Invasive species compete with native species and damage ecosystems. Due to their limited resources, island ecosystems are vulnerable to impacts of invasive species. In the Deokjeok archipelago, South Korea, invasive sika deer (Cervus nippon ssp. taiouanus) introduced for economic purposes are causing harm through severe browsing. This study aimed to evaluate long-term browsing impacts of invasive deer by tracking vegetation index changes from 1986 to 2020 with Landsat satellite imagery and the LandTrendr algorithm. We compared vegetation index trend using Sen’s slope and Disturbance/Recovery area ratio (D/R ratio) between Gureop-do, where these deer were introduced with rapid population increase, and Deokjeok-do, Baega-do, and Mungapdo where these deer have not been introduced yet. Results showed a decreasing trend of the vegetation index in Gureop-do, while other islands without those deer increased. The cumulative D/R ratio on Gureop-do was 212.44%, meaning that disturbance exceeded the recovery area more than two-fold. In contrast, the D/R ratios for other islands remained under 50%. Sen’s slope and t-test showed a significant decrease of NDVI in Gureop-do after deer introduction in 2000. By quantifying the browsing impact of invasive ungulates in island ecosystems using satellite imagery, time and costeffective strategies for invasive species monitoring are provided.

선박에는 단열을 위한 발포제가 적용된다. 기존의 발포제에는 지구온난화물질인 수소불화탄소(HFC)를 다량 포함하고 있는 문제점이 있으며, 우리나라는 몬트리올 의정서의 ‘키칼리 개정서’를 채택함에 따라 HFC를 ‘24년부터 ’45년까지 기준 수량의 80% 감 축하기로 결정되었다. 이에, 메틸포메이트 원료는 지구온난화지수가 0(HFC는 960~1,430)으로 향후 친환경발포제로 높은 기대를 갖고 있다. 하지만, 메틸포메이트 발포제의 성능은 원료의 순도 및 주변환경에 높은 영향을 받음으로 각 공정환경에 대한 정확한 분류가 필요하다. 이에, 본 논문에서는 주변환경(온도)과 메틸포메이트 순도에 따라, 총 4개의 케이스를 만들었다. 각 케이스에 대해서 10,010 장의 이미지를 학습하고, 이를 구글넷(GoogLeNet)알고리즘을 이용하여 분류하였다. 분류결과 정확도는 96.8%를 갖고, F1-Score는 0.969 를 갖는 것으로 계산하였다.

This study analyzes the visual image effects regarding the design changes of sleeves and shoulders on plus-size women in their 20s and 30s to propose ideas for plus-size women’s clothing production and design. Based on a plus-size women’s basic raglan sleeve shirt, six types of raglan sleeve shirts with various design elements were developed using a 3D virtual imaging program to analyze the visual image effect of each pattern’s features. The results showed that the A-shaped sleeve silhouette, exemplified by Pattern A2, makes the upper body look longer and slimmer as a whole. It also conveyed a sense of refinement and attractiveness, displaying positive effects regarding body shape and aesthetic perception. Meanwhile, O-shaped silhouettes, such as Pattern B1 and Pattern B2, showed positive effects regarding comfort and mobility, while Y-shaped silhouettes, such as Pattern C1 and Pattern C2, created a visually confident appearance. Furthermore, the research examined the effects of static images and dynamic videos on evaluation outcomes. The results showed that dynamic images enhanced immersion and vibrancy, thereby increasing focus on the apparel evaluated. The results of the visual image evaluation can be used as a basis for designing not only raglan sleeves but also overall sleeve shapes.

Background: Artificial intelligence (AI) research on physical fitness posture estimation has been limited by a lack of comprehensive datasets and guidelines. This study analyzes the fitness image dataset provided by Korea's AIHub platform to advance posture estimation algorithms from exercise prescription and behavioral analysis perspectives. Objectives: To analyze fitness movements and guide correct exercise posture using AI-based visual and auditory feedback. Design: Descriptive analysis of a large-scale dataset. Methods: The study examined image and JSON labeling files from AI-Hub, analyzing 6.39 million fitness images across 41 exercise types. Data structure, exercise states, and annotation characteristics were analyzed in detail. Results: The dataset encompasses 816 distinct exercise states, captured from five camera angles with 24 key body points labeled per posture. Exercises were categorized into full-body workouts (17), barbell/dumbbell exercises (16), and furniture exercises (8). Gender distribution was 76% male and 24% female, with 41% in the 27-29 age group. The dataset allows for detailed analysis of correct and incorrect postures. Conclusion: This comprehensive analysis of the AI-Hub fitness dataset provides a robust foundation for developing AI models for fitness posture evaluation and feedback, benefiting exercise coach web/app service developers.

This study aims to identify factors influencing clothing consumption behavior among college students, focusing on body image perception and self-esteem. Data were collected from 207 students at two universities in Jinju city, using a structured questionnaire from July 1 to August 20, 2024. The data were analyzed using descriptive statistics, t-tests, ANOVA, Pearson’s correlation coefficient, and multiple regression analysis with SPSS 23. The study found moderate levels of body image perception, self-esteem, and clothing consumption among the college students. A negative correlation was found between body image perception and self-esteem r=–.372, p=<.001). The regression model for factors influencing clothing consumption behavior was significant (F=6.33, p≤001), with self-perception of body shape (β=–.257, p=.015), body image perception (β=.241, p=.001), age (β=–.183, p=.008), and academic major (β=.153, p=.025) as significant factors. These variables explained 16.2% of the variance. The results suggest the need for programs that prevent body image distortion and promote positive body image perception among college students, as well as guidance to encourage rational clothing consumption behavior. This study is significant in examining the clothing consumption behavior of college students and will serve as fundamental data for developing desirable programs based on the study results.

자기공명영상 평가 시 정확한 영상평가를 방해하는 요인에는 여러 가지가 있다. 그중 측정자로 인한 관심 영역의 크기 설정도 여러 요인 중 하나인데, 아직 다른 요인에 비해 관심 영역의 크기 설정은 연구가 부족한 실정이다. 이에 본 연구에서는 관심 영역의 크기 변화에 따른 SNR의 변화를 통계적으로 비교·분석하여 설정하는 방법을 제시하고 그 유용성을 증명하고자 하였다. 연구 방법은 팬텀의 T1, T2 강조영상을 획득한 다음 획득한 영상에 관심 영역의 크기를 변화시켜 신호강도를 측정한 후 관심 영역의 크기 변화에 따른 SNR 산출하여 비교평가 하였다. 연구 결과 T1 강조영상은 관심 영역의 크기 설정 시 20% 이하, T2 강조영상은 40% 이하로 설정할 때 기준 관심 영역 크기와 SNR이 통계적으로 차이가 없었다. 결론적으로 관심 영역의 크기 설정 시 본 연구의 통계를 이용한 설정 방법을 적절히 활용하여 측정을 시행한다면 관심 영역 크기 설정의 합리적 근거를 마련할 수 있어 유용하리라 판단된다.

급성 뇌경색 진단에는 환자에 따라 관류강조영상과 조영증강 자기공명혈관영상이 동시에 촬영되는 경우가 있으며, 이 과정에서 MRI 조영제인 가돌리늄의 T1 단축 효과가 발생하여 동맥과 정맥의 신호 겹침이 빈번히 발생한다. 특 히, 3D T1 경사에코 기법을 사용한 CE-MRA에서 첫 번째 조영제 주입(PWI) 후 연속적으로 발생하는 T1 감소 효과로 인해 혈관의 정확한 묘사에 한계가 있었다. 본 연구에서는 이러한 문제를 해결하기 위해 마스크 영상의 획득 시점을 조정하여 새로운 방법(B)을 제안하였다. 기존 방법(A)에서는 관류강조영상 이전에 마스크 영상을 획득했지 만, 새로운 방법(B)에서는 관류강조영상 이후 마스크 영상을 획득하여 동맥과 정맥 신호 겹침을 효과적으로 줄였다. 연구 결과, S상 정맥동과 내경정맥에서 새로운 방법이 기존 방법보다 유의미하게 낮은 대조대잡음비를 보였으며, 신호 겹침이 줄어들어 정맥 신호의 억제 효과가 극대화되었다(p<0.05). 본 연구의 새로운 방법은 기술적으로 추가적 인 복잡성 없이 효율적으로 정맥 신호를 제거하여 CE-MRA 영상의 진단적 정확성을 향상하는 유용한 기법으로 평 가된다. 향후 연구에서는 더 다양한 환자군을 대상으로 본 방법의 유용성을 검증하고, 최적의 방안 모색을 할 필요가 있다.

자기공명영상은 인체 내부 구조와 병변을 비침습적으로 시각화하는 핵심 의료 영상 기법으로 자리 잡고 있으며, 특히 신경계 및 심혈관계 질환과 같은 복잡한 질병의 진단에서 필수적인 도구로 활용되고 있다. 기존의 자기공명영상 시스 템은 영상의 해상도와 신호대잡음비에서 한계가 있었으나, 최근의 기술 발전은 이러한 한계를 극복하고 진단 정확성 을 높이는 방향으로 나아가고 있다. 고자기장 자기공명영상 시스템의 도입은 해상도와 신호대잡음비를 개선하는 데 기여하고 있으며, 병렬 영상 기법은 촬영 속도를 향상시키면서도 영상 품질의 손실을 최소화한다. 또한, 압축 센싱 (compressed sensing) 기술은 데이터 획득 시간을 줄여 촬영 효율성을 높이는 데 중요한 역할을 하고 있다. 최근 인공지능(AI)의 발전으로, 자기공명영상 데이터에서 초해상도 복원(super-resolution) 및 노이즈 제거와 같은 영상 후처리 기술이 획기적으로 향상되었다. 인공지능 기반의 영상 향상 기술은 저해상도 데이터를 고해상도로 변환하고, 촬영 과정에서 발생할 수 있는 왜곡과 노이즈를 효과적으로 제거하여, 더 정확하고 명확한 진단 영상을 제공한다. 이러한 발전은 단순히 영상의 품질을 높이는 것을 넘어, 임상 진단의 정확성과 효율성을 크게 향상시키고 있으며, 특히 제한된 촬영 시간을 요구하는 응급 상황에서 유용성이 두드러진다. 본 논문에서는 자기공명영상 촬영 기법의 최신 발전과 인공지능 기반 영상 향상 기술의 동향을 여러모로 분석하고, 이들의 임상적 유용성을 조명함으로써 고해 상도 자기공명영상이 의료 분야에서 가지는 의미와 향후 발전 방향을 제시하고자 한다.

Today, as the social demand for tap water safety and the need for an ICT-based intelligent integrated control system increase, K-water (Korea Water Resources Corporation) is building and operating a ‘Water pipe monitoring CCTV system’ to quickly respond to crises in the event of a water leak. However, in the case of the existing system, when the CCTV rotates, the image information and the mapped water pipe image do net match, so the operator has the limitation that the water pipe image must be mapped anew every time. In this paper, in odert to solve the above problems, we propose an improved system that can extract feature points from CCTV images, detect changes in the coordinate values of the feature points, and automatically transform the location of the water pipe image by utilizing LoFTR (Detector-Free Local Feature Matching with Transformer), a type of deep learning image matching algorithm that is actively being studied in th field of the latest computer vision, and examine its effectiveness.

Following the implementation of the Act on the Prevention of Light Pollution Due to Artificial Lighting in 2013, local governments designated lighting environment management zones and conducted assessments of the impacts of light pollution on the environment to ensure compliance with acceptable light emission standards. In addition, according to the Act on the Prevention of Light Pollution Due to Artificial Lighting, local governments conduct and manage light pollution assessments every three years. However, measuring and analyzing during nighttime requires a significant amount of time and labor. Therefore, this research aims to improve the current light pollution environmental impact assessment method by utilizing aerial information from satellite data and establishing a database of light pollution assessment methods, thereby laying the foundation for light pollution management. In this study, a reference light source was installed on the ground, and the luminance measurements of the installed reference light source and the advertising light sources on-site were analyzed to derive brightness values for ground light sources using the optical band (R, G, B) values from aerial information derived from satellite images. The analysis produced predictive equations for light pollution from upward lighting and general advertising lighting. When these equations were applied to residential and commercial areas in the lighting environment management area, the results indicated that the predicted rooftop upward lighting prediction brightness exceeded the acceptable standard of light emission of 800 cd/m2 in residential areas, and the advertisement lighting prediction brightness exceeded the standard of 1,000 cd/m2 in commercial areas.

This study developed and implemented an elementary English writing program using image-generative AI to examine its effects on students’ writing abilities and affective domains. The program was designed following the ADDIE model and aligned with the 2022 Revised English National Curriculum. It used Padlet’s ‘I Can’t Draw,’ allowing students to create images based on their prompts. Eighty sixth-grade students participated, with data collected through pre- and post-writing tests, affective domain surveys, student work, reflections, and teacher interviews. A mixed-methods analysis, combining ANCOVA and content analysis, revealed the following: (1) The program improved the syntactic and lexical complexity and fluency of students’ writing, but not accuracy. (2) Students’ situational interest significantly increased, but individual interest did not. Additionally, students’ engagement and motivation in learning English improved. These findings indicate that image-generative AI is an effective tool for enhancing English writing lessons and providing feedback. The study also emphasizes the critical role of teacher competence in successfully integrating AI into language instruction.

이 연구는 직장 여성의 속눈썹 연장 시술 동기 및 이미지 변화 자신감과 시술 효과성에 미치는 영향의 필요성에 대해 검증하고자 하였다. 이 연구는 서울 및 지방도시 지역에 거주하는 20세 이상의 직장 여성을 대상으로 2024년 5월 10일부터 2024년 6월 5일까지 최종 286부를 SPSS 25.0 프 로그램을 활용하였다. 분석결과 속눈썹 연장 시술 동기의 하위요인별 외모 단점 보완, 이미지 개선은 심리적 효과성에 영향을 미치는 것으로 나타났고, 속눈썹 연장 시술 동기의 하위요인별 외모 단점 보완, 이미지 개선, 대인 지향은 사회적 효과 성 영향을 미치는 것으로 나타났다. 분석결과 직장 여성들의 삶의 질 향상에 속눈썹 연장 시술이 전체적인 이미지 변화에 매우 효과적이며 한국 여성들의 추구하는 세련된 이미지 변화에 만족도를 높일 수 있는 미용산업의 한 분야 로 판단된다. 갈수록 심화 되는 미용산업의 경쟁구도 속에 자리 잡고 있는 속눈썹미용 이 더욱 체계화되고 전문화시킬 수 있는 교육과 전문가 양성, 프랜차이즈 개 발, 프로그램 개발이 필요하다고 생각된다.

This study aimed to investigate the difference that convolutional neural network(CNN) shows in the determining osteoporosis on panoramic radiograph by performing a paired test by inputting the original image and the limited image including the cortical bone of the posterior border of the mandible used by radiologists. On panoramic radiographs of a total of 661 subjects (mean age 66.3 years ± 11.42), the area including the cortical bone of the posterior part of the mandible was divided into the left and right sides, and the ROI was set, and the remaining area was masked in black to form the limited image. For training of VGG-16, panoramic radiographs of 243 osteoporosis subjects (mean age 72.67 years ± 7.97) and 222 normal subjects (mean age 53.21 years ± 2.46) were used, and testing 1 and testing 2 were performed on the original and limited images, respectively, using panoramic radiographs of 51 osteoporosis subjects (mean age 72.78 years ± 8.3) and 47 normal subjects (mean age 53.32 years ± 2.81). The accuracy of VGG-16 for determining osteoporosis was 97%, in the testing 1 and 100% in the testing 2. When determining osteoporosis on the original image, CNN showed sensitivity in a wide range of areas including not only the inferior cortical bone of the mandible but also the maxillary and mandibular cancellous bone, cervical spine, and zygomatic bone. When the same ROI including the lower inferior cortical border of the mandible of the osteoporosis group was applied and the sensitive region was compared between the original image and the limited image, the original image showed wider sensitive region in cancellous bone and cortical bone than on the limited image (p<.05). Since osteoporosis is a disease that affects throughout the skeletal system, this finding seems very valid.

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.

Hydride analysis is required to assess the mechanical integrity of spent nuclear fuel cladding. Image segmentation, which is a hydride analysis method, is a technique that can analyze the orientation and distribution of hydrides in cladding images of spent nuclear fuels. However, the segmentation results varied according to the image preprocessing. Inaccurate segmentation results can make hydride difficult to analyze. This study aims to analyze the segmentation performance of the Otsu algorithm according to the morphological operations of cladding images. Morphological operations were applied to four different cladding images, and segmentation performance was quantitatively compared using a histogram, betweenclass variance, and radial hydride fraction. As a result, this study found that morphological operations can induce errors in cladding images and that appropriate combinations of morphological operations can maximize segmentation performance. This study emphasizes the importance of image preprocessing methods, suggesting that they can enhance the accuracy of hydride analysis. These findings are expected to contribute to the advancements in integrity assessment of spent nuclear fuel cladding.

방대한 빅데이터를 기반으로 발전한 인공지능 기술은 창작과 영상 예술, 인간의 고유 영역으로 여겨졌던 분야에 큰 영향을 미치기 시작했다. 전통적으로 선형적이었던 3D 애니메이션 제작 방식은 AI 이미지 생성 모델을 활용해 초기 기획, 컨셉 및 아이디어를 빠르게 비주얼화하고, 실시간 게임 엔진을 통해 실시간으로 수정 및 개선 작업을 반복하며 완성도를 높이는 비선형 적 방식으로 변화하고 있다. 본 논문에서는 Stable Diffusion의 노드 기반 비주얼 스크립트인 ComfyUI를 활용한 사전 제작 과정과 iClone 및 언리얼 엔진을 통해 디지털 휴먼을 제작하고 구체화하는 일련의 파이프라인을 분석한다. 이를 통해 전통적인 파이프라인을 넘어서는 새로운 예술적 표현의 가능성을 모색한다.

최근 딥러닝은 자기공명영상 검사에서의 화질 개선을 위해 다양하게 활용되고 있다. 하지만 다양한 자기공명영상 검사에서 딥러닝이 적용된 기법과 상황에 대한 평가는 부족한 편이다. 이에 본 연구에서는 모션 ACR(American College of Radiology) 팬텀을 활용하여 일반적인 상황과 움직이는 상황에서 T2-PROPELLER(periodically, rotated overlapping parallel lines with enhanced reconstruction, PROPELLER)와 T2-FSE(fast spin echo, FSE) 기법의 화질을 비교 평가해 보고자 하였다. 연구 결과 움직이지 않는 상황에서의 딥러닝 프로세스를 적용하였을 때 유의미한 신호대잡음비와 대조대잡음비의 상승을 보였다. 하지만 팬텀에 움직임을 주는 동적인 상황 에서 딥러닝 프로세스를 적용하였을 때 유의미한 화질 개선을 보이지 않았다. 이러한 결과는 딥러닝 프로세스를 절대 적으로 사용하기보다 다양한 상황에 맞게 선택적으로 적용하는 것이 필요할 것으로 사료된다.