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.

Determining the size or area of a plant's leaves is an important factor in predicting plant growth and improving the productivity of indoor farms. In this study, we developed a convolutional neural network (CNN)-based model to accurately predict the length and width of lettuce leaves using photographs of the leaves. A callback function was applied to overcome data limitations and overfitting problems, and K-fold cross-validation was used to improve the generalization ability of the model. In addition, ImageDataGenerator function was used to increase the diversity of training data through data augmentation. To compare model performance, we evaluated pre-trained models such as VGG16, Resnet152, and NASNetMobile. As a result, NASNetMobile showed the highest performance, especially in width prediction, with an R_squared value of 0.9436, and RMSE of 0.5659. In length prediction, the R_squared value was 0.9537, and RMSE of 0.8713. The optimized model adopted the NASNetMobile architecture, the RMSprop optimization tool, the MSE loss functions, and the ELU activation functions. The training time of the model averaged 73 minutes per Epoch, and it took the model an average of 0.29 seconds to process a single lettuce leaf photo. In this study, we developed a CNN-based model to predict the leaf length and leaf width of plants in indoor farms, which is expected to enable rapid and accurate assessment of plant growth status by simply taking images. It is also expected to contribute to increasing the productivity and resource efficiency of farms by taking appropriate agricultural measures such as adjusting nutrient solution in real time.

PURPOSES : This study aims to determine whether machine learning techniques based on the results of chemical analysis experiments can be rationally applied to evaluate the aging of various asphalt binders used throughout the country. METHODS : We conducted chemical experiments such as FT-IR, H-NMR, C- NMR, and GPC for the three-stage aging levels of eight types of asphalt binders used in the country and utilized two artificial neural network models to determine valid chemical experimentation and conditions for the use of neural modeling through predictions. RESULTS : The M-prop model, which combined the findings from each neural network model into a single artificial neural network model, demonstrated superior predictive performance compared with the M-base model, which assessed aging using two cluster layers. In addition, the minimum amount of data required to achieve 100% predictive accuracy for the target asphalt binders, regardless of the artificial neural network model, was 18, and the amount of training data decreased to less than 50%. CONCLUSIONS : The predictive accuracy of the aging of asphalt binders was significantly enhanced when GPC data was used, indicating that GPC should be prioritized in evaluating the aging of asphalt binders.

증산은 적정 관수 관리에 중요한 역할을 하므로 수분 스트레스에 취약한 토마토와 같은 작물의 관개 수요에 대한 지식이 필요하다. 관수량을 결정하는 한 가지 방법은 증산량을 측정하는 것인데, 이는 환경이나 생육 수준의 영향을 받는다. 본 연구는 분단위 데이터를 통해 수학적 모델과 딥러닝 모델을 활용하여 토마토의 증발량을 추정하 고 적합한 모델을 찾는 것을 목표로 한다. 라이시미터 데이터는 1분 간격으로 배지무게 변화를 측정함으로써 증산 량을 직접 측정했다. 피어슨 상관관계는 관찰된 환경 변수가 작물 증산과 유의미한 상관관계가 있음을 보여주었다. 온실온도와 태양복사는 증산량과 양의 상관관계를 보인 반면, 상대습도는 음의 상관관계를 보였다. 다중 선형 회귀 (MLR), 다항 회귀 모델, 인공 신경망(ANN), Long short-term memory(LSTM), Gated Recurrent Unit(GRU) 모델을 구 축하고 정확도를 비교했다. 모든 모델은 테스트 데이터 세트에서 0.770－0.948 범위의 R2 값과 0.495mm/min－ 1.038mm/min의 RMSE로 증산을 잠재적으로 추정하였다. 딥러닝 모델은 수학적 모델보다 성능이 뛰어났다. GRU 는 0.948의 R2 및 0.495mm/min의 RMSE로 테스트 데이터에서 최고의 성능을 보여주었다. LSTM과 ANN은 R2 값이 각각 0.946과 0.944, RMSE가 각각 0.504m/min과 0.511로 그 뒤를 이었다. GRU 모델은 단기 예측에서 우수한 성능 을 보였고 LSTM은 장기 예측에서 우수한 성능을 보였지만 대규모 데이터 셋을 사용한 추가 검증이 필요하다. FAO56 Penman-Monteith(PM) 방정식과 비교하여 PM은 MLR 및 다항식 모델 2차 및 3차보다 RMSE가 0.598mm/min으로 낮지만 분단위 증산의 변동성을 포착하는 데 있어 모든 모델 중에서 가장 성능이 낮다. 따라서 본 연구 결과는 온실 내 토마토 증산을 단기적으로 추정하기 위해 GRU 및 LSTM 모델을 권장한다.

선박 발전기의 여자기는 출력 단자 전압을 일정하게 유지하기 위하여 여자전류 제어를 통해 자속을 조정한다. 여자기 내부에 있는 전압제어기는 통상적으로 비례 적분 제어방식이 사용되는데 게인과 시정수에 의해 결정되는 응답 특성은 적절치 못한 설정값에 의 해 원하지 않는 출력을 내며 이로 인해 선내 전력의 품질과 안정성을 떨어뜨릴 수 있다. 본 논문에서는 IEEE에서 제공하는 AC4A 타입의 여자기 모델을 통해 얻을 수 있는 안정적인 입출력 데이터를 활용하여 신경망 회로를 학습시킨 후 기존의 비례 적분 제어방식의 전압제 어기를 학습된 신경망 회로 제어기로 대체하여 시뮬레이션을 수행하였다. 그 결과 기존 대비 최대 9.63%까지 오버슈팅이 개선되었으며, 안정적인 응답 특성에 대한 우수성을 확인하였다.

스트레스 자극에 대한 심혈관계 및 교감신경계 과활성화 반응은 향후 심혈관계 질환 발생 및 심장 돌연사의 위험을 증가시킨다. 음악 청취는 자율신경계 기능을 향상시켜 안정 시 긴장 이완을 유도하 는 것으로 알려져 있으나 음악이 스트레스 상황에서의 과도한 심혈관 반응을 완화 시킬 수 있는지에 대한 연구는 부족하다. 본 연구는 음악청취가 스트레스 자극에 대한 심혈관 반응성을 완화시켜 줄 수 있을지 검 증하였다. 15명의 건강한 성인(남자 9명, 여성 6명)을 대상으로 무작위 교차 실험 설계로 진행하였다. 음악 처치는 음악을 30분간 청취하였고 통제 처치는 30분간 휴식을 취하였다. 냉압박 검사로 교감신경계를 자극 하였으며, 변인으로 심박수, 상완 및 중심동맥 혈압과 심박변이도(heart rate variability)를 측정하였다. 연 구 결과, 음악 처치와 통제 처치 모두 냉압박 검사 중 심박수와 혈압 반응이 유의하게 증가하였으나(p < .001), 처치와 시기 간 상호작용 효과는 유의하지 않았다. 회복 구간에서 상완동맥 수축기혈압이 음악처치 그룹에서만 유의하게 감소하였다(p = 0.008). 나머지 혈압 변인들도 음악중재 그룹에서 더 완화되는 경향이 나타났으나 통계적으로 유의하지는 않았다. 심박변이도는 음악 처치 전후로 음악 처치 그룹에서만 SDNN(standard deviation of the NN intervals), TP(total power)와 HF(high frequency)값이 유의하게 증 가하였다(p = 0.001, p = 0.002, p = 0.011). 따라서 음악 청취는 스트레스 이후의 회복력을 촉진시킬 가능 성이 있다. 음악 처치의 구체적인 변인들을 고려하여 과도한 심혈관 반응에 대한 보호 효과로서의 음악 청 취에 대한 추가적인 연구가 필요하다.