. 우점조류의 분류군 조성은 총 48속으로 규조 14속, 남조 8속, 녹조 18속 및 편모조 8속으로 각각 구성되었다. 유해 녹조현상과 담수적조의 주요 원인조류는 각각 남조 Microcystis와 규조 Stephanodiscus 개체군이었다.

십이지장 벽내혈종은 70-75%는 복부 둔상에 의해 발생하며 그 외 항응고제 사용이나 혈액응고장애에 의한 자발적 출혈, 치료적 내시경 시술 후 합병증의 증례가 보고되었으나 췌장염에 의한 증례는 드물다. 75세 남자가 전복부통증, 오심, 구토로 내원하여 시행한 전산화 단층촬영과 상부 위장관 내시경에서 급성 알코올성 췌장염으로 인해 발생한 십이지장 벽내혈종이 관찰되었으며 내과적 보존 치료로 급성 췌장 염을 치료하여 벽내혈종까지 흡수되었다. 이는 급성 알코올 성 췌장염에서 십이지장 벽내혈종이 발생할 수 있으며 수술 적 치료를 시행하지 않고 내과적 보존적 치료를 초 치료로 시행해 볼 수 있는 임상경과를 보여주기에 저자들은 이를 보고한다.