• 구강회복응용과학지
• /
• 제35권3호
• /
• pp.160-169
• /
• 2019

목적: 이번 연구의 목적은 정적인 방법과 동적인 방법으로 형성된 지르코니아 표면에 부착된 바이오필름에 대한 LED 칫솔의 항균 효과를 평가하고자 하였다. 연구 재료 및 방법: 구강 바이오필름을 형성하기 위해 직경 12 mm, 두께 2.5 mm의 지르코니아 디스크를 24-well plate(정적 방법)와 Center for Disease Control and Prevention (CDC) biofilm reactor (동적 방법)에 디스크를 넣어 바이오필름을 형성하였다. 디스크는 아무 처치도 하지 않은 대조군, 상용화된 광역학(PDT) 키트, 치솔질(brushing) 단독, LED 치솔군, LED 치솔과 에리스로신을 같이 적용한 군, 이렇게 5개 그룹으로 구성하였다. 각 군별 처치 후, 개별 디스크를 시험관에 넣고 60 초 동안 vortexing하여 세균을 분리한 후, 분리된 세균 용액을 선택 배지를 이용하여 살아있는 세균 수를 확인한 후 실험 방법에 따른 항균 효과를 계측하였고, 주사전자현미경(SEM)을 통하여 세균의 형태 변화를 관찰하였다. 결과: 바이오필름의 형성과 구성비는 동적인 방법과 정적인 방법에 따른 차이는 관찰되지 않았다. 대조군과 실험군간에 세균의 생존률에 유의한 차이가 있었다(P < 0.05). LED 치솔과 에리스로신을 같이 적용한 군에서 가장 높은 항균 효과가 관찰되었다(P < 0.05). 주사전자현미경 사진상에서 광역학치료군과, LED 치솔군, LED 치솔과 에리스로신을 같이 적용한 군은 세균의 형태 변화가 관찰되었으나, 대조군과 치솔질 단독 사용군에서는 세균의 형태 변화가 관찰되지 않았다. 결론: 이번 연구 결과 지르코니아 표면에 부착된 바이오필름을 효과적으로 제거하는 방법으로 LED 치솔과 에리스로신을 같이 적용하는 것이 추천된다.

• 지능정보연구
• /
• 제28권3호
• /
• pp.259-278
• /
• 2022

인공지능(AI)의 확산과 함께 금융 분야에서도 상품추천, 고객 응대 자동화, 이상거래탐지, 신용 심사 등 다양한 인공지능 기반 서비스가 확대되고 있다. 하지만 데이터에 기반한 기계학습의 특성상 신뢰성과 관련된 문제 발생과 예상하지 못한 사회적 논란도 함께 발생하고 있다. 인공지능의 효용은 극대화하고 위험과 부작용은 최소화할 수 있는 신뢰할 수 있는 인공지능에 대한 필요성은 점점 더 커지고 있다. 이러한 배경에서 본 연구는 소비자의 금융 생활에 직접 영향을 끼치는 인공지능 기반 개인신용평가의 공정성 확보를 위한 체크리스트 제안을 통해 인공지능 기반 금융서비스에 대한 신뢰 향상에 기여하고자 하였다. 인공지능 신뢰성의 주요 핵심 요소인 투명성, 안전성, 책무성, 공정성 중 포용 금융의 관점에서 자동화된 알고리즘의 혜택을 사회적 차별 없이 모두가 누릴 수 있도록 공정성을 연구 대상으로 선정하였다. 문헌 연구를 통해 공정성이 영향을 끼치는 서비스 운용의 전 과정을 데이터, 알고리즘, 사용자의 세 개의 영역으로 구분하고, 12가지 하위 점검 항목과 항목별 세부 권고안으로 체크리스트를 구성하였다. 구성한 체크리스트는 이해관계자(금융 분야 종사자, 인공지능 분야 종사자, 일반 사용자)별 계층적 분석과정(AHP)을 통해 점검 항목에 대한 상대적 중요도 및 우선순위를 도출하였다. 이해관계자별 중요도에 따라 세 개의 그룹으로 분류하여 분석한 결과 학습데이터와 비금융정보 활용에 대한 타당성 검증 및 신규 유입 데이터 모니터링의 필요성 등 실용적 측면에서 구체적인 점검 사항을 파악하였고, 금융 소비자인 일반 사용자의 경우 결과에 대한 해석 오류 및 편향성 확인에 대한 중요도를 높게 평가한다는 것을 확인할 수 있었다. 본 연구의 결과가 더 공정한 인공지능 기반 금융서비스의 구축과 운영에 기여할 수 있기를 기대한다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.163-177
• /
• 2019

스마트폰이 널리 보급되고 현대인들의 생활 속에 깊이 자리 잡으면서, 스마트폰에서 수집된 다종 데이터를 바탕으로 사용자 개인의 행동을 인식하고자 하는 연구가 활발히 진행되고 있다. 그러나 타인과의 상호작용 행동 인식에 대한 연구는 아직까지 상대적으로 미진하였다. 기존 상호작용 행동 인식 연구에서는 오디오, 블루투스, 와이파이 등의 데이터를 사용하였으나, 이들은 사용자 사생활 침해 가능성이 높으며 단시간 내에 충분한 양의 데이터를 수집하기 어렵다는 한계가 있다. 반면 가속도, 자기장, 자이로스코프 등의 물리 센서의 경우 사생활 침해 가능성이 낮으며 단시간 내에 충분한 양의 데이터를 수집할 수 있다. 본 연구에서는 이러한 점에 주목하여, 스마트폰 상의 다종 물리 센서 데이터만을 활용, 딥러닝 모델에 기반을 둔 사용자의 동행 상태 인식 방법론을 제안한다. 사용자의 동행 여부 및 대화 여부를 분류하는 동행 상태 분류 모델은 컨볼루션 신경망과 장단기 기억 순환 신경망이 혼합된 구조를 지닌다. 먼저 스마트폰의 다종 물리 센서에서 수집한 데이터에 존재하는 타임 스태프의 차이를 상쇄하고, 정규화를 수행하여 시간에 따른 시퀀스 데이터 형태로 변환함으로써 동행 상태분류 모델의 입력 데이터를 생성한다. 이는 컨볼루션 신경망에 입력되며, 데이터의 시간적 국부 의존성이 반영된 요인 지도를 출력한다. 장단기 기억 순환 신경망은 요인 지도를 입력받아 시간에 따른 순차적 연관 관계를 학습하며, 동행 상태 분류를 위한 요인을 추출하고 소프트맥스 분류기에서 이에 기반한 최종적인 분류를 수행한다. 자체 제작한 스마트폰 애플리케이션을 배포하여 실험 데이터를 수집하였으며, 이를 활용하여 제안한 방법론을 평가하였다. 최적의 파라미터를 설정하여 동행 상태 분류 모델을 학습하고 평가한 결과, 동행 여부와 대화 여부를 각각 98.74%, 98.83%의 높은 정확도로 분류하였다.