목적 : 본 연구는 한국표준산업분류에 따라 산재환자의 작업능력평가 세부항목 실시 데이터를 분석하여 업종별 직장복귀프로그램의 기초자료를 제시하는데 있다. 연구방법 : 후향적 코호트 조사 연구로 근로복지공단 소속병원의 전자의무기록을 활용하여 2018년 1월부터 2020년 12월까지 작업능력평가를 실시한 2,145명의 산재환자의 기초분석과 한국표준산업분류에 따라 건설업, 제조업, 전문ㆍ기술업, 시설 관리 및 서비스업, 운송업, 보건업 및 사회복지 서비스업으로 분류한 후 대상자들에게 시행된 작업능력평가 세부항목의 수행 빈도 차이를 분석하였다. 결과 : 작업능력평가에 참여한 대상자는 남성 1,798명(83.8%), 여성 347명(16.2%)이었으며, 연령대는 50-59세가 790명(36.8%)으로 가장 많았다. 산재 요양시작 이후 평균8.83 ± 5.32개월 시점에 평가가 이루어졌다. 제조업 692명(32.3%), 건설업 642명(29.9%), 전문ㆍ기술업 308명(14.4%)이 대부분이었고 손상 부위는 하지 손상이 736명(34.3%)으로 가장 많았다. 작업능력평가 시 포함된 세부 평가항목 중 어깨높이에서 밀기ㆍ당기기, 작업장 이동에서 걷기, 기어가기, 자세유지평가에서 무릎 꿇기 작업을 제외한 모든 항목에서 직업에 따라 유의한 차이가 있었다. 특히, 건설업에서 들기와 옮기기의 수행 빈도가 높았고, 가장 무거운 무게까지 평가를 했으며, 제조업에서는 자세유지평가 빈도가 높았다. 결론 : 본 연구에서 작업능력평가에 참여한 산재환자의 동향과 한국표준산업분류에 따라 실시되는 작업능력평가 세부항목 차이를 확인하여 임상에서 참고할 수 있는 기초자료를 제시하였다.

백한우는 한우에서 유래되었으며, 모색과 망막에 색소가 전혀 없는 전형적인 알비노 증상을 보인다. 본 연구는 mtDNA D-loop 영역 전체 서열에 기초하여 백한우의 모계유전특성을 분석하기 위해 수행하였다. 백한우에서 특이적으로 나타나는 TYR 유전자 exon 2 영역의 염기변이를 PCR-RFLP 분석을 통해 확인하였다. 이 결과를 통해서 본 연구에서 공시한 32두 모두 백한우임을 확인하였다. 백한우 32두에 대한 mtDNA D-loop 영역 전체 서열을 이용하여 염기변이 및 유전적 다양성을 확인하였다. A, T, C, G 염기 각각의 빈도는 32.8, 28.9, 24.4 및 13.9%, GC 함량은 38.3%로 확인되었으며, 이러한 빈도는 타 소품종들과 유사하였다. 또한 9개의 다형부위가 확인되었고, 6개의 haplotype으로 분류되었다. haplotype 다양성지수는 0.651, 염기변이율은 0.00181로 확인되었으며, 기존에 보고된 다른 소품종들보다 낮은 수치를 보였다. 염기변이 양상 비교 및 계통유전학적 분석 결과, 백한우에서 나타난 6개의 haplotype은 T1 및 T3 haplogroup으로 분류되었으며, 특히 5개 haplotype이 T3 haplogroup에 포함되었다. 본 연구의 결과는 백한우의 보존, 관리 및 활용을 위한 중요한 자료로 활용될 수 있을 것으로 사료된다.

교정시설의 과밀화 수용, 개별교정처우, 출소 후 재범예방 등을 위해서 수형자 분류 지표에 대한 논의는 지난 10여 년간 꾸준히 논의되어 온 주제이다. 현 교정본부에서는 교정재범예측지표를 활용하여 수형자의 가석방심사를 비롯하여 개벌적인 교정처우와 프로그램참여 등을 수행하고 있다. 수형자 분류는 수용시설에서 범죄성에 대한 억제와 재사회화를 위한 프로그램 설계 및 운영하는데 있어서 가장 중요한 도입단계라 볼 수 있다. 수형자의 재범억제와 성공적인 재사회화를 위해서 수형자 분류와 관련된 지표를 활용하고자 한다면, 이 지표에 대한 과학적 근거를 바탕으로 한 효과성 및 타당성 등의 평가가 뒷받침 되어야 한다. 우선 이 연구에서는 수형자 분류 지표에 대한 효과성을 검증하기 앞서 탐색적 연구를 수행하고자 하였다. 현재 국내 수형자 재범위험성 평가 도구를 파악하고, 내용 및 각 요인들을 살펴보았다. 다음으로 국내외 수형자 또는 범죄자의 위험성 등을 분류할 수 있는 평가도구를 자세히 살펴보았다. 마지막으로 개별처우, 수형자 분류 등의 중요성이 강조되어야 하는지를 뒷받침 할 수 있는 국내외 선행연 구를 검토하였다. 이 연구를 통해 현재 국내에서 수행되고 있는 수형자 분류와 관련된 지표를 살펴보고, 분산된 관련 자료들을 정리하여 추후 실증연구를 진행할 수 있는 근거자료로 활용하고자 하였다.

Background: The International Classification of Functioning, Disability, and Health-Child and Youth version (ICF-CY) is designed to record the characteristics of developing children and examine the influence of a child’s environment on their health. Objects: This study was designed to determine the relationship between the clinically extracted ICF-CY items and The Pediatric Evaluation of Disability Inventory (PEDI) and Gross Motor Function Measure (GMFM) items. Methods: Thirty patients (17 males and 13 females) who were hospitalized in a pediatric and youth patient unit of a rehabilitation hospital were included in the study. Four health professionals (two physical therapists and two occupational therapists) working independently linked the PEDI and GMFM-66 items to the activity and participation domains of the ICF-CY. Results: There were strong negative correlations between the ICF-CY subdomains and the PEDI subdomains (r = 0.76–0.95; p < 0.05). There were positive strong correlations between the ICF-CY subdomains and the GMFM-66 (r = 0.76–0.95; p < 0.05). Conclusion: The extracted ICF codes were a valid tool for evaluating the mobility and selfcare conditions of cerebral palsy in the pediatric rehabilitation area.

The sensory stimulation of a cosmetic product has been deemed to be an ancillary aspect until a decade ago. That point of view has drastically changed on different levels in just a decade. Nowadays cosmetic formulators should unavoidably meet the needs of consumers who want sensory satisfaction, although they do not have much time for new product development. The selection of new products from candidate products largely depend on the panel of human sensory experts. As new product development cycle time decreases, the formulators wanted to find systematic tools that are required to filter candidate products into a short list. Traditional statistical analysis on most physical property tests for the products including tribology tests and rheology tests, do not give any sound foundation for filtering candidate products. In this paper, we suggest a deep learning-based analysis method to identify hand cream products by raw electric signals from tribological sliding test. We compare the result of the deep learning-based method using raw data as input with the results of several machine learning-based analysis methods using manually extracted features as input. Among them, ResNet that is a deep learning model proved to be the best method to identify hand cream used in the test. According to our search in the scientific reported papers, this is the first attempt for predicting test cosmetic product with only raw time-series friction data without any manual feature extraction. Automatic product identification capability without manually extracted features can be used to narrow down the list of the newly developed candidate products.

Recently, transfer learning techniques with a base convolutional neural network (CNN) model have widely gained acceptance in early detection and classification of crop diseases to increase agricultural productivity with reducing disease spread. The transfer learning techniques based classifiers generally achieve over 90% of classification accuracy for crop diseases using dataset of crop leaf images (e.g., PlantVillage dataset), but they have ability to classify only the pre-trained diseases. This paper provides with an evaluation scheme on selecting an effective base CNN model for crop disease transfer learning with regard to the accuracy of trained target crops as well as of untrained target crops. First, we present transfer learning models called CDC (crop disease classification) architecture including widely used base (pre-trained) CNN models. We evaluate each performance of seven base CNN models for four untrained crops. The results of performance evaluation show that the DenseNet201 is one of the best base CNN models.

This research examines deep learning based image recognition models for beef sirloin classification. The sirloin of beef can be classified as the upper sirloin, the lower sirloin, and the ribeye, whereas during the distribution process they are often simply unified into the sirloin region. In this work, for detailed classification of beef sirloin regions we develop a model that can learn image information in a reasonable computation time using the MobileNet algorithm. In addition, to increase the accuracy of the model we introduce data augmentation methods as well, which amplifies the image data collected during the distribution process. This data augmentation enables to consider a larger size of training data set by which the accuracy of the model can be significantly improved. The data generated during the data proliferation process was tested using the MobileNet algorithm, where the test data set was obtained from the distribution processes in the real-world practice. Through the computational experiences we confirm that the accuracy of the suggested model is up to 83%. We expect that the classification model of this study can contribute to providing a more accurate and detailed information exchange between suppliers and consumers during the distribution process of beef sirloin.