Truss structures, widely used in engineering, consist of straight members transferring axial forces. Traditional analysis methods like FEM and the Force Method become computationally expensive for large-scale and nonlinear problems. Surrogate models using Artificial Neural Networks (ANNs), particularly Physics-Informed Neural Networks (PINNs), offer alternatives but require extensive training data and computational resources. Variational Quantum Algorithms (VQAs) address these challenges by leveraging quantum circuits for optimization with fewer parameters. Variational Quantum Circuits (VQCs) based on Quantum Neural Networks (QNNs) utilize quantum entanglement and superposition to approximate high-dimensional data efficiently, making them suitable for computationally intensive tasks like surrogate modeling in structural analysis. This study applies QNNs to truss analysis using 6-bar and 10-bar planar trusses, assessing their feasibility. Results indicate that residual-based loss functions enable QNNs to make reliable predictions, with increased layers improving accuracy and a higher Q-bit count contributing to performance, albeit marginally.

Burning mouth syndrome is a rare disorder of a complex nature that significantly impairs the life quality of those affected. Its clinical features are characterized by oral burning sensation as well as xerostomia, dysgeusia, and halitosis. While various etiological factors have been proposed over the last few decades, recent studies have focused on understanding its pathophysiology as a neuropathic disorder that involves both peripheral and central neuropathy. In addition, other explanations of BMS pathology have also been proposed, including hormonal disturbances during and after menopause, immunological challenges, and psychological distress. Despite these research efforts, the etiology of BMS remains elusive, awaiting further investigations. The scope of this review includes the current understanding of BMS pathology and animal models developed for deciphering molecular mechanisms underlying the development and progression of BMS. The overview of recent research efforts and our knowledge of BMS pathology will provide an opportunity to evaluate the status of our understanding of BMS and its future perspective in improving the life quality of those affected by this rather intractable disorder.

Potholes, one of the main causes of road-surface damage, pose a physical hazard to drivers, cause vehicle damage, and increase road maintenance costs. Hence, a model that enhances the accuracy of pothole detection and improves the real-time detection speed is required. A new model based on dilated convolutional neural networks was developed using a dataset that considers various lighting conditions, road conditions, and pothole sizes and shapes. Although the existing YOLOv5 model demonstrated high speed, it exhibited some false-positive pothole detections. In contrast, the proposed dilated convolutional neural network achieved both high accuracy and an appropriate inference speed, making it suitable for real-time detection. Compared with traditional models, the proposed model demonstrated efficiency in terms of model size and inference speed, indicating its potential suitability for systems performing real-time pothole detection when installed directly in vehicles.

폭풍해일 및 너울과 같은 고파랑으로 인해 발생되는 월파는 심각한 연안 침수 위험을 초래하며, 연안 시설과 주민의 안전을 위해 정확한 예측이 필요하다. 본 연구는 수치적, 경험적, 신경망, 그레디언트 부스팅(gradient boosting) 및 컴퓨터 비전 기반 모델들을 사용 하여 해안선 인근의 파고와 월파량을 포함한 월파 특성을 조사하였다. 동해안을 대상으로 한국 기상청(KMA), 일본 기상청(JMA), 미국 국 립환경예측센터(NCEP), 유럽 중기기상예보센터(ECMWF)의 기상데이터를 사용하여 ADCIRC 모델과 SWAN 모델을 결합하여 파고를 계산 하였다. 월파 감지용 CCTV가 설치된 동해안의 삼척항을 대상지역으로 선정하였다. CCTV에서 촬영된 영상들을 YOLO를 사용하여 분석하 였으며, 화면 내의 처오름 현상을 감지하였다. 수치모형의 성능은 예측된 파도 특성과 관측값을 비교하여 정성적, 정량적 측정을 통해 평 가하였다. 수치모형의 성능은 파고 예측에서 우수한 것으로 분석되었으며, 태풍과 비태풍 조건에서 파고는 각각 0.60m와 0.44m의 최소 RMSE이고 주기는 각각 1.68m와 1.84m의 RMSE로 분석되었다. 본 연구결과에 의하면 실시간 모니터링은 월파 특성에 대한 신뢰할 수 있는 예측 가능성을 가진다. 실시간 모니터링은 해안지역 보호를 위한 신속한 위험 평가 및 실시간 경보 제공에 활용될 수 있다.

Parotid gland ancient schwannoma is an extremely rare entity, with only 6 cases reported to date. Ancient schwannoma present degenerative alteration, including cystic changes, hyalinizing stroma, hemorrhages, infiltration of macrophages, and cellular atypia with hyperchromatic nuclei. These factors have the potential to mimic malignant tumors, resulting in an overestimation of diagnosis and subsequent inappropriate management. In the present case, we report a case of parotid gland ancient schwannoma, which developed relatively fast degenerative alteration without a large-sized mass. We reviewed all the cases of parotid ancient schwannoma, and suggest that the character of parotid gland tissue can deceive the change of tumor growth size. We also suspect that pre-surgical manipulation, such as FNAB or CNB, can cause degenerative changes in a relative short period. It is important to consider reactive degenerative alteration of schwannoma, and not to misinterpret as a malignant entities, notably when needle biopsy history is present.

고형가유두상종양은 수술 후 95% 이상의 환자에서 완전 절제가 이루어지며 대부분 완치되는 것으로 알려져 있다. 하지만, 절제 후 재발하는 경우가 7% 정도로 보고되고 있어 수술 후에도 지속적인 추적 관찰이 필요하다. 또한, 췌장 내에서 다발성으로 종괴가 발생할 수 있으므로, 췌장 종괴에 대한 수술적 절제를 시행할 경우 수술 전에 반드시 영상 검사와 내시경 초음파 등을 통한 충분한 평가가 선행되어야 한다. 본 증례 보고에서는 건강 검진으로 발견된 췌장 종괴에 대해 추 적 관 찰 을 시 행 하 다 가 크 기 가 증 가 해 서 수 술 적 절제(췌장미부절제술)를 시행하였다. 수술 후 병리 결과 고형가유두상종양과 신경내분비종양이 동시에 진단되었다. 수술 12개월 후 남아 있는 췌장 두부에 종괴가 재발한 소견을 보여 추가적인 수술적 절제(전췌장절제술)을 시행 받았고, 수술 후 병리 결과 악성 고형가유두상종양으로 진단되었다. 현재까지 고형가유두상종양과 신경내분비종양이 동시에 발생하는 증례에 대한 보고가 많지 않고 국내에서는 아직 보고가 없다. 이에 수술 후 고형가유두상종양과 비기능성 신경내분비종양이 진단된 증례를 보고하는 바이다.

Abstract Handling imbalanced datasets in binary classification, especially in employment big data, is challenging. Traditional methods like oversampling and undersampling have limitations. This paper integrates TabNet and Generative Adversarial Networks (GANs) to address class imbalance. The generator creates synthetic samples for the minority class, and the discriminator, using TabNet, ensures authenticity. Evaluations on benchmark datasets show significant improvements in accuracy, precision, recall, and F1-score for the minority class, outperforming traditional methods. This integration offers a robust solution for imbalanced datasets in employment big data, leading to fairer and more effective predictive models.

본 연구에서는 경피신경전기자극(TENS)을 이용하여 다양한 자극 강도에 따른 뇌혈관에 미치는 영향을 확인하고 자 한다. 특히 비지각적 감각의 전기자극을 통해 총경동맥(CCA)에서의 혈류 변화 및 혈관의 구조적인 변화를 확인 해 보고자 한다. 본 연구에는 20대의 건강한 성인 24명이 참여하였다. 자극 강도는 감각 역치 미만, 감각 역치, 그리 고 감각 역치 초과 세 가지를 각각 랜덤 순서로 적용하였다. 측정위치는 CCA 분기점의 1cm 하단에서 측정하였고, 혈류속도는 C-mode 도플러, 혈관의 구조는 B-mode 영상을 통해 측정하였다. 측정은 각각의 자극별로 중재 전, 중재 중, 그리고 중재 후에 수행하였고 각 세션마다 혈압의 변화를 측정하였다. 그 결과 최고 수축기 속도(PSV)는 역치 미만의 비지각적 감각자극에서 중재 후 유의하게 감소함이 확인되었다(p = .008). 역치 미만의 자극 후 PSV는 자극 전보다 평균 3.04% 유의하게 감소한 것으로 나타났다(p = .011). 반면 CCA의 혈관 직경의 변화는 모든 강도에서 자극 전후 유의한 변화가 나타나지 않았다. 본 연구에서 적용한 단시간의 비지각적 전기자극이 혈관의 직경이나 혈 압의 유의한 변화를 주지 않으면서 즉각적인 혈류속도 감소에 효과가 있음을 발견했다. 따라서 본 연구는 경동맥 부위에 환자의 불편함과 부작용이 없는 전기자극을 통해 뇌혈류의 조절이 가능하다는 것을 보여주는 중요한 시도로 평가될 수 있다.

In this study, a new model using artificial neural networks is proposed to improve the thickness error between the plates, which occurs when the rolling conditions change a lot during the thick rolling. The model was developed by using Python, and the input values are the change in the finish rolling temperature between the plates, the change in target tensile strength, the change in target thickness, and the change in rolling force. The new model is 31.76% better than the existing model based on the standard deviation value of the thickness error. This result is expected to reduce quality costs when applied to online models at actual production sites in the future.

이 연구는 성인 여성을 대상으로 체질량지수와 드러밍 운동이 자율신경계에 미치는 영향을 규 명하는데 목적이 있다. 30-50대의 성인 여성10명을 체질량지수가 정상인 집단(Low BMI, LBMI <23kg/m2)과 과체중 이상인 집단(High BMI, HBMI>23kg/m2)으로 나누어 드러밍 운동을 실시하였다. 드 러밍 운동은 1회 50분, 주 3회, 8주간 실시하였으며, 운동 전후 신체조성과 심박변이도를 측정하였다. 심박 변이도는 선형분석인 시간 영역 분석과 주파수 영역 분석을 통해 SDNN(Standard Deviation of NN interval), RMSSD(Root Mean Square of the Successive Differences), HF(High Frequency), LF(Low Frequency), TP(Total Power)를 측정하였다. 비선형분석인 푸앵카레 플롯(Poincaré plot)을 통해 SD1(Standard Deviation of the distance of each point from the y = x axis), SD2(Standard Deviation of each point from the y = x + average R–R interval), SD2/SD1을 측정하였다. 자율신경계 지수로 부 교감신경계지수(Parasympathetic Nervous System Index; PNS Index)와 교감신경계지수(Sympathetic Nervous System; SNS Index)를 측정하였다. 연구 결과, 운동 전 심박변이도에서 HBMI 집단과 LBMI 집 단 간에는 유의한 차이가 나타나지 않았다. 그러나, 8주간의 드러밍 운동 후에는 HBMI 집단이 LBMI 집 단에 비해 체중(p=0.034), 체질량지수(p=0.044), 체지방량(p=0.032), 허리둘레(p=0.013)에서 유의한 상호 작용 효과가 나타났다. 심박변이도에서 HBMI 집단은 LBMI 집단에 비해 선형 분석에서 RMSSD (p=0.018)와 TP(p=0.033), 비선형분석에서는 SD1(p=0.018), 자율신경계지수에서는 PNS Index(p=0.040) 가 유의하게 증가하였다. RMSSD, SD1 및 PNS Index는 부교감신경계의 활동을 나타내는 지표이다. 결론 적으로 8주간의 드러밍 운동이 과체중 이상 여성의 자율신경계 중 부교감신경계의 개선에 긍정적인 효과를 미치는 것으로 확인되었다.

This study deals with the application of an artificial neural network (ANN) model to predict power consumption for utilizing seawater source heat pumps of recirculating aquaculture system. An integrated dynamic simulation model was constructed using the TRNSYS program to obtain input and output data for the ANN model to predict the power consumption of the recirculating aquaculture system with a heat pump system. Data obtained from the TRNSYS program were analyzed using linear regression, and converted into optimal data necessary for the ANN model through normalization. To optimize the ANN-based power consumption prediction model, the hyper parameters of ANN were determined using the Bayesian optimization. ANN simulation results showed that ANN models with optimized hyper parameters exhibited acceptably high predictive accuracy conforming to ASHRAE standards.

Engineering design involves making numerous decisions as the design process. These decisions can be broadly categorized into selection decisions and compromise decisions. The outcomes of these decisions heavily depend on the designer's intentions, highlighting the need to systematically and accurately incorporate the designer's intentions. The Analytic Hierarchy Process (AHP) is a design technique that systematically reflects the designer's intentions by hierarchically analyzing and evaluating ambiguous decision problems. Therefore, in this study, effective optimal structure designs that maximally reflect the designer's intentions were confirmed by introducing AHP (Analytic Hierarchy Process) and Neural Network into the foundational decision-making process of engineering design.

최근에 선박을 안전하게 설계 및 운항하기 위해 인공지능으로 운동성능을 예측하는 연구가 늘고 있다. 하지만 일반적인 선박 에 비해 소형 어선에 대한 연구는 부족한 실정이다. 본 논문에서는 소형 어선의 운동성능 계산에 필수적인 운동응답을 심층신경망으로 추정하는 모델을 제안한다. 15척의 소형 어선에 대하여 유체동역학 해석을 수행하였으며 이를 통해 데이터베이스를 구축하였다. 환경 조 건과 주요 제원을 입력 데이터로, 단위 파고에 대한 운동응답(Response Amplitude Operator)을 출력 데이터로 설정하였다. 훈련된 심층신경 망 모델을 통해 예측된 운동응답은 유체동역학 해석 결과와 유사한 경향을 보이며 고주파 성분을 가진 운동응답 함수를 낮은 오차로 근 사하는 결과를 보여준다. 본 연구의 결과를 바탕으로 어선의 선형 특성 고려한 심층신경망 모델로 확장하여 연구 결과의 활용도를 넓히 고자 한다.

Tomato is one of the major widely cultivated crops around the world. The leaf area is directly related to the total amount of photosynthesis, which affects the yield and quality of the fruit. Traditional methods of measuring the leaf area are time-consuming and can cause damage to the leaves. To address these problems, various studies are being conducted for measuring the leaf area. In this study, we introduced a model to estimate the leaf area using images of tomatoes. Using images captured by a camera, we measured the leaf length and width and used linear regression analysis to derive the leaf area estimation formula. Furthermore, we used a Neural Network (NN) for additional analysis to compare the accuracy of the models. Initially, to verify the reliability of the image data, we conducted a correlation analysis between the actual measurement data and the image data, which showed a high positive correlation. The leaf area estimation model presented 23 estimation formulas. We used regression analysis to estimate the coefficients of each model and also used employed an artificial neural network analysis to derive high R-squared (R2) values and low Root Mean Square Error (RMSE) values. Among the estimation formulas, the ninth model showed the highest reliability with an R-squared value of 0.863. We conducted a verification experiment to confirm the accuracy of the selected model, and the R-squared value was 0.925. This study confirmed the reliability of data measured from images and the reliability of the leaf area estimation model using image data. These methods are expected to be an important tool in agriculture, using imaging equipment for measuring and monitoring the crop growth.

이 연구는 위성사진을 활용하여 건설지점의 기대풍속을 예측하기 위한 인공신경망 방법론을 제안한다. 제안된 방법은 기존 의 엔지니어의 판단을 대체하여, Auto-Encoder를 사용해 지형적 특성을 정량화하고, 이를 바탕으로 대상지점과 유사한 지역의 관측소 풍속 데이터를 선형 조합해 기대 풍속을 예측한다. 또한, 머신러닝과 인공신경망을 활용한 종단간 풍속 예측 모델을 제안하고, 성능을 비교 분석하였다. 그 결과 관측소의 풍속 데이터의 선형 조합보다는 종단간 모델을 구성하는 방법이 더 높은 정확도를 보였으며, 특히 Graph Neural Network (GNN)이 Multi-Layer Perceptron (MLP)에 비해 상당히 우수한 예측 성능을 나타내었다.

이 연구는 지속적인 싱잉볼 힐링이 뇌파와 자율신경계 반응에 어떠한 영향을 미치는지를 알아보기 위한 연구이 다. 5주 동안 8명의 피실험자에게 싱잉볼 힐링을 받은 전,후 뇌파의 변화를 알아보기 위하여, 45분 동안의 싱잉볼 힐링 받기 전, 후 뇌파의 변화를 측정하였다. 뇌파측정은 바이오브레인 BIOS-S8로의 F3, F4, T3, T4, P3, P4 총 6체널에 부착하였고, 심전도 측정을 위하여 표준사지 유도방식에 Lead I에 전극을 부착하여 측정하였다. 수집된 뇌파자료를 통하여 5주간의 싱잉볼 힐링 전,후 뇌파의 변화를 지켜보았으며, 베타파, 알파파, SMR는 낮아지고, 세 타와 델타파, HRV 항목 중 SDNN이 증가시키는 것으로 나타났다. 이 결과 5주 동안의 지속적인 싱잉볼 힐링은 뇌파를 안정시키고, 자율신경계를 활성화 시키며, 부교감신경을 증가시키는 이완유도 효과를 지속, 증대 시킬 수 있다는 점을 확인하였다.