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.

In a situation where the importance of eco-friendly fashion is growing, this study adds to the needed research by analyzing consumption value satisfaction factors, brand image, and repurchase intentions of eco-friendly fashion products. During the investigation, the impact of gender was also accounted for to establish an effective marketing strategy. In June 2024, 250 surveys were evaluated from domestic consumers with experience purchasing eco-friendly fashion products. Descriptive statistical analysis, factor analysis, reliability analysis, and regression analysis were performed. Five factors were measured to determine satisfaction with the consumption value of eco-friendly fashion products: emotional value, functional value, social and situational value, passive value, and rare and eco-friendly value. Empirically subdividing satisfaction with eco-friendly fashion as recognized by consumers reveals meaningful findings about consumption value. Among the factors of consumption value satisfaction with eco-friendly fashion products, functional value, social and situational value, and rare and eco-friendly value all positively affected repurchase intention. The consumer’s gender also made a difference in satisfaction. Considering these results, the marketing effect of eco-friendly fashion can be increased. This study will be able to increase the ESG management effect of fashion companies. By performing ESG management, the fashion industry can achieve social and environmental responsibility along with sustainable growth.

목적 : 광학 시뮬레이션 프로그램을 통해 Gullstrand 모형안을 입체적으로 설계하여, 정시와 굴절이상을 구현하 였다. 이를 이용하여 망막 상의 해상도 변화를 확인하고 정량적인 분석법을 제시하고자 하였다. 방법 : 3D 광학 시뮬레이션 프로그램인 Ansys SPEOS Ver. 2012(ANSYS Inc., USA)를 이용하여 모형안을 설계하였으며, 각막 전면 곡률반지름을 변화시켜 근시 및 원시의 굴절이상을 구현하였다. 각막 전면에서 우측 24.00, 24.38 및 25.00 mm 떨어진 위치에 탐지기를 설치하여 위치에 따른 상의 변화를 분석하였다. 굴절이상의 정도와 검출기 위치에 따른 상의 겉보기 해상도, 세기 분포, 가시성, 선명도를 확인하였으며 도출하였으며, 최종적 으로 정량적 해상도를 계산하였다. 결과 : 망막 상의 겉보기 해상도는 근시는 망막 앞에, 그리고 원시는 망막 뒤에 결상된 상에서 가장 우수한 결과 를 보였다. 세기 분포는 24.76 mm에서 +1.00과 +2.00 D가 모두 유사하게 높은 것으로 나타나 겉보기 해상도와 일부 차이를 보였다. 가시성은 24.00 mm에서 –2.00과 –1.00 D, 24.38 mm에서 –1.00과 +0.00 D, 24.76 mm에 서 +1.00과 +2.00 D가 높게 측정되었다. 선명도는 24.00 mm에서 –2.00 D, 24.38 mm에서는 -1.00 D, 그리고 24.76 mm에서는 +1.00 D에서 가장 높게 측정되었다. 이로써 가시성과 선명도 값은 위치와 굴절이상도에 따른 서로 다른 결과로 분석되었다. 정량적인 해상도는 24.00 mm에서 –2.00 D, 24.38 mm에서 –1.00과 +0.00 D, 24.76 mm에서 +1.00 D가 가장 우수하게 분석되었으며, 겉보기 해상도와 잘 일치하는 것이 확인되었다. 결론 : 본 연구에서 제안된 망막 상의 정량적 해상도 분석 결과를 통해 상대적으로 비교가 까다로운 망막 상에 대하여 정량적으로 명확한 분석이 가능할 것으로 판단된다.

흉골 자기공명영상 검사 시 호흡 등 환자 움직임에 의한 인공물 발생을 최소화하는 것은 어렵다. 하지만 자기공명영 상 검사는 타 영상 검사와 비교해 흉골 병변을 발견하는 데 있어 진단적 가치가 높은 장점이 있다. 따라서 본 연구에 서는 환자의 검사 자세 및 딥러닝 기법을 통해 최적의 검사 방법을 도출하고자 한다. 자세 별 영상 변화를 확인하기 위해 바로 누운 자세, 엎드린 자세, 유방 코일을 사용한 엎드린 자세로 진행하였으며, 고식적 기법의 영상과 Deep Resolve Boost(DRB) 기법을 적용한 영상을 비교 관찰하였다. 모든 대상에게 같은 조건으로 각 영상을 2회씩 획득 한 후 전반적인 영상 품질을 기준으로 정성적으로 평가하였고, DRB의 적용 여부에 따른 신호 대 잡음비의 변화 정도를 정량적으로 평가하여 개선 정도를 산출하였다. 정성적 평가에서 DRB 적용 여부와 무관하게 엎드린 자세, 유방 코일을 사용한 엎드린 자세, 바로 누운 자세 순으로 높은 점수를 얻었으며, DRB를 적용한 영상이 고식적 기법 의 영상보다 높은 점수를 얻었다. 또한 정량적 평가를 통해 유방 코일을 사용한 엎드린 자세, 엎드린 자세, 바로 누운 자세 순으로 높은 개선 정도를 확인하였다. 본 연구를 통해 흉골 검사 시 DRB 기법을 적용하는 것은 영상의 질을 높이는 방법임을 확인하였다. DRB를 적용하지 못하는 환경에서는 될 수 있으면 엎드린 자세를 적용하는 것을 권고하며, DRB를 적용할 수 있는 환경에서는 환자 측 인자를 고려하여 엎드린 자세와 유방 코일을 사용한 엎드린 자세를 모두 적용할 수 있다.

지형적인 이질성이 심한 강원도, 경상북도에 집중되고 있는 대형 산불을 관리하기 위해서는 위성 영상을 활용하여 효율적이고 신속한 피해 평가를 통한 의사 결정 과정이 필수적이다. 이에 본 연구는 2022년 3월 5일에 강원도 강릉 및 동해에서 발화하여 3월 8일 19시경 진화된 대형 산불을 대상으로, dNBR을 활용한 산불 심각도 산정과 등급에 영향을 미치는 환경요인을 도출하고자 하였다. 환경요인으로는 식생 또는 연료 유형을 대표하는 정규식생지수, 수종을 구분한 임상도, 수분함양을 나타내는 정규수분지수, 지형과 관련해서는 DEM 등을 수치화한 후 산불 심각도와의 상관 관계를 분석하였다. 산불 심각도는 산불 피해 없음(Unbured)이 52.4%로 가장 넓었고, 심각도 낮음 42.9%, 심각도 보통-낮음 4.3%, 심각도 보통-높음 0.4% 순이었다. 환경요인의 경우 dNDVI, dNDWI와는 음의 상관관계를, 경사도와 는 양의 상관관계를 나타내었다. 식생과 관련해서는 산불 심각도에 영향을 미치는 것으로 분석된 dNDVI, dNDWI, 경사도 모두에서 침엽수, 활엽수, 기타의 집단간 차이가 p-value < 2.2e-16로 유의미한 것으로 분석되었다. 특히, 침엽수 와 활엽수의 차이가 명확하였는데, 강원도 지역에서 우점종인 소나무를 비롯하여 잣나무, 리기다소나무, 곰솔 등의 산불 심각도가 높아 침엽수가 활엽수에 비해 피해를 받는 것이 확인되었다.

This study investigates consumer experiences and word-of-mouth (WOM) intentions in luxury brand pop-up stores, including standalone and department store setups. Grounded in experience economy theory, this study examines the experiential elements based on the types of pop-up stores and the relationships among consumer experience, pop-up store image, and WOM intentions for each type. Data were collected from 300 visitors to luxury brand pop-up stores between January and July 2023 and analyzed using Smart PLS 4.0. The findings reveal several key insights. First, standalone pop-up stores offer educational and escapist experiences, while pop-ups within department stores have a single identified factor of consumer experience. Second, regardless of the store type, luxury pop-up store experiences significantly influence pop-up image perceptions. Third, luxury pop-up store image drives WOM intentions for both standalone and department store pop-ups. Notably, the unique image significantly impacts solely department store pop-ups and does not influence standalone pop-ups. Moreover, image perceptions in both pop-up store types do not significantly affect brand WOM intentions. Finally, WOM intentions for pop-up stores significantly influence WOM intentions for brands. This study contributes to the theoretical understanding of consumer experiences in luxury pop-up stores, providing practical insights for stakeholders in the luxury brand industry to enhance pop-up store image perceptions and WOM intentions.

This paper introduces a study on measuring the 3D vibration displacement of plate structure using Digital Image Correlation (DIC) applied to stereo digital continuous camera images. The proposed method is a non-contact 3D displacement measurement method that does not require physical sensors to be attached to the structure, and it has the advantage of simultaneously measuring dynamic displacements at multiple points on the structure. Theoretically, multiple cameras can be used, but in this study, two cameras were used to capture continuous images of the vibrating structure, and the image coordinates of multiple tracking points at arbitrary positions on the structure were measured using correlation matching. Using these image coordinates as input data, the dynamic 3D positions were calculated through Space intersection, successfully determining the 3D dynamic displacements. The measured dynamic displacements were validated for accuracy by comparing them with values measured by laser displacement sensors. And frequencies of measured data were validated by comparing with computational modal analysis by Finite Element Model (FEM).

In this study, various pre-treatment methods were evaluated for microalgae separation. These methods aimed to facilitate safe, rapid, and cost-effective online imaging for real-time observation and cell counting. As pre-treatment techniques, heating, chemical hydrolysis, heating combined with chemical hydrolysis, and sonication were employed. The effectiveness of these methods was evaluated in the context of online imaging quality through experimentation on cultivated microalgae (Chlorella vulgaris and Scenedesmus quadricauda). The chemical treatment method was found to be inappropriate for improving image acquisition. The heating pre-treatment method exhibited a drawback of prolonged cell dispersion time. Additionally, the heating combined with chemical hydrolysis method was confirmed to have the lowest dispersion effect for Chlorella vulgaris. Conversely, ultrasonication emerged as a promising technique for microalgae separation in terms of repeatability and reproducibility. This study suggests the potential for selecting optimal pre-treatment methods to effectively operate real-time online monitoring devices, paving the way for future research and applications in microalgae cultivation and imaging.

Bee traffic at the hive entrance can be used as an important indicator of foraging activity. We investigated patterns of honeybees and bumblebees near their hives as a basis for calculating bee traffic using the image deep learning. The flight pattern near the hive differed significantly according to bee at entering and leaving the hive. Honeybees mainly showed flight that changed flight direction more than once (69.5%), whereas bumblebees mainly performed straight flight (48.7%) or had a single turn (36.5%) in flight. When bees entered the hive, honeybees primarily showed one-turn or two-turn flight patterns(88.5%), and bumblebees showed a one-turn flight pattern (48.0%). In contrast, when leaving the hive, honeybees primarily showed a straight flight pattern (63.0%), and bumblebees primarily showed a straight or one-turn pattern (90.5%). There was a significant difference in flight speed according to the flight pattern. The speed of straight flight (0.89±0.47 m/s) was 1.5 to 2.1 times faster than flight where direction changed. Therefore, our results can help determine the capturing and recognizing the flying image of bees when calculating bee traffic by image deep learning.

최근 광주 화정아이파크, 인천 검단 신도시 아파트 사고 등 국내에서 건축물 안전사고가 잇따라 발 생하고 있다. 시공 중 발생한 구조물 붕괴로 인해 인명·재산 피해가 수반된 대형 건설사고가 다수 발 생하였다. 건축물 안전사고의 발생 원인으로 무단 구조변경, 설계 및 시공 시 철근 누락 등이 제시되 면서 부실 감리에 대한 우려가 증가하고 있다. 하지만 현실적으로 건설 현장의 모든 장소에서 감리직 원이 상주하며 확인하는 것은 불가능하며 시공 정확도 검사 역시 감리자의 경험에 근거하여 육안 판 독 및 일부 수작업 계측으로 진행되고 있다. 감리 작업의 효율성을 높이기 위해 최근에는 3D 스캐너, Depth Camera 등을 구조 감리 기법 연구가 진행되고 있다. 철근 길이와 철근 배근 간격에 대한 연구 는 많이 진행되었지만 철근 직경의 검출 정확도는 아직 미흡한 상황이며, 특히 직경이 작은 D10과 D13의 구별에서는 한계를 나타내고 있다. 따라서 본 연구에서는 접근성이 용이한 스마트폰을 사용하 여 영상을 획득하고 이를 기반으로 3D 포인트 클라우드를 제가한 다음 철근 직경, 철근 길이, 철근 배근 간격 등의 자동 검측 기술을 개발하고 건설현장에서의 적용 가능성을 확인하고자 한다. 검증을 위한 실험체는 길이 2100mm, 폭 195mm, 높이 395mm의 철근 조립 상태의 보이다. 포인트 클라우드 제작을 위한 영상 촬영은 iPhone SE (3rd generation)을 사용하였다. 이후 MATLAB과 METASHAPE 를 사용하여 포인트 클라우드를 생성하고 Computer Vision과 Image Processing 기술을 활용하여 구 하고자 하는 철근 정보를 자동 검출하였다. 이후 실제 측정한 값과 자동 검출한 값을 비교하여 개발한 기법에 대한 적합성을 확인하였다.