• 수면정신생리
• /
• 제27권1호
• /
• pp.24-31
• /
• 2020

목 적 : 주관적-객관적 수면시간의 차이는 불면증의 흔한 증상이자 주요한 유형이다. 본 연구는 주관적-객관적 수면시간 차이가 있는 불면증군, 주관적-객관적 수면시간 차이가 없는 불면증군, 건강대조군을 대상으로 전반적 불안-유발 자극에 대비하여 불면-관련 자극에 대한 뇌활성의 군간 차이가 있는지를 밝히고자 하였다. 방 법 : 모든 피험자들은 수면일기와 임상척도로 주관적 수면상태를, 수면다원검사와 활동기록기로 객관적 수면상태와 불면증 외의 수면장애를 확인하였다. 기능적 뇌영상 촬영동안 불면증-관련 문장 자극과 일반 불안-유발 문장자극을 피험자들에게 주어 유발되는 뇌활성의 세 군간 차이가 있는지를 비교하였다. 뇌활성은 전체 불면증군(주관적-객관적 수면시간의 차이 여부에 상관없이)과 건강대조군 두 군간에도 비교되었다. 결 과 : 주관적-객관적 수면시간 차이가 없는 불면증 군에 비해 차이가 있는 불면증 군에서 일반적 불안-유발 자극 대비 불면-관련 자극에 대해 우측 설전부와 보조운동영역에서 유의하게 증가된 blood oxygen level dependent (BOLD) 신호를 보였다. 또한, 같은 자극에 대해 통합 불면증군이 대조군 보다 좌측 앞 대상회 영역에서 유의하게 증가된 BOLD 신호를 보였다. 결 론 : 본 연구의 결과는 주관적-객관적 수면시간 차이를 가지는 불면증이 주관적-객관적 수면시간 차이가 없는 불면증에 비해 일반적 불안-유발 자극보다 불면-관련 자극에 대해 더 선택적인 집중과 불안을 가지고 증가된 뇌활성을 보인다는 결과로 수면상태 오지각이 증가된 불면증 자극에 선택적인 불안을 보임을 시사한다.

• Tuberculosis and Respiratory Diseases
• /
• 제60권1호
• /
• pp.72-75
• /
• 2006

연구배경 : 지속적인 공기 누출이 있고, 수술적 치료가 가능하지 않았던 기흉 환자들에서 OK-432 또는 OK-432와 자가혈액을 혼합한 흉막 유착제를 이용한 흉막 유착술의 효과를 알아보기 위해 연구를 하였다. 대상 및 방법 : 2004년 3월부터 2005년 7월까지 기흉으로 입원한 환자들 중 흉관을 삽입하고 공기누출이 5일 이상 지속되고, 흉부컴퓨터 촬영 결과 다양한 크기의 기낭과 기종성 변화가 있어, 수술적 치료가 불가능 한 8명의 환자를 대상으로 하였다. 폐의 팽창여부에 따라서 OK-432 또는 OK-432와 자가혈액을 이용한 흉막 유착술을 시행하였다. OK-432의 흉막 유착술의 효과와 부작용을 알아보기 위해 흉막 유착술 후 흉관을 통한 공기누출 시간, 흉막 유착술을 시행한 횟수, 환자의 임상증상, 활력징후 및 일반 혈액검사의 변화와 C-반응단백을 측정하였다. 결 과 : 대상 환자 8명은 모두 남자 였고 평균 나이는 $72.4{\pm}8.5$세였다. 흉막 유착술을 시행한 평균 횟수는 $1.9{\pm}1.1$회였고, 흉막 유착술 후 공기 누출이 멈춘 시간은 평균 $4.6{\pm}4.6$일이었다. 7명의 환자에서 흉막 유착술 후 발생한 부작용은 오한감 7례, 흉통 5례, 두통 3례, 국소부위 열감 2례, 발열 1례 였다. 흉막 유착술 후 백혈구 증가증은 6례에서 관찰 할 수 있었고, 가장 최고치의 평균 백혈구 수는 $14500{\pm}2100$개였고, C-반응단백은 평균 $21.9{\pm}11.4mg/dL$로 증가되는 것을 관찰 할 수 있었다. 결 론 : 공기누출이 지속되고 수술적인 방법으로 치료가 가능하지 않은 기흉 환자에서 OK-432와 자가혈액을 이용한 흉막 유착술은 안전하고 효과적인 것으로 관찰 되어 기존 약제와 더불어 흉막 유착술에 이용하여도 될 것으로 생각된다.

• 인터넷정보학회논문지
• /
• 제21권6호
• /
• pp.23-31
• /
• 2020

본 연구는 철도표면상에 발생하는 노후 현상 중 하나인 결함 검출을 위해 학습데이터를 생성함으로써 결함 검출 모델에서 더 높은 점수를 얻기 위해 진행되었다. 철도표면에서 결함은 선로결속장치 및 선로와 차량의 마찰 등 다양한 원인에 의해 발생하고 선로 파손 등의 사고를 유발할 수 있기 때문에 결함에 대한 철도 유지관리가 필요 하다. 그래서 철도 유지관리의 자동화 및 비용절감을 위해 철도 표면 영상에 영상처리 또는 기계학습을 활용한 결함 검출 및 검사에 대한 다양한 연구가 진행되고 있다. 일반적으로 영상 처리 분석기법 및 기계학습 기술의 성능은 데이터의 수량과 품질에 의존한다. 그렇기 때문에 일부 연구는 일반적이고 다양한 철도표면영상의 데이터베이스를 확보하기위해 등간격으로 선로표면을 촬영하는 장치 또는 탑재된 차량이 필요로 하였다. 본연구는 이러한 기계적인 영상획득 장치의 운용비용을 감소시키고 보완하기 위해 대표적인 영상생성관련 딥러닝 모델인 생성적 적대적 네트워크의 기본 구성에서 여러 관련연구에서 제시된 방법을 응용, 결함이 있는 철도 표면 재생성모델을 구성하여, 전용 데이터베이스가 구축되지 않은 철도 표면 영상에 대해서도 결함 검출을 진행할 수 있도록 하였다. 구성한 모델은 상이한 철도 표면 텍스처들을 반영한 철도 표면 생성을 학습하고 여러 임의의 결함의 위치에 대한 Ground-Truth들을 만족하는 다양한 결함을 재 생성하도록 설계하였다. 재생성된 철도 표면의 영상들을 결함 검출 딥러닝 모델에 학습데이터로 사용한다. 재생성모델의 유효성을 검증하기 위해 철도표면데이터를 3가지의 하위집합으로 군집화 하여 하나의 집합세트를 원본 영상으로 정의하고, 다른 두개의 나머지 하위집합들의 몇가지의 선로표면영상을 텍스처 영상으로 사용하여 새로운 철도 표면 영상을 생성한다. 그리고 결함 검출 모델에서 학습데이터로 생성된 새로운 철도 표면 영상을 사용하였을 때와, 생성된 철도 표면 영상이 없는 원본 영상을 사용하였을 때를 나누어 검증한다. 앞서 분류했던 하위집합들 중에서 원본영상으로 사용된 집합세트를 제외한 두 개의 하위집합들은 각각의 환경에서 학습된 결함 검출 모델에서 검증하여 출력인 픽셀단위 분류지도 영상을 얻는다. 이 픽셀단위 분류지도영상들과 실제 결함의 위치에 대한 원본결함 지도(Ground-Truth)들의 IoU(Intersection over Union) 및 F1-score로 평가하여 성능을 계산하였다. 결과적으로 두개의 하위집합의 텍스처 영상을 이용한 재생성된 학습데이터를 학습한 결함 검출모델의 점수는 원본 영상만을 학습하였을 때의 점수보다 약 IoU 및 F1-score가 10~15% 증가하였다. 이는 전용 학습 데이터가 구축되지 않은 철도표면 영상에 대해서도 기존 데이터를 이용하여 결함 검출이 상당히 가능함을 증명하는 것이다.