본 연구에서는 관상동맥질환 환자들의 누운 자세가 자율신경계의 균형에 미치는 효과를 알아보고자 하였다. 관상동맥질환군 43명과 통제군 31명을 대상으로 세 가지 자세-똑바로 누운 자세(supine), 왼쪽으로 누운 자세(left), 오른쪽으로 누운 자세(right) -에서의 심박동변이도(HRV)를 측정하였다. HRV 변수들에 대한 분석 결과, 오른쪽으로 누운 자세에서 normalized high-frequency power가 가장 높았고, normalized low-frequency power는 가장 낮았다. 즉, 오른쪽으로 누운 자세에서 심장교감신경계의 활성도를 나타내는 HRV 변수들은 가장 낮은 반면에 심장부교감신경계의 활성도를 나타내는 HRV 변수들은 가장 높은 것으로 나타났다.

Respiratory distress resulting from a neuromuscular disorder is often misdiagnosed and not managed properly until development of severe respiratory failure. Amyotrophic lateral sclerosis (ALS) is a rare but archetypical motor neuron disease. Most cases manifest as weakness, muscular atrophy, and progressive paralysis of the limbs. Late stage of the disease is characterized by respiratory failure due to respiratory muscle weakness. In a few cases, 3% of patients, respiratory failure is the initial presentation, preceding other symptoms. We report on a case of ALS accompanied by acute respiratory failure and weaning failure, with a review of the literature.

신경리포푸신증(NCLs)은 신경퇴행 축적 질환으로 뇌에 자기형광물질을 포함한 다양한 물질의 축적이 야기되어 발생하며, 노던에필렙시를 제외한 모든 신경포푸신증은 리소즘 축적 질환으로 분류된다. 이러한 신경리포푸신증은 전세계적으로 12,500명 중 1명에게 발생되는 높은 발병 빈도를 나타내며, 그 발병 시기에 따라 영아형, 영유아형, 유년형, 그리고 성인형과 같이 분류된다. 신경리포푸신증이 유발하는 의학적 증상로는 시각 손실, 발작, 간질, 진행성 정신지체

본 논문에서는 신경회로망을 이용한 의료영상의 질환부위 인식방법을 제안하였다. 질환부위 인식을 위한 신경회로 망은 입력층, 은닉층, 출력층으로 구성하여 적응 오차 역전파 알고리즘으로 학습하였다. 신경회로망에 입력된 의료영 상의 특징 파라미터는 웨이브릿 변환에 의하여 분해된 저주파 영역을 행렬식으로 표현하여 특성 다항식의 계수값 (n+1)개로 하였다. 추출된 특징 파라미터는 탄젠트시그모이드 전달함수의 범위로 정규화하여 신경회로망의 입력 벡 터로 이용하였다. 제안된 방법의 타당성을 입증하기 위해서 실험에 사용된 입력 의료영상을 가지고 모사실험을 통해 질환부위의 인식 률을 평가하였다. 실험 결과 4레벨 DWT로 변환된 저주파영역 행렬의 특성 다항식 계수를 탄젠트시그모이드 전달함수의 범위로 정규 화하여 신경회로망의 입력 벡터로 이용했을 때 최적의 학습 횟수를 보였다. 신경회로망의 학습은 적응 오차 역전파 알 고리즘을 사용하였고, 학습계수를 0.01, 모우멘텀을 0.95로 하였을 때, 위영상에 대해서는 55회, 가슴영상은 55회, CT 영상은 46회, 초음파영상은 55회 그리고 혈관영상에 대해서는 157회 등의 최적의 학습 횟수를 보이며 100%의 인식률 을 보였다