• 대한자기공명의과학회:학술대회논문집
• /
• 대한자기공명의과학회 2002년도 제7차 학술대회 초록집
• /
• pp.137-137
• /
• 2002

목적： 동시획득 T1/T2 강조 경사자장 펄스열을 이용하여 근골격계의 종양 관류 평가를 하고자 한다. 대상 및 방법： 근골격계 양성 및 악성 종양을 대상으로 동시획득 T1/T2 강조 경사자장 펄스열을 이용하여 시간해상도를 1.2초로 하여 1000회(약20분)를 반복하여 역동적 영상을 얻는다. 각각의 TR/TE1/TE2는 10/2/8 msec이다. 각 시기에서 서로 다른 TE를 가지고 있는 두 개의 영상을 이용하여, 수학적으로 분리하여 T1과 T2 값을 얻고, 이를 시간에 따라 배열한다. 이를 통하여, T2의 경우에는 일차효과를 이용하여 조직관류량(tissue blood volume)을 측정하고, T1에서는 2구획모델을 이용하여 투과도(permeability)를 측정한다.

• 월간산업보건
• /
• 제7호통권243호
• /
• pp.68-69
• /
• 2008

• 한국정밀공학회지
• /
• 제22권11호
• /
• pp.7-15
• /
• 2005

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 2010년도 추계학술대회 논문집
• /
• pp.1015-1016
• /
• 2010

• 생명과학회지
• /
• 제26권5호
• /
• pp.592-602
• /
• 2016

풀사료를 주식으로 하며 자유롭게 방목되는 호주산 소와 곡물사료를 주식으로 하며 상대적으로 제한된 면적의 축사에서 사육되는 한국산 소의 두 가지 근육에서 디스트로핀 단백질 발현 수준을 비교하였다. 총 244 두의 식용소 도체로부터 양국에서 같은 부위의 골격근 조직을 채취하고 10% 중성 포르말린을 이용해 고정하였다. 본 연구에서 지방 침착률이 골격근 막 관련 단백질들의 소실과 밀접한 연관이 있다는 점을 발견하였는데, 특히 디스트로핀이 지방이 침착된 골격근에서 가장 유의적으로 감소하는 것을 확인하였다. 이와 동시에 CD36이 지방이 침착된 골격근에서 가장 풍부하게 발현하는 것도 확인하였다. 이렇게 정상 골격근의 구조를 유지하는 데 필요한 세포골격 단백질들의 소실에는 산화적 스트레스에서부터 사료의 종류에 따른 산화 지질 및 운동, 기후, 성장 기간 등의 환경에 이르기까지 다양한 사육 조건들이 영향을 미쳤을 것으로 여겨졌다. 디스트로핀은 근형질막 관련 단백질들 중에 근이영양증이나 근육 변성과 관계된 가장 민감한 막 단백질이다. 그러므로 본 연구는 사람의 근이영양증 관련 연구를 비롯해 동물모델을 이용하여 근육질환의 기전을 찾는 연구에도 중요한 초석이 될 것으로 보이며, 나아가 근이영양증 기전 규명을 위한 기초연구뿐만이 아니라 치료를 위한 실용화 연구에도 응용될 수 있을 것으로 사료된다.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 2012년도 춘계학술대회 논문집
• /
• pp.1207-1208
• /
• 2012

• 한국정밀공학회지
• /
• 제24권12호
• /
• pp.29-35
• /
• 2007

• 한국정밀공학회지
• /
• 제24권12호
• /
• pp.20-28
• /
• 2007

• 비파괴검사학회지
• /
• 제31권5호
• /
• pp.494-499
• /
• 2011

인체 근골격 시스템에 대한 다물체 동역학 모델을 이용한 동작중의 인체 내부의 생체역학 분석 및 평가 기술에 대하여 기술하였다. 의료영상과 사체실험 결과를 기본으로 하는 인체 다물체 동역학 모델과 3차원 동작분석 시스템을 이용한 인체 동작분석기술을 이용하여 생체내 발생하는 관절기구학, 관절모멘트 관절접촉력 및 근력을 예측하는 기술을 보행과 팔굽혀펴기 두 동작에 적용하였다. 본 연구에서 개발한 인체 다물체 동역학 모델링 기술과 3차원 동작분석기술은 다양한 동작을 수행하는 생체의 분석 및 평가 기술로 활용성이 높을 것으로 생각한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권11호
• /
• pp.491-500
• /
• 2021

본 연구에서는 MS Kinect v2 RGBD 카메라 기반의 Human-Skeleton Keypoints와 2-Stacked Bi-LSTM 모델을 이용하여 낙상 행위를 탐지하는 방법을 제안한다. 기존의 연구는 RGB 영상에서 OpenPose 등의 딥러닝 모델을 이용하여 골격 정보를 추출한 후 LSTM, GRU 등의 순환신경망 모델을 이용해 인식을 수행하였다. 제안한 방법은 카메라로부터 골격정보를 바로 전달 받아 가속도 및 거리의 2개의 시계열 특징을 추출한 후 2-Stacked Bi-LSTM 모델을 이용하여 낙상 행위를 인식하였다. 어깨, 척추, 골반 등 주요 골격을 대상으로 중심관절을 구하고 이 중심관절의 움직임 가속도와 바닥과의 거리를 특징으로 제안하였다. 추출된 특징은 Stacked LSTM, Bi-LSTM 등의 모델과 성능비교를 수행하였고 GRU, LSTM 등의 기존연구에 비해 향상된 검출 성능을 실험을 통해 증명하였다.