본 연구는 코마개의 사용 여부에 따라 MRI 영상을 분석함으로써 숨 참기의 정확도를 향상할 도구로써 코마개가 실 효성이 있는지 검증하고자 하였다. 이를 위해 수검자에게 코마개가 없는 자연 호흡과 코마개를 사용한 구강 호흡 상태에서 호기 후 숨 참기를 지시하고 MRI 영상을 획득하였다. 영상은 2D 경사 자기장 에코 시퀀스로 획득하였고 초당 1장씩, 총 15장을 얻어 숨 참기 상태를 분석하였다. 숨 참기의 상태를 정량적으로 평가하기 위해 우측 폐 면적 을 측정하였다. 그리고 첫 번째 영상의 폐 면적을 기준으로 나머지 영상들에서 폐 면적의 절대 오차값을 구해 비교하 였다. 더불어 첫 번째 영상을 기준으로 나머지 영상들의 기하학적 유사도를 평가하기 위해 SSIM 값을 계산하였다. 실험 결과, 자연 호흡 상태에서 절대 오차는 평균 216.79 ㎟로 나타났다. 반면, 코마개를 사용한 구강 호흡의 경우 평균 55.94 ㎟로 나타나 자연 호흡과 비교하여 약 74.19% 감소하였다. SSIM 값은 자연 호흡 시 평균 0.7, 구강 호흡 시 0.76으로 나타나 기하학적 유사도가 약 6% 향상되었다. 이는 코마개 사용 시 호흡의 초기 상태를 잘 유지함 으로써 숨 참기의 정확도가 향상되어 능동적으로 호흡 상태를 조절할 수 있는 도구로써 충분한 가치가 있음을 증명한 다. 따라서 복부 MRI 검사에서 호흡에 따른 인공물을 개선하는 데 코마개가 도움을 줄 수 있으며 영상 개선 및 업무 효율을 높이는 도구로써 충분히 활용할 수 있다.

Numerous factors contribute to the deterioration of reinforced concrete structures. Elevated temperatures significantly alter the composition of the concrete ingredients, consequently diminishing the concrete's strength properties. With the escalation of global CO2 levels, the carbonation of concrete structures has emerged as a critical challenge, substantially affecting concrete durability research. Assessing and predicting concrete degradation due to thermal effects and carbonation are crucial yet intricate tasks. To address this, multiple prediction models for concrete carbonation and compressive strength under thermal impact have been developed. This study employs seven machine learning algorithms—specifically, multiple linear regression, decision trees, random forest, support vector machines, k-nearest neighbors, artificial neural networks, and extreme gradient boosting algorithms—to formulate predictive models for concrete carbonation and thermal impact. Two distinct datasets, derived from reported experimental studies, were utilized for training these predictive models. Performance evaluation relied on metrics like root mean square error, mean square error, mean absolute error, and coefficient of determination. The optimization of hyperparameters was achieved through k-fold cross-validation and grid search techniques. The analytical outcomes demonstrate that neural networks and extreme gradient boosting algorithms outshine the remaining five machine learning approaches, showcasing outstanding predictive performance for concrete carbonation and thermal effect modeling.

PURPOSES : This study analyzes the estimated traffic volumes on roads and railways based on econometrics. METHODS : The accuracy of traffic forecasting was analyzed based on the average difference between predicted and actual values. This study distinguishes itself from existing literature by conducting a comparative analysis categorized by project type. In this study, econometric analyses, including bias and efficiency evaluation, were conducted for 308 projects in Korea. RESULTS : We conducted econometric analysis by dividing the data into project types. This study examines the accuracy of estimates in South Korea's road and railway projects concerning various factors, including project types (mobility-focused or accessibility-focused), implementing agencies, and the performance of preliminary feasibility studies. Notably, it identifies a tendency for overestimation, particularly in railway projects and mobility-focused road projects, such as expressways and national highways, as well as in projects executed by local governments. The mean percentage error (MPE) for the analyzed projects was -46.62%, indicating a significant overestimation bias with resulting inefficiencies. However, our analysis revealed that road projects, particularly those accompanied by preliminary feasibility studies and implemented by the central government, exhibited reduced bias and improved efficiency. The presence or absence of preliminary feasibility studies significantly influenced estimation bias. Interestingly, even when preliminary feasibility studies are conducted, the choice of the implementing agency remains a crucial factor affecting estimation bias. In addition, railway projects continue to demonstrate a notable overestimation bias, warranting further attention. CONCLUSIONS : Considering bias, efficiency, and MPE is advisable when forecasting traffic.

본 연구는 국내의 한우 개량에 있어서 정확한 혈통 정보가 중요해짐에 따라 고밀도 Single Nucleotide Polymorphism (SNP) chip의 SNP 정보들을 활용한 친자 확인으로 혈통 정보의 신뢰도 향상에 기여하고자 실시하였다. 이미 혈통 정보가 확인되고 Microsatellite (MS) 유전자형으로 친자 여부가 확인된 14개의 가계, 318두로 친자 확인 분석을 하였다. Call rate 100%인 마커들을 활용한 친자 확인 분석 결과, 9두가 모 부정, 19두가 완전 부정으로 총 28두가 부정으로 판정되었고, 이는 부모의 SNP 정보에서 나올 수 있는 조합과 다른 자식의 유전자형이 확인되었다. 이후, 친자 확인 정확도 향상을 위해 call rate와 minor allele frequency (MAF)를 기준으로 SNP 마커 수를 증가시켜 분석하였으나 부정으로 판정되는 개체들이 추가적으로 발생하였고, 이는 SNP 정보의 결측치 증가 및 자식의 유전자형 변이로 인한 것으로 판단된다. 따라서 고밀도 SNP chip을 활용한 친자 확인 분석에는 보다 신중한 접근이 필요하며, 본 연구 결과는 고밀도 SNP 정보를 이용한 친자 확인 연구에 있어서 기초자료로 활용될 수 있을 것으로 사료된다.

본 연구에서는 T2 터보 스핀 에코 지방 포화 기법 중 딥러닝 기반 T2 터보 스핀 에코 Dixon 기법에서 지방분율에 대한 분석을 통해 정확한 지방 포화가 이루어지는지 알아보고자 하였다. 이에 미국 방사선학회 인증 팬텀을 기준 팬텀으로 설정 하고, 액체 지방 팬텀을 이용하여 일반 T2 지방 포화 기법들과 딥러닝 기반 T2 Dixon 기법의 지방분율을 정량적으로 분석 하였다. 연구 방법은 기준 팬텀 3시 방향에 지방 함유율이 0, 10, 20, 30%인 액체 지방 팬텀을 고정하고, 기법별 액체 지방 팬텀 중심부의 신호강도 값을 도출하였다. 그리고 측정된 값을 지방분율 공식을 이용하여 수치화하였다. 연구 결과 각각의 액체 지방 팬텀의 지방분율 측정에서 T2 Dixon 딥러닝 기법과 Dixon 기법이 다른 일반 지방 포화 기법들과 비교해 기준 지방분율에 가장 근접하였다. 그리고 두 기법 간 통계적 차이는 없어 딥러닝 영상 재구성이 지방 포화에 영향을 미치 지 않음을 알 수 있었다. 따라서 딥러닝 기반 T2 터보 스핀 에코 Dixon 기법은 정확한 지방분율로 지방 포화를 할 수 있어 그 유용성이 있다고 생각한다.

Kimchi, a centuries-old Korean fermented food, has gained global popularity due to increased interest in Korean cuisine. However, little is known about the actual status of kimchi information provided by major foreign online encyclopedias. In this study, we analyzed the content and quality of kimchi information in major foreign online encyclopedias, such as Baidu Baike, Encyclopædia Britannica, Citizendium, and Wikipedia. Our results revealed that the kimchi information provided by these encyclopedias was often inaccurate or inadequate, despite kimchi being a fundamental part of Korean cuisine. The most common inaccuracies were related to the definition and origins of kimchi and its ingredients and preparation methods. Our findings highlight the need for more accurate and reliable information about kimchi in major foreign online encyclopedias. This is particularly important in the context of promoting Korean food culture and increasing international awareness of kimchi. To achieve this, the collaborative efforts of Korean food experts and online encyclopedias are needed to ensure the accurate representation of kimchi in these resources. In conclusion, our study shows that foreign online encyclopedias often contain incomplete, inaccurate information about kimchi. This shortcoming must be addressed to promote a more accurate and comprehensive understanding of kimchi and Korean cuisine.

본 연구에서는 무인항공기인 드론을 활용한 VDMS(Vision-based Displacement Measurement System)를 통해 동적변위계측 정 확도와 동특성 추정 신뢰성 검증을 위한 동적실험을 실시하였다. 비행하는 드론의 이동 및 회전진동을 보정하기 위해 영상 내부의 변 위가 발생하지 않는 고정점을 활용한 보정밥법을 사용하였으며, 검증을 위해 설치한 범용 센서인 LVDT와 LDS의 변위계측 결과와 비 교하여 그 오차를 시간영역과 진동수영역에서 분석하였다. 3가지 타입의 장비 모두 최대 변위 도달 및 주기 운동 계측에 있어서 대체 적으로 유사한 결과를 나타내었다. LDS 기준의 오차 분석 결과, 드론과 LVDT는 가진 진동수 변화에 의한 오차 값은 미비하나, 최대 발생 변위가 작을수록 오차 값은 증가하였다.

목적 : 미국의 EYENETRA 회사가 개발한 모바일 앱 기반 이동형 자동굴절력계(NR)는 피검사자가 직접 기기 를 작동하여 굴절이상도를 측정하는 기기로, 그 임상성능을 확인하기 위해, 고정형 자동굴절력계(HRK-8000)와 자각적 굴절검사(subjective refraction, SR) 측정값을 비교 분석하고자 하였다. 방법 : 경기도 소재 M 안경원의 고객 중, 치료 중인 전신질환 및 안질환이 없고, 안과 수술을 받은 적이 없는 근시 또는 근시성 난시 124명(248안)을 대상으로 하였다. 굴절이상도 측정값을 얻기 위하여 NR, HRK-8000과 SR 순서로 검사를 진행하였다. 통계처리는 SPSS program(version 26)을 사용하였고, p<0.050인 경우를 통계 적으로 유의한 것으로 판단하였다. 결과 : 구면, 원주, 등가구면 굴절력은 NR 측정값의 근시도가 가장 높게 측정되었고(p<0.010), SR에 대한 NR 의 평균값은 HRK-8000보다 차이가 크게 나타나 표준편차 범위를 벗어났다. SR에 대한 난시축 일치도는 ±5° 범위에서 NR이 41.4% 일치하였고, HRK-8000은 90.8% 일치하여 NR의 난치축 일치도가 낮게 나타났다. SR에 대한 NR과 HRK-8000의 정확도를 확인하기 위해 95% 일치 한계(LOA)를 비교한 결과 구면, 원주굴절력과 SE 성분의 NR 범위는 각각 +2.01∼-2.72, +1.69∼-2.20와 +1.89∼-2.81 D로 나타났고, HRK-8000 범위는 각 각 +0.84∼-0.96, +0.42∼-0.73와 +0.81∼-1.09 D로 나타났으며, 모든 변수에서 NR의 범위가 넓어 정확도 가 낮은 것으로 확인되었다. 결론 : 이상의 결과를 종합하면, 기존의 자동굴절력계를 대체하기는 어려울 것으로 판단되었고, 임상에서 예비 검사로 활용되기 위해서는 정확도가 개선될 필요가 있다고 사료된다.

In this study, we present an algorithm for indoor robot position estimation. Estimating the position of an indoor robot using a fixed imaging device obviates the need for complex sensors or hardware, enabling easy estimation of absolute position through marker recognition. However, location estimation becomes impossible when the device moves away from the surrounding obstacles or the screen, presenting a significant drawback. To solve this problem, we propose an algorithm that improves the precision of robot indoor location estimation using a Gaussian Mixture Model(GMM) and a Kalman filter estimation model. We conducted an actual robot operation experiment and confirmed accurate position estimation, even when the robot was out of the image.

본 연구는 수직 벽체형 콘크리트 구조물의 정밀안전진단을 위한 외관조사시 고품질 정밀영상을 자동화된 방식으로 획득하여 균열손상을 탐지하고 시설물의 상태를 평가하기 위하여 개발된 등벽드론 탑재형 균열진단 시스템에 대한 것이다. 본 논문에서는 영상기반 균열진단 시스템을 이용한 정밀영상 획득기술, 자동화된 영상처리 알고리즘을 이용한 데이터 처리 기법을 제시하였으며, 실험적으로 도출된 지상표본거리를 기반으로 영상처리 자동화 알고리즘을 이용하여 생성된 균열모사 시험벽체의 평면전개 이미지 상 균열손상의 위치 정확도를 평가 분석하였다. 평가분석 결과, 가로축 길이 대비 최대 1.1%, 세로축 길이 대 비 최대 1.4%의 오차율을 보이는 것으로 나타났다. 제안된 영상 내 픽셀 좌표와 지상표본거리를 기반으로 균열손상의 위치를 추정하는 기법은 실측 좌표 대비 평균 1.0% 이하의 위치 오차를 가지는 것으로 평가되었다. 최종적으로 영상기반 진단과 긴급 보수와 같은 일반적인 시설물의 유지관리에 요구되는 위치 정확도를 확보하고 있는 것으로 분석되었다.

The carbon concentration in the carburized steels was measured by electron probe microanalysis (EPMA) for a range of soluted carbon content in austenite from 0.1 to 1.2 wt%. This study demonstrates the problems in carbon quantitative analysis using the existing calibration curve derived from pure iron (0.008 wt%C) and graphite (99.98 wt%C) as standard specimens. In order to derive an improved calibration curve, carbon homogenization treatment was performed to produce a uniform Kα intensity in selected standard samples (AISI 8620, AISI 4140, AISI 1065, AISI 52100 steel). The trend of detection intensity was identified according to the analysis condition, such as accelerating voltage (10, 15, 30 keV), and beam current (20, 50 nA). The appropriate analysis conditions (15 keV, 20 nA) were derived. When the carbon concentration depth profile of the carburized specimen was measured for a short carburizing time using the improved calibration curve, it proved to be a more reliable and accurate analysis method compared to the conventional analysis method.

한우 개량에 있어서 추정된 유전체육종가와 정확도는 선발에 중요한 지표로 사용되며, 최근 육종가 추정에 있어 정확도의 신뢰도를 높이기 위해 혈통과 유전체정보를 이용한 연구가 활발히 진행되고 있다. 따라서, 본 연구는 가계 내 유전체정보량에 따라 유전체정보가 미포함된 개체의 정확도 변화를 확인하고자 동일한 부모를 가진 한우 10두로 구성된 전형매 가계 3개를 수집하였으며, 각 가계 별로 유전체정보량을 10두, 8두, 6두, 4두, 2두씩 무작위로 선별하여 5가지의 검정집단으로 가정한 후 참조집단 14,225두를 이용하여 single step genomic best linear unbiased prediction (ssGBLUP)을 통해 genomic estimated breeding value (GEBV) 및 정확도를 추정하였다. 각 검정집단과 참조집단의 혈통 및 유전체정보 를 이용하여 H-matrix를 구축하였고, BLUPF90 program을 사용하여 도체중, 등심단면적, 등지방두께, 근내지방도의 GEBV 및 정확도를 추정하였 다. 첫 번째 가계를 대상으로 살펴보면, 검정집단에서 유전체정보를 보유하고 있는 10두의 GEBV 평균 정확도는 도체중 0.734, 등심단면적 0.717, 등지방두께 0.712, 근내지방도 0.745로 추정되었다. 이후 2두씩 무작위로 유전체정보를 제거하여 추정한 GEBV 정확도를 살펴보면, 유전체정보를 보유한 개체의 경우 정확도의 변화가 나타나지 않았지만, 유전체정보가 미포함된 개체의 정확도가 평균 0.114 ~ 0.168 낮게 추정되었다. 가계 내 유전체정보량에 따른 유전체정보가 미포함된 개체의 GEBV 평균 정확도는 도체중 0.604 ~ 0.576, 등심단면적 0.6 ~ 0.573, 등지방두께 0.599 ~ 0.572, 근내지방도 0.607 ~ 0.578로 평균 0.009씩 감소하는 것을 확인하였다. 이를 통해 가계 내 유전체정보량이 개체 별 유전체정보 유무와는 상관없이 GEBV의 정확도 추정에 큰 영향이 없었으며, 신뢰도가 높은 GEBV 추정을 위해서는 개체 별 유전체정보의 유무가 더 큰 영향을 미친다는 것을 확인하였다.

본 연구는 의료분야에서 정확한 환자 확인(patient identification)을 위한 의료생체인식기술(medical biometrics)을 소개하고 자 한다. 첫째, 생체인식기술(biometrics)에 대한 정의, 분류 및 종류와 같은 기본 정보다. 둘째, 생체신호 (biological signal)와 의료영상(medical imaging)을 활용한 의료생체인식기술의 종류와 최근 연구에 관한 정보를 기술했 다. 마지막으로 의료 환경에서 적용되는 생체인식기술의 종류와 사례와 함께 의료 환경의 현주소를 언급했다. 환자확인이 라는 궁극적인 목적을 가진 의료생체인식기술은 의료 현장에 점진적으로 도입되리라 생각한다. 본 연구는 본 연구가 정확 한 환자확인을 위한 의료생체인식기술을 이해하고 연구방향에 도움이 되는 기초 자료로 활용될 것으로 사료된다.

본 논문의 목적은 건축물을 드론으로 계측하여 드론의 비행 및 촬영 변수에 따른 계측 정확도를 분석하는 것이다. 드론의 비 행 및 촬영 변수는 비행고도 3가지(50m, 60m, 70m), 중복도 4가지(60%/60%, 60%/80%, 80%/60%, 80%/80%), 카메라 각도 2가지(45°, 90°), 속도 2가지(2m/s, 최고속도)이며, 총 48번을 계측하였다. 드론으로 계측하여 얻은 3D 데이터와 실제 건축물의 길이를 비교하였으 며, 드론의 비행 속도가 느릴수록 정확도가 높게 나타났다.

본 논문은 대형 시설물의 점검 및 진단을 위한 외관조사시 영상기반 스캐닝 시스템의 성능 및 정확도를 정량적으로 평가하기 위한 것으로, 도로터널, 철도터널, 지하철과 같은 대형 터널 시설물의 복공 라이닝을 대상으로 영상기반 스캐닝 분석 결과, 균열, 박리, 박락, 철근노출 등 각종 손상의 검출 성능과 정확도를 육안조사, 터널 스캐닝 분석 후 확인조사 데이터를 이용하여 비교 분석하였다. 제안된 터널 스캐닝 시스템의 균열손상 검출성능은 육안조사 분석결과 대비 개소 수 및 면적물량에 있어 월등히 우수함을 확인하였으며, 균열손상 증감을 고려한 균열손상은 현장 확인조사 결과 95%이상의 검출 정확도를 확보하고 있는 것으로 평가되었다.

본 연구는 제주지역에서 사육되고 있는 제주 재래돼지기반의 제주흑돈(제주재래돼지 합성돈)에 대하여 산육형질인 등지방 두께, 일당증체량, 90 kg 도달일령에 대한 후보유전자 탐색을 위해 전장유전체 분석을 실시하였고, 유전체 육종가의 정확도 비교를 위해 베이지안 방법(BayesB, BayesC), π(0.00, 0.50, 0.90, 0.99)값과 개체 자신과 후대의 정보만 포함하고 조상의 정보에 대해 정보를 보정한 DEBVexcPA (Deregressed EBV exlude parents average)와 부모 평균을 포함한 DEBVincPA (Deregressed EBV include parents average)의 반응변수를 이용하였다. 산육형질에 대한 전장유전체 분석을 실시한 결과 등지방두께는 KIAA1549 유전자(SSC18 at 11Mb region), 일당증체량과 90 kg 도달일령에서 POLD3(SSC9 at 9Mb region), STX6(SSC9 at 134Mb region) 유전자가 공통적으로 탐색되었다. 유전체의 정확도 범위는 일당증체량 BayesB의 경우 DEBVexcPA와 DEBVincPA에서 각각 0.285~0.305와 0.497~0.510과 BayesC에서 0.287~0.296와 0.499~0.511으로 추정되었다. 90 kg 도달일령은 BayesB에서 DEBVexcPA와 DEBVincPA는 각각 0.284~0.305와 0.497~0.510, BayesC에서는 0.284~0.296와 0.498-0.511로 추정되었다. 특히, 등지방두께의 유전체 정확도가 BayesB방법론의 DEBVincPA에서 0.625로 가장 높게 추정되었다. 제주흑돈의 산육형질에 대한 유전적인 개량 속도를 가속화하기 위해 유전체 선발법을 적용하는데 있어 부모 평균을 포함한 DEBVincPA (Deregressed EBV include parents average)의 반응변수를 이용하는 것이 바람직하다고 판단된다.