목 적 : 의료영상평가의 특성상 전문가의 정성적인 평가에 의존함에 따른 비용과 시간의 제약에 대한 문제점을 해소하고자 본 연구에서는 MR 확산 텐서 영상에 Compressed sensing 기법을 적용하여 복원한 영상과 원본 영상과의 정확도를 정량적으로 평가하기 위하여 fiber tract을 수치적으로 나타낼 수 있는 변수들의 상관관계를 분석하여 정량적 평가 방법의 기준을 제시하고자 한다. 대상 및 방법 : 2014년 3월부터 5월까지 본원에 내원한 환자 중 평균 나이 53.8 ± 15세(남성 3명, 여성 2명)의 뇌 질환이 의심되는 환자들에 대해 3.0T MRI(Archiva, Philips medical system, Netherlands)를 사용하여 뇌 MR 확산 텐서 영상을 얻었다. 획득한 원본 확산 텐서 영상들은 Compressed Sensing기법을 이용하여 under-sampling 후 영상복원의 정도(reduction factor)를 달리하여 재구성하였다. 각 신경 섬유 다발 영상들의 Fiber statics를 분석하여 신경 섬유의 총 개수, 한 단위 복셀 당 신경 섬유의 개수, 확산 텐서 영상에서 비등방성을 나타내는 고유의 값인 FA, RA, VR값과 평균 확산 계수(Mean Diffusivity), Radial Diffusivity, Eigen Value, Tensor Trace로 총 9개의 변수 값을 구하였다. 정성적 분석은 영상의학과 판독의 1명, 5년 이상 MRI 근무 경력이 있는 방사선사 4명에게 원본 영상과 비교하여 보았을 때 복원 영상이 진단적 가치가 있는지를 매우 양호하지 않다(1), 양호하지 않다(2), 보통(3), 양호하다(4), 매우 양호하다(5)의 항목으로 나누어 각각의 영상에 대하여 설문 조사를 하였다. 정성적 분석 결과와 변수들의 값을 회귀 분석을 통해 상관관계를 분석하여 식을 도출하였다. 결 과 : 25개의 training/test dataset에 대한 각 변수에 대한 가중치들을 회기 분석하여 구한 값을 통해 구한 test dataset의 정량적 분석과 전문가 집단의 정성적 분석과의 오차는 평균 19%를 보였으며 이 가중치 값들을 바탕으로 뇌 MR 확산 텐서 영상의 고속화에 다른 정확도를 정량적으로 평가하기 위한 방법의 식을 얻을 수 있었으며 평균 11%의 오차율을 보였다. 또한 sample data 수를 증가하여 결과를 예측해 보기 위하여 붓스트랩을 적용하여 15개의 복원된 뇌신경 섬유 영상의 원본과의 차이를 나타낸 변수 값들의 데이터를 training set으로 정하여 410개의 sample data를 바탕으로 구해진 가중치들의 값을 통해 얻은 식은 평균 7%의 오차율을 보였다. 결 론 : 전문가들의 정성적 평가에서 5명 모두 동일한 의견을 나타냈을 때는 8%에 지나지 않았으며 각 영상의 정성적 평가 평균값과 다른 의견을 보인 전문가들의 오차율은 평균 36%였다. 따라서 본 연구의 11%와 7% 오차율은 전문가들 중에서 이견을 보일 수 있는 오차율 보다 작아 허용 가능한 범위에 있는 것으로 보이며 이 두 식은 정확도를 평가하는 데 있어 정성적 평가방법을 충분히 대체할 수 있을 것으로 보인다. 하지만 정량적 평가의 정확도를 좀 더 높이기 위해서는 오차를 줄이기 위해 더 많은 training/test dataset의 실험을 추가하여 개선해 나아가면 될 것으로 보인다.

The assessment of wind resources must be carried out to choose wind farm sites adequately. Additionally, input data on surface roughness maps and topographic maps are required to evaluate wind resources, where input data accuracy determines the accuracy of their overall analysis. To estimate this accuracy, we used met-mast data in Jeju and produced the ground roughness value for the Jeju region. To determine these values, an unsupervised classification method using SPOT-5 images was carried out for image classification. The wind resources of the northeastern part of Jeju were predicted, and the ground roughness map of the region was calculated by the WindPRO software. The wind speed of the Pyeongdae region of Jeju from the ground roughness map was calculated using WindPRO as 8.51 m/s. The wind speed calculated using the remote sensing technology presented in this study was 8.69 m/s. To assess the accuracy of the measured WindPro and the remote sensing technology values, we compared these results to the observed values in the Pyeongdae region using met-mast. This comparison shows that remote sensing data are more accurate than the WindPro data. We also found that the ground roughness map calculated in this study is useful for generating an accurate wind resource map of Jeju Island.