인공관절 치환술 환자의 합병증 진단을 위한 자기공명영상 검사에서 발생한 금속 인공물을 감소시키는 VAT(view angle tilting) 기법과 딥러닝 알고리즘 중 K-공간 기반의 deep resolve(boost, sharp, DR)를 적용하여 그 유용성 에 대해 평가하고자 하였다. 자체 제작 팬텀과 3T 장비로 일반적인 VAT, DR이 적용된 VAT로 T1 강조영상, T2 강조영상, 단시간 반복 회전 연쇄기법(short tau inversion recovery, STIR) 영상들을 병렬영상 가속계수 2, 3, 4를 적용하여 획득하였다. 획득된 영상에서 왜곡도, 팬텀 바닥에서 금속 인공물까지 거리, 신호대잡음비를 정량적 평가하였고, 영상 품질은 정성적 평가하였다. 왜곡도는 일반적인 VAT와 DR이 적용된 VAT의 T1 강조영상, T2 강 조영상, STIR 모두 유의한 차이가 없었다(p>0.05). 또한 금속 인공물까지 거리도 T1 강조영상, T2 강조영상, STIR 모두 유의한 차이가 없었다(p>0.05). 신호대잡음비는 일반적인 VAT보다 DR이 적용된 VAT의 가속계수 4에서 T1 강조영상은 103%, T2 강조영상은 85.2%, STIR은 73.3% 최대로 증가하였고, 영상품질 평가점수는 T1 강조영상은 5점, T2 강조영상은 4.6점, STIR은 4.8점으로 가장 좋았다. 본 연구를 통해 VAT 기법의 영상품질 저하를 DR 기술 로 개선할 수 있었다. 금속 인공물이 발생했을 때 DR이 적용된 VAT의 가속계수를 4로 적용한다면, 검사시간을 단 축하면서 보다 진단적 가치가 높은 영상을 획득할 수 있을 것으로 사료된다.

This study presents an integrated indoor air quality index (IAQI) algorithm aimed at enhancing the efficiency of indoor air quality management in diverse indoor environments. The proposed IAQI accounts for the combined effects of multiple pollutants, offering a more comprehensive approach than traditional concentrationbased methods. Findings from four exposure scenarios and probabilistic health risk assessments indicate that the IAQI can be tailored to reflect occupant characteristics and space usage, thereby providing improved protection for sensitive populations, such as newborns. The application of occupant-specific criteria led to reductions in pollutant concentrations and associated health risks compared to conventional standards. Furthermore, the IAQI incorporates correction factors and weighted adjustments, facilitating robust risk assessments in complex multi-pollutant contexts. By addressing the limitations of single-pollutant management, this approach supports the development of more effective strategies for indoor air quality control. The proposed algorithm holds significant potential for practical applications in indoor air quality management and policymaking. Future research should focus on validating its effectiveness across a wider range of indoor environments.

본 연구는 뇌 DWI에서 딥러닝 적용 시 48채널과 8채널 헤드 코일 간 영상 품질의 차이를 분석하는 것을 목표로 하였다. 3.0T MRI를 사용하여 두 종류의 코일을 비교하였으며, 딥러닝 알고리즘의 효과를 확인하기 위해 SNR(신호 대 잡음비), ADC(겉보기 확산 계수), SSIM(구조적 유사성 지수)을 측정하였습니다. 연구 결과에 따르면, 딥러닝 적용 후 b-value에 따른 두 코일 간의 차이가 나타났다. 특히 b-value 0 및 1000에서는 딥러닝 적용 전후에 두 코일 간 통계적으로 유의미한 차이가 없었지만, b-value 3000에서는 적용 전후 모두에서 유의미한 차이가 있었다. SSIM 분석에서도 딥러닝 적용 전후 차이는 없었으나, b-value에 따른 차이가 측정되었습니다. 이러한 차이는 영상 판독에 영향을 미칠 수 있으며, 이를 개선하기 위해서는 딥러닝 알고리즘이 부위별, 코일별, 펄스 시퀀스별로 최적화 될 필요가 있다. 따라서 본 연구는 향후 딥러닝 기반 MRI 영상의 정확도와 일관성을 높이기 위한 기초 정보를 제공 하며, 임상적 적용에서 부위별, 수신 코일별, 펄스 시퀀스별로 세분된 딥러닝의 최적화가 필요하다.

Detection and sizing of defects are very important for structure life management base on fracture mechanics. The non-destructive inspection techniques based on the induced current field measurement are newly developed. This paper describes the results obtained by these techniques for artificial surface defects. In the case of the RICFM technique, the potential drop distribution around a surface defects was measured as a smaller potential drop than that in a place without a defect. This potential drop showed a minimum value at the defect location, and the absolute value of this minimum value increases depending on the depth of the defect. In the case of the FEF technique, the potential difference distribution for surface defects was measured as a maximum at the location of the defect. This maximum value showed a difference depending on the depth of the defect.

도로에서 발생하는 대기오염의 주요 원인은 자동차 등의 연료연소로 인해 발생하는 미세먼지(PM), 질소산화물(NOX), 황산화물(SOX), 암모니아(NH3), 오존(O3) 등이며, 특히 미세먼지와 질소산화물은 도로를 이용하는 운전자와 보행자의 건강에 부정적인 영향을 미치는 것으로 알려져 있다. 본 연구에서는 버스정류장에 설치되는 미세먼지 저감시설의 미세먼지 저감효과를 분석하기 위하여 미세먼지 저 감능력을 실증할 수 있는 실대형 미세먼지 실증인프라와 실규모의 버스정류장을 이용하였다. 미세먼지 실증인프라에서 미세먼지 저감 시설이 설치되는 실험군(2곳)과 미설치되는 대조군(1곳)을 대상으로 미세먼지(PM10) 발생농도를 측정하였으며, 미세먼지 저감시설의 미 세먼지 저감효과를 분석하기 위하여 미세먼지(PM10)의 발생확률과 확률밀도함수를 산정할 수 있는 통계학적 방법인 Anderson-Darling 테스트(AD 테스트)를 이용하여 분석하였다. 미세먼지 저감시설의 미세먼지 저감효과는 대기질지수(AQI)의 기준을 준용하여 실험군ㆍ 대조군의 미세먼지 농도발생확률을 비교하여 정량적ㆍ정성적으로 분석하였다. 미세먼지(PM10) 농도발생확률 산정결과, AQI ‘보통’의 경우, 실험군 측정지점 1, 2와 대조군의 농도발생확률은 각각 77.24%, 63.26%, 0.00%로 대조군에 비해 실험군의 측정지점 1, 2에서 높 게 나타났으며, AQI ‘나쁨’의 경우, 실험군 측정지점 1, 2와 대조군의 농도발생확률은 각각 21.70%, 35.09%, 100.00%로 나타나 실험군 내의 미세먼지(PM10) 발생농도가 대조군과 비교해 개선되는 것으로 분석되었으며, 대조군 내부의 미세먼지 농도의 변화는 거의 없는 것으로 나타났다. 일반적으로 미세먼지를 측정하는 방식인 중량법과 베타선법을 통한 미세먼지 저감효과 분석방법은 시간당 평균으로 측정한 미세먼지 농도만 비교 가능하므로 정성적인 효과분석이 미비해 본 연구를 통해 소개한 통계학적 방법이 정량적 분석 뿐만 아 니라 정성적 분석에도 효과적일 것으로 기대하고 있다.

Evaluating the performance of asphalt concrete using CT scanning has become an essential area of research due to its potential to revolutionize the way we assess road materials. Traditional methods often require destructive sampling, which can damage infrastructure and offer limited insight into the material's internal structure. In contrast, CT scanning provides a non-destructive, highly detailed analysis of asphalt's internal features, such as air voids, aggregate distribution, and binder coverage, all of which are critical to its durability and performance. Additionally, the ability to create 3D models from CT scans allows for deeper insights into factors like void connectivity and aggregate bonding, which directly affect the lifespan of pavements. By combining CT imaging with advanced data processing techniques, such as deep learning, this research offers more accurate and reliable methods for optimizing asphalt mix designs, ultimately leading to longer-lasting roads, reduced maintenance costs, and more sustainable construction practices.

본 연구에서는 ALOHA와 Bow-tie를 활용하여 메탄올 추진 선박의 저장 탱크가 울산항에서의 누출 시나리오를 가정하여 위험도 평가하였다. ALOHA를 이용하여 대안 및 최악의 시나리오를 산정하여 피해 범위를 예측하였다. 독성 영향 범위의 결과(ERPG-2 기준)로는 대안(629m), 최악(817m)로 육상 탱크 터미널의 부두 시설 및 거주 지역까지 포함되는 것으로 확인되었다. 인화성 영향 범위(LEL 10% 기준) 는 대안(126m), 최악(218m) 선박에서만 발생하였으며, 열복사 영향 범위(5.0kW/m2 기준)는 대안(56m), 최악(56m)로 선박에서만 영향을 미쳤 다. 또한, 전문가 집단을 구성하여 Bow-tie 기법을 통하여 예방 대책과 완화 대책을 평가하였다. 대책 유형 분류에서는 Hardware와 Human 으로 구분되었으며, 안전 유효성과 위험 심각성의 결과에서는 “Gas Freeing System”, “Ventilation System”, “Fire-Fighting System이 가장 높은 평가를 받았다. 위의 평가를 토대로 위험도 평가를 도식화하였다.

국제해사기구는 국제해운의 온실가스 배출을 줄이기 위한 전략을 채택하였으며, 선박 기인 온실가스 배출을 줄이기 위해 보다 강화된 목표를 설정하고 있다. 액체수소를 기화시켜 연료로 사용하는 고분자 전해질 연료전지는 이러한 규제를 준수하기 위한 유망한 기 술 중 하나로 평가받고 있다. 일반적으로 선박시스템 설계는 선급의 규정에 따라야 하지만 환경규제가 강화됨에 따라 새로운 연료와 시 스템의 도입이 가속화되고 있으며, 이로 인해 규정개발이 기술의 도입을 따라가지 못하는 경우도 발생하고 있다. 이러한 격차를 해소하기 위해, 본 연구에서는 수소 연료가스공급 시스템을 대상으로 위험요소 및 운전분석 기법(HAZOP)과 보호계층분석 기법(LOPA)을 결합하여 신기술의 안전성을 검증하는 방법을 제시하였다. 먼저 HAZOP을 통해 위험 시나리오를 식별하고, LOPA를 통해 정성적인 HAZOP 결과를 정량적으로 보완하였다. 초기사건의 빈도와 독립보호계층(IPL)들의 작동 요구시 고장 확률(PFD)을 계산하였다. 기존 IPL의 적절성을 결정 하기 위해, 예상되는 완화 정도를 가정한 허용기준과 비교하였으며, 필요한 경우, 추가 IPL을 권장하였다. 본 연구를 통해서 HAZOP-LOPA 기법이 조선해양 분야에서 신기술의 안전성을 평가할 수 있는 잠재력을 가지고 있음을 확인하였다.

Scientific exploration of how occupational health risks relate with occupational illnesses are essential for mitigating health-related issues in industries. This study analyzed the risk scores obtained by occupational health risk assessments at 3,172 manufacturing companies and examined their effects on occupational illness. Statistical analyses revealed that companies with an occupational health manager (scored 89.1 out of 100) had significantly higher activity scores of health management compared to those without (78.2). However, companies with a history of occupational illness (79.1) or those classified as high-risk industries (85.2) had significantly lower activity scores than their counterparts (81.7, 87.3). In addition, regression analyses using factor analysis showed that latent risk factors such as cardiovascular disease/job stress, health management, and musculoskeletal problem significantly influenced the risk of occupational illness. The activity factors such as health management, work environment management, and regulatory complaisance significant impacted the reduction of occupational illness. The findings of this study can be used to improve the occupational health risk assessment method and utilized in effectively managing occupational risks in industries.

본 연구에서는 간담도 조영제를 사용하는 간 검사에 있어서 동맥기 검사에서의 원인 미상의 이유로 인하여 일시적 호흡곤란이 발생하고, 호흡정지가 실패하여 영상의 질을 저하하는 경우가 있는데, 이에 있어 기존의 고안된 여러 방법이 아닌 백신 기법을 사용하여 호흡정지의 성공률을 높이고 영상의 질을 향상해 임상의 유용성을 평가하고자 한다. 간 검사를 시행하는 65세 이상 또는 의사소통이 명확히 되는 간병증 환자 20명을 대상으로 진행하였으며, 동맥기 검사 직전에 백신 개념의 조영제 0.1 ml를 주입하여 환자 신체가 조영제에 적응하게 한 후, 조영제 9.9 ml를 주입하여 동맥기 검사를 진행하였다. 영상의학과 전문의 1명과 전문방사선사 4명이 영상을 평가하고, 환자로부터 조영제 주입 후의 신체적 평가를 직접 확인하였다. 그 결과로 정성적 평가인 5점 리커트 척도를 통하여 대응 표본 T-검정으로 유의한 차이가 있었고, 시행된 환자 본인에 있어서 조영제의 주입 시, 체감에 있어 대부분 느낌도 받을 수 없었으며, 환자의 조영제에 대한 두려움과 만족도 측면에서 약 3배 높은 결과를 보여주었다. 그리고 이에 대한 영향으로 영상 측면에서도 일시적 호흡곤란이 발생하지 않고 검사에 방해 요소가 줄어든바, 약 1.78배 높아진 평가 를 얻을 수 있었고 동맥기 검사에서 호흡정지 실패 발생 빈도가 줄어드는 것을 확인할 수 있었으며, 임상에서 높은 질의 영상을 얻을 수 있을 것이라 사료된다.

교통사고는 인적요인, 도로 기하구조, 교통류, 환경적 요인 등 복합적인 요인에 의해 발생하고 속도는 교통사고와 밀접한 연관성이 있다. 또한, 교통사고는 교통 혼잡도와 관련이 있으며 사고와 실시간 교통상황 간의 상관관계를 통해 사고 발생 개연성을 추정하고 도 로 안전성 분석이 필요하다. 모바일 센서와 통신 기술의 급속한 발전으로 스마트폰 보급률이 증가하였으며 내장된 센서를 기반으로 생성된 차량 주행 데이터 수집이 가능하다. 기술의 발달로 데이터 수집이 쉬워졌음에도 불구하고, 스마트폰을 기반으로 수집된 위험 운전 이벤트를 활용한 도로 위험도 평가에 대한 연구는 부족한 실정이다. 본 연구는 스마트폰 센서 기반의 위험 운전 이벤트 데이터 중 하나인 급감속 위험 운전 이벤트 데이터를 도로 위험도 평가 기법에 활용하는 것을 목적으로 한다. 급감속 위험 운전 이벤트 데이 터는 주행 차량이 3초간 속도를 40km/h 이상 감소하는 위험 이벤트가 발생할 때 시간과 위치를 기록한 자료를 의미한다. 본 연구의 범위는 대한민국 내 인구와 교통량이 많은 지역인 수도권을 대상으로 서울, 경기, 인천을 연결하는 고리 형태의 도로인 수도권제1순환 선을 대상으로 하였다. 먼저, 개별 차량 데이터는 좌표 기반의 내비게이션 데이터로 집계하여 VDS 링크 데이터와 매칭하였다. 다음으 로는 개별 차량의 위험 운전 이벤트 데이터와 차량 검지기의 교통 매개변수를 결합한 새로운 지표를 개발하였다. 또한, 시·공간적 교 통류의 특성을 반영하여 다양한 도로 위험도 평가 방법에 활용하고자 하였다. 마지막으로 위험 운전 지표와 이력 자료를 기반으로 통 계적으로 유의한 안전성능함수를 개발하였으며, 다양한 시간 단위의 집계 수준을 활용하여 도로 구간별 최적의 모형을 제안하였다. 본 연구는 스마트폰 센서를 기반으로 식별한 개별 차량의 위험과 교통류 차원의 위험을 결합하여 새로운 위험 지표를 개발하고 도로 위 험도 평가에 활용한다는 것에 의의가 있다. 결과물은 향후 스마트폰 센서 기반 개별 차량 위험 운전 이벤트 데이터와 교통 조건을 통 합하는 도로 위험도 평가의 기초자료로써 활용될 것으로 기대된다.

Particulate matter is known to have adverse effects on health, making it crucial to accurately gauge its concentration levels. While the recent advent of low-cost air sensors has enabled real-time measurement of particulate matter, discrepancies in concentrations can arise depending on the sensor used, the measuring environment, and the manufacturer. In light of this, we aimed to propose a method to calibrate measurements between low-cost air sensor devices. In our study, we introduced decision tree techniques, commonly used in machine learning for classification and regression problems, to categorize particulate matter concentration intervals. For each interval, both univariate and multivariate multiple linear regression analyses were conducted to derive calibration equations. The concentrations of PM10 and PM2.5 measured indoors and outdoors with two types of LCS equipment and the GRIMM 11-A device were compared and analyzed, confirming the necessity for distinguishing between indoor and outdoor spaces and categorizing concentration intervals. Furthermore, the decision tree calibration method showed greater accuracy than traditional methods. On the other hand, during univariate regression analysis, the proportion exceeding a PM2.5/PM10 ratio of 1 was significantly high. However, using multivariate regression analysis, the exceedance rate decreased to 79.1% for IAQ-C7 and 89.3% for PMM-130, demonstrating that calibration through multivariate regression analysis considering both PM10 and PM2.5 is more effective. The results of this study are expected to contribute to the accurate calibration of particulate matter measurements and have showcased the potential for scientifically and rationally calibrating data using machine learning.