• Journal of Chest Surgery
• /
• 제36권3호
• /
• pp.182-188
• /
• 2003

배경: 본태성 수부다한증에 대한 흉부교감신경절 교통가지절제술은 해당 교감신경 분포부위만 차단하는 수술이므로 기존의 교감신경수술에 비해 선택적(selective)이고 생리적(physiologic)인 수술방법으로 받아들여지고 있으나 수술결과에 있어서 환자에 따라 혹은 동일한 환자에서도 양쪽 사이에 발한 감소의 차이가 있고 재발률이 높다는 문제점을 가지고 있다. 이에 저자들은 수술결과의 차이와 술 후 재발에 영향을 미칠 수 있는 요소로 상부 흉부교감신경절 교통가지의 해부학적 변이를 조사하였다. 본 연구의 목적은 본태성 수부다한증에 대한 흉부교감신경절 교통가지절제술의 임상적 적용에 있어서 개인간 혹은 동일인의 양쪽간 수술결과의 차이를 줄임과 동시에 수술 후 재발률을 떨어뜨릴 수 있는 새로운 수술방법을 개발하는 데 있다. 대상 및 방법: 연세대학교 해부학교실에서 흉부교감신경계의 손상이나 훼손이 없는 구의 한국인 사체 59구(남자 26구, 여자 16구)를 대상으로 총 118쪽의 흉부교감신경계를 해부하여 손에 분포하는 주된 교감신경인 제2, 3, 4 흉부교감신경절 교통가지의 주행을 조사하였다. 59구의 사체 모두 양쪽에서 흉부교감신경줄기의 해부학적 형태를 비교하였고 본태성수부다한증과 관련된 흉부교감신경절 교통가지의 해부학적 변이를 조사하였다. 결과: 교통가지의 해부학적 변이는 제2흉부교감신경절에서 가장 심했으며 아래로 내려갈수록 변이가 점점 줄어드는 양상을 보이고 있었다. 59구의 사체에서 양쪽 흉부교감신경줄기를 비교한 결과 양쪽의 해부학적 형태가 유사한 경우는 전체의 15.3% (9/59)에 불과하였고 나머지 84.7% (50/59)에서 양쪽의 해부학적 구조가 다르게 나타났다. 총 118쪽의 흉부교감신경줄기를 해부한 결과 본태성 수부다한증과 관련이 있는 흉부교감신경절 교통가지의 해부학적 변이로 쿤츠씨 신경이 55.9% (66/118)에서 관찰되었고 제2흉부교감신경절에서 제3늑간신경으로 연결되는 교통가지 및 제3흉부교감신경절로부터 제4늑간신경에 연결되는 하행교통가지가 각각 49.2% (58/118)와 28.0% (33/118)로 나타났으며 제3흉부효감신경절에서 제2늑간신경으로, 제4흉부교감신경절에서 제3늑간신경으로 각각 연결되는 상행교통가지도 6.8% (8/118), 3.4% (4/118)에서 관찰되었다. 결론. 본 연구에서 상부 흉부교감신경절 교통가지의 다양한 해부학적 변이로 인해 동일한 방법으로 수술하더라도 개인에 따라 심지어는 동일인의 양쪽에서도 수술결과의 차이가 나타날 수 있을 뿐만 아니라 흉부교감신경줄기를 거치지 않는 쿤츠씨 신경 및 하행 혹은 상행 교통가지를 차단하지 못할 경우 재발이 생길 수 있다는 것을 확인하였다. 본태성 수부다한증에 대한 흉부교감신경절 교통가지절제술 시 수술결과의 차이를 줄이고 재발을 감소시키기 위해서는 제3흉부교감신경절에서 제3늑간신경으로 연결되는 교통가지들을 절제함과 동시에 제2늑골 위에서 쿤츠씨 신경을 절단하고 제3, 4늑골 위에서 제2, 3, 4흉부교감신경절로부터 제3, 4늑간신경으로 각각 연결되는 상행 및 하행 교통가지들을 모두 절단해주는 것이 도움이 될 것이라 생각한다.

• 한국유통학회지:유통연구
• /
• 제16권2호
• /
• pp.119-138
• /
• 2011

지난 십년동안 인터넷을 통한 전자상거래는 빠른 속도로 성장해 왔다. 이러한 인터넷의 발달은 기업들의 사업방식에 많은 변화를 유도했으며, 그 중에서도 마케팅경로의 구조와 경로 구성원들 사이의 관계에 중요한 변화를 초래하고 있다. 각 기업이 처한 시장환경은 다양하며 이 다양한 시장 환경은 인터넷 경로가 각 시장에 미치는 효과를 조절하는 역할을 한다. 이러한 시장의 다양성에도 불구하고 지금까지의 선행연구들은 각기 특정한 하나의 시장상황(unique setting)을 상정하여 인터넷경로 도입이 그 시장에 미치는 영향을 분석하는데 그쳐왔다. 이러한 기존 연구의 공백을 채우기 위해 본 연구는 시장의 다양성을 소비자의 지리적 분포, 시장의 인터넷 수용도의 측면에서 살펴보고 이러한 시장 환경이 인터넷 경로 도입 효과에 미치는 영향에 관하여 조사해 보고자 한다. 이를 위해 본 연구는 다양한 소비자들의 지리적 분포, 경쟁강도, 소비자의 인터넷 상거래에 대한 수용도 등을 포함한 다양한 시장 환경을 수요모형에 반영시켜 그 영향력 분석을 가능하도록 하였다. 그러나, 다양한 시장 요소를 모형에 반영하는 과정에서 수요모형이 복잡한 구조를 가지게 되었다. 이 문제를 극복하고 게임이론의 균형해를 도출하기 위해 Newton-Raphson algorithm을 사용한 numerical search 방법을 사용하였다. 분석결과 두 종류의 경로에 대한 소비자선호의 분포에 따라 생산자의 가격차별정도, 생산자와 독립소매상 간의 경로이윤 배분율, 그리고 인터넷경로 도입이 각 경로주체의 이윤 향상에 도움이 되는지의 여부, 소비자잉여 등이 달라질 수 있음을 발견하였다. 끝으로 연구의 학술적, 실무적 시사점과 한계점 및 향후 연구방향도 논의되었다.

• Asia Marketing Journal
• /
• 제14권1호
• /
• pp.25-51
• /
• 2012

정보기술의 활용이 마케팅 전략의 중요한 부분으로 부각되는 시장 환경에서 본 논문에서는 패스트푸드 레스토랑에서 주문시 Self Service Technology(SST)를 사용 할 때 기술준비도와 소비자 준비도에 따른 사용동기, 태도, 사용의도의 차이를 검증하고자 하였다. Parasuraman이 TRI를 개발한 이후 SST와 TRI를 접목한 연구가 이루어져 왔지만 여전히 부족한 실정이다. 소비자 준비도 역시 SST사용에 대한 소비자의 동기와 태도 및 의도와 직접적인 영향을 미칠 수 있지만 이에 대한 연구는 이루어지지 않았다. 이에 본 연구에서는 패스트푸드 레스토랑에서 터치스크린 SST를 도입함에 있어 소비자의 기술준비도와 소비자 준비도가 Dabholkar & Bagozzi(1994)가 제안한 SST 핵심태도모델에 미치는 영향을 고찰하였다. 이때 모든 소비자와 상황적 요인에 따른 차이를 파악하고자 자아의식, 상호작용욕구, 기술에 대한 두려움 등의 소비자특성과 지각된 대기시간, 지각된 과밀 등의 상황적 요인에 따른 조절 효과를 검증하였다. AMOS 18.0프로그램을 사용하여 구조방정식 모델로 분석하였고 연구 결과 기술준비도 중 낙관성은 사용용이성과 재미 동기에 유의한 영향을 미치는 것으로 나타났다. 혁신성은 사용용이성과 성과에 유의한 영향을 미치는 것으로 나타났다. 역할의 명확성, 능력 및 자아 효능감으로 구성된 소비자준비도는 사용용이성, 성과와 재미 등 모든 SST사용동기 요소에 기술준비도보다 강하고 유의한 영향을 미치는 것으로 나타났다. 마지막으로 SST 핵심태도모델 내의 SST 사용 동기, 사용 태도 및 사용의도 간의 관계에서 소비자 특성과 상황적 요인의 조절효과를 검증한 결과 지각된 과밀을 제외한 모든 변수들이 조절효과를 지니는 것으로 나타났다. 이러한 연구 결과를 바탕으로 터치스크린 SST를 도입하려는 기업에 실무적 제언을 하였다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.205-225
• /
• 2018

Convolutional Neural Network (ConvNet)은 시각적 특징의 계층 구조를 분석하고 학습할 수 있는 대표적인 심층 신경망이다. 첫 번째 신경망 모델인 Neocognitron은 80 년대에 처음 소개되었다. 당시 신경망은 대규모 데이터 집합과 계산 능력이 부족하여 학계와 산업계에서 널리 사용되지 않았다. 그러나 2012년 Krizhevsky는 ImageNet ILSVRC (Large Scale Visual Recognition Challenge) 에서 심층 신경망을 사용하여 시각적 인식 문제를 획기적으로 해결하였고 그로 인해 신경망에 대한 사람들의 관심을 다시 불러 일으켰다. 이미지넷 첼린지에서 제공하는 다양한 이미지 데이터와 병렬 컴퓨팅 하드웨어 (GPU)의 발전이 Krizhevsky의 승리의 주요 요인이었다. 그러므로 최근의 딥 컨볼루션 신경망의 성공을 병렬계산을 위한 GPU의 출현과 더불어 ImageNet과 같은 대규모 이미지 데이터의 가용성으로 정의 할 수 있다. 그러나 이러한 요소는 많은 도메인에서 병목 현상이 될 수 있다. 대부분의 도메인에서 ConvNet을 교육하기 위해 대규모 데이터를 수집하려면 많은 노력이 필요하다. 대규모 데이터를 보유하고 있어도 처음부터 ConvNet을 교육하려면 많은 자원과 시간이 소요된다. 이와 같은 문제점은 전이 학습을 사용하면 해결할 수 있다. 전이 학습은 지식을 원본 도메인에서 새 도메인으로 전이하는 방법이다. 전이학습에는 주요한 두 가지 케이스가 있다. 첫 번째는 고정된 특징점 추출기로서의 ConvNet이고, 두번째는 새 데이터에서 ConvNet을 fine-tuning 하는 것이다. 첫 번째 경우, 사전 훈련 된 ConvNet (예: ImageNet)을 사용하여 ConvNet을 통해 이미지의 피드포워드 활성화를 계산하고 특정 레이어에서 활성화 특징점을 추출한다. 두 번째 경우에는 새 데이터에서 ConvNet 분류기를 교체하고 재교육을 한 후에 사전 훈련된 네트워크의 가중치를 백프로퍼게이션으로 fine-tuning 한다. 이 논문에서는 고정된 특징점 추출기를 여러 개의 ConvNet 레이어를 사용하는 것에 중점을 두었다. 그러나 여러 ConvNet 레이어에서 직접 추출된 차원적 복잡성을 가진 특징점을 적용하는 것은 여전히 어려운 문제이다. 우리는 여러 ConvNet 레이어에서 추출한 특징점이 이미지의 다른 특성을 처리한다는 것을 발견했다. 즉, 여러 ConvNet 레이어의 최적의 조합을 찾으면 더 나은 특징점을 얻을 수 있다. 위의 발견을 토대로 이 논문에서는 단일 ConvNet 계층의 특징점 대신에 전이 학습을 위해 여러 ConvNet 계층의 특징점을 사용하도록 제안한다. 본 논문에서 제안하는 방법은 크게 세단계로 이루어져 있다. 먼저 이미지 데이터셋의 이미지를 ConvNet의 입력으로 넣으면 해당 이미지가 사전 훈련된 AlexNet으로 피드포워드 되고 3개의 fully-connected 레이어의 활성화 틀징점이 추출된다. 둘째, 3개의 ConvNet 레이어의 활성화 특징점을 연결하여 여러 개의 ConvNet 레이어의 특징점을 얻는다. 레이어의 활성화 특징점을 연결을 하는 이유는 더 많은 이미지 정보를 얻기 위해서이다. 동일한 이미지를 사용한 3개의 fully-connected 레이어의 특징점이 연결되면 결과 이미지의 특징점의 차원은 4096 + 4096 + 1000이 된다. 그러나 여러 ConvNet 레이어에서 추출 된 특징점은 동일한 ConvNet에서 추출되므로 특징점이 중복되거나 노이즈를 갖는다. 따라서 세 번째 단계로 PCA (Principal Component Analysis)를 사용하여 교육 단계 전에 주요 특징점을 선택한다. 뚜렷한 특징이 얻어지면, 분류기는 이미지를 보다 정확하게 분류 할 수 있고, 전이 학습의 성능을 향상시킬 수 있다. 제안된 방법을 평가하기 위해 특징점 선택 및 차원축소를 위해 PCA를 사용하여 여러 ConvNet 레이어의 특징점과 단일 ConvNet 레이어의 특징점을 비교하고 3개의 표준 데이터 (Caltech-256, VOC07 및 SUN397)로 실험을 수행했다. 실험결과 제안된 방법은 Caltech-256 데이터의 FC7 레이어로 73.9 %의 정확도를 얻었을 때와 비교하여 75.6 %의 정확도를 보였고 VOC07 데이터의 FC8 레이어로 얻은 69.2 %의 정확도와 비교하여 73.1 %의 정확도를 보였으며 SUN397 데이터의 FC7 레이어로 48.7%의 정확도를 얻었을 때와 비교하여 52.2%의 정확도를 보였다. 본 논문에 제안된 방법은 Caltech-256, VOC07 및 SUN397 데이터에서 각각 기존에 제안된 방법과 비교하여 2.8 %, 2.1 % 및 3.1 %의 성능 향상을 보였다.