• 정신신체의학
• /
• 제28권1호
• /
• pp.8-19
• /
• 2020

연구목적 본 연구에서는 정신과 외래 환자 중 자살 고위험 집단인 자살 사고, 자살 시도, 비자살적 자해 및 일반 정신과 환자 집단의 감별 시 MMPI-2-RF가 변별 도구로써 활용될 수 있는지 알아보고자 하였다. 방 법 모든 대상자는 한양대학교 구리병원에 정신과적 진료를 내원한 환자로, 정신건강의학과 전문의로부터 DSM-5에 근거한 진단을 받았고, 이들의 의무기록을 후향적으로 검토하여 네 집단(자살 사고, 자살 시도, 비자살적 자해, 통제집단으로 일반 정신과 환자)으로 분류하였다. 총 112예가 분석에 포함되었다. 수집된 자료를 분석하기 위해 기술 통계 분석, 성별을 공변인으로 한 다변량 공분산분석(MANCOVA)를 통해 집단 간 차이를 알아보고자 하였다. 결 과 연구 결과, 비임상군인 대학생을 대상으로 한 기존 선행 연구와 마찬가지로, 임상군인 정신과 외래 내원 환자들 중에서도 자살 고위험군이 저위험군에 비해 높은 정서적/내재화 문제(EID), 무력감/무망감(HLP), 자살/죽음 사고(SUI), 의기소침(RCd), 인지적 증상 호소(COG), 냉소적 태도(RC3), 역기능적 부정 정서(RC7)와 부정적 정서성/신경증(NEGE-r) 점수를 보였다. 하지만 자살에 대한 위험성이 높은 환자들을 자살 사고, 자살 시도, 비자살적 자해를 시도하는 개인들 총 세 집단으로 나누어 분석하였을 때, 세 집단 모두를 변별할 수 있는 변인은 관찰되지 않았다. 다만, 자살 시도 집단 및 비자살적 자해 집단이 일반 정신과 환자 집단에 비해 높은 행동화/외현화(BXD), 반사회적 행동(RC4), 공격성(AGG) 등을 보였으나, 자살 사고 집단과 일반 정신과 환자 집단 사이에는 유의한 차이가 없었다. 결 론 본 연구는 MMPI-2-RF가 임상군인 정신과 외래 내원 환자들 중 자살 위험이 높은 환자들을 자살사고, 자살 시도, 비자살적 자해 세 집단으로 구분했을 때, 이 세 집단을 변별할 수 있는 유용한 진단적 도구로써 기능할 수 있는지 확인해보고자 하였으나, 세 집단 모두를 변별해주는 요인은 관찰되지 않았다. 이에, 세 집단 간변별에는 MMPI-2-RF가 진단적으로 유용하지 않을 것으로 시사된다. 다만, 자살 사고 집단에서는 차이가 나타나지 않았으나 자살 시도 및 비자살적 자해 집단에서는 통제군인 일반 정신과 환자들에 비해 높은 공격성과 행동화가 나타나, 자살 사고가 실제 자살 시도로 이행되는 과정에서 이러한 지표들이 위험성을 판단할 수 있는 조기변별 지표로서 기능할 수 있을 것으로 보인다.

• 대한원격탐사학회지
• /
• 제39권6_1호
• /
• pp.1413-1425
• /
• 2023

기후변화로 인한 대형 산불의 빈도가 증가함에 따라 극심한 인명 및 재산상의 피해를 초래하고 있다. 이로 인해 많은 식생이 소실되며, 그 강도와 발생 형태에 따라 생태계 변화에 영향을 끼친다. 생태계 변화는 다시 산불 발생을 유발하여 2차 피해를 야기한다. 따라서 산불 피해지에 대한 정확한 탐지 및 면적 산정의 중요성이 지속적으로 제기되고 있다. 효율적인 산불 피해지 모니터링을 위해 산불 발생 후 실시간 지형 및 기상정보는 물론 피해지역의 영상을 대규모로 취득할 수 있는 위성영상이 주로 활용되고 있다. 최근, 합성곱 신경망(convolution neural network, CNN) 기반 모델부터 고성능 트랜스포머(Transformer) 기반 모델에 이르기까지 딥러닝 알고리즘이 빠르게 발전하면서 산림원격탐사에서 이를 적용한 연구가 활발히 이루어지고 있다. 하지만 현재까지 적용된 딥러닝 모델은 제한적이며 현업에서의 합리적인 활용을 위한 정량적 성능평가에 대한 보고가 부족한 상황이다. 따라서 본 연구에서는 모델에 따른 성능향상과 데이터 설계에 따른 성능향상을 중점적으로 비교 분석하였다. 미국 캘리포니아 지역을 대상으로 CNN 기반 모델의 U-Net, High Resolution Network-Object Contextual Representation (HRNet-OCR)을 활용하여 산불 피해지 모델을 구축하였다. 또한, 기본 파장대역과 함께 식생활력도 및 지표의 수분함량 정도를 고려하고자 normalized difference vegetation index (NDVI), normalized burn ratio (NBR)와 같은 산불 관련 분광지수를 산출하여 입력 이미지로 사용하였다. U-Net의 mean intersection over union (mIoU)이 0.831, HRNet-OCR이 0.848을 기록하여 두 모델 모두 우수한 영상분할 성능을 보였다. 또한, 밴드 반사도뿐 아니라 분광지수를 추가한 결과 모든 조합에서 평가지표 값이 상승하여 분광지수를 활용한 입력 데이터 확장이 픽셀 세분화에 기여함을 확인하였다. 이와 같은 딥러닝 방법론을 발전시킨다면 우리나라의 산불 피해지에 대한 신속한 파악 및 복구 계획 수립의 기초자료로 활용될 수 있을 것으로 기대된다.

• 대한소아치과학회지
• /
• 제27권1호
• /
• pp.169-179
• /
• 2000

초기 우식병소와 건전한 치질은 광학적 특성 이 다르다는 사실에 근거하여 치과 치료용으로 개발된 가시광선 영역의 아르곤 레이저의 형광현상, 즉 물체에 조사되어 반사된 및은 물체의 광학적 특성에 따라 파장이 달라지는 특성을 이용하여, 우식 치질과 건전한 치질간의 광학적 특성의 차이를 아르곤 레이저 빛을 통한 색조의 차이로 유도 전환하는 시스템을 개발하고 이를 이용하여 초기 치아우식 병소를 조기에 시각적으로 탐지하여 data화 하는 새로운 우식활성검사법을 개발하는데 본 연구의 목적이 있다. 연구는 3단계로 나누어 1단계는 아르곤 레이저 형광법의 초기 우식병소 탐지능력을 평가하였으며 2단계는 임상에서 아동들을 대상으로 아르곤 레이저 형광법을 이용하여 초기 우식병소가 있는 치아의 갯수를 집계하고 이 수치에 대한 우식활성검사법인 $Cariescreen^{(R)}$ test, 그리고 일종의 구강환경검사인 우식경험치아의 수(dDfFtT) 검사와의 상관성을 평가하였다. 3단계는 이와 같은 자료를 기준으로 하여 레이저 형광법을 이용하여 검사할 수 있는 새로운 우식활성검사 모델을 만들고 이와 같은 검사법의 민감도, 타당도, 진단력 등을 분석하여 진단학적 측면에서 활용 가능성을 평가하고자 하였으며 그 결과는 다음과 같다. 초기 우식병소의 조직학적 깊이가 증가될수록 레이저 형광법을 이용하여 측정한 광밀도가 증가하였으며 이들 사이에는 높은 상관관계 (=0.7015)가 있었다. 또한 통계학적으로 회귀분석을 시행한 결과 병소의 깊이와 광밀도와 사이에는 정비례 관계의 직선방정식 관계를 나타내었다. 레이저 형광법을 이용한 우식활성검사법은 $Cariescreen^{(R)}$ test 그리고 dDfFtT 검사 등과 높은 상관관계를 나타냈다. 또한 레이저 형광법을 이용한 우식활성 검사법은 dDfFtT검사를 기준으로 48%의 민감도, 52%의 특이도, 45%의 진단력을 보였으며 $Cariescreen^{(R)}$ test를 기준으로 48%의 민감도, 51%의 특이도, 36%의 진단력을 보였다. 이상의 결과를 종합하면 레이저 형광법을 이용하여 측정한 초기 우식병소의 광밀도는 실제 초기우식병소의 조직학적병소의 깊이를 평가하는데 높은 진단학적 신뢰성을 보여주고 있으며 레이저 형광법을 이용한 우식활성검사는 진단학적 지표를 기준으로 볼 때, 그리고 검사절차와 시간, 비용 등의 면으로 볼 때 향후 임상적으로 활용 가능성이 높은 것으로 사료된다.

• 대한원격탐사학회지
• /
• 제37권5_3호
• /
• pp.1373-1387
• /
• 2021

산불은 지표 에너지 균형, 사회 및 환경에 중대한 위협을 미치며, 사회경제적 손실을 일으킨다. 한편, 현재까지 널리 사용되고 있는 다중분광 위성 영상 기반 산불 피해 탐지 알고리즘은 구름으로 인한 반사도 오염으로 인해 시의적절한 산불 정보를 얻기 어려운 문제가 있다. 따라서 본 연구에서는 구름에 영향을 받지 않는 유럽우주국의 Sentinel-1 SAR (Synthetic Aperture Radar) 자료로부터 2019년 4월 초에 발생한 남한 강원도의 강릉·동해, 고성·속초 및 인접한 북한의 두 산불 발생 지역을 대상으로 주성분분석(Principal Component Analysis; PCA)을 포함하는 일련의 전 처리 및 K-means clustering을 이용하여 산불 피해 면적을 탐지하였다. 추정된 산불 면적은 국립산림과학원에서 남한의 두 산불에 대해 제공한 산불 피해 면적 및 강도 참조자료 및 산불 피해 탐지에 널리 사용되는 dNBR (differenced Normalized Burn Ratio)을 사용하여 검증하였다. 국립산림과학원의 참조자료 기반 검증에서 강릉·동해와 고성·속초 산불에 대해 평균 약 86%의 정확도를 보였다. dNBR을 사용한 검증에서는 남한 및 북한의 지역 모두에 대해 평균 약 84%의 정확도를 보였다. 이때, 산불 강도가 강할수록 산불 면적 탐지 성능이 높고 반대로 산불 강도가 약할수록 산불 면적 탐지 성능이 낮은 것을 확인할 수 있었다. 본 연구를 통해 검증된 SAR 영상을 이용한 PCA 및 K-means clustering 기반 탐지 알고리즘이 추후 구름의 영향이 크고 작은 산불이 빈번하게 발생하는 한반도에 대하여 신속한 산불 피해 면적 탐지에 활용될 수 있을 것으로 기대된다.

• 한국지구과학회지
• /
• 제42권3호
• /
• pp.247-263
• /
• 2021

최근의 기후변화는 연안에서 더욱 가속화되고 있어 연안에서의 해양 환경변화 감시의 중요성이 커지고 있다. 클로로필-a 농도는 해양 환경 변화의 중요한 지표 중 하나로 수십년 동안 여러 해색 위성을 통해 전구 해양 표층의 클로로필-a 농도가 산출되었으며 다양한 연구 분야에 활용되었다. 하지만 연안 해역의 탁한 해수는 외해의 맑은 해수와는 구별되는 구성 성분과 광학적 특성으로 인해 나타나는 심각한 오차 때문에 일반적으로 사용되는 전지구 대양을 위하여 만들어진 클로로필-a 농도 알고리즘은 연안 해역에 대입할 수 없다. 또한 연안 해역은 해역에 따라 성분과 특성이 크게 달라져 통일된 하나의 알고리즘을 제시하기 어렵다. 이러한 문제점을 극복하기 위하여 연안의 탁도가 높은 해역에서는 구성 성분과 광학적 변동 특성을 고려한 다양한 알고리즘들이 개발되어 사용되어 왔다. 클로로필-a 농도 산출 알고리즘은 크게 경험적 알고리즘, 반해석적 알고리즘, 기계학습을 활용한 알고리즘 등으로 나눌 수 있다. 해수의 반사 스펙트럼에 기반한 청색-녹색 밴드 비율이 기본적인 형태로 주로 사용된다. 반면 탁한 해수를 위해 개발된 알고리즘은 연안해역에 존재하는 용존 유기물과 부유물의 영향을 상쇄시키기 위한 방식으로 녹색-적색 밴드 비율, 적색-근적외 밴드 비율, 고유한 광학적 특성 등을 사용한다. 탁한 해수에서의 신뢰성 있는 위성 클로로필-a 농도 산출은 미래의 연안 해역을 관리하고 연안 생태 변화를 감시하는데 필수적이다. 따라서 본 연구는 탁도가 높은 Case 2 해수에서 활용되어온 알고리즘들을 요약하고, 한반도 주변해역의 모니터링과 연구에 대한 문제점을 제시한다. 또한 다분광 및 초분광 센서의 개발로 더욱 정확하고 다양한 해색 환경을 이해할 수 있는 미래의 해색 위성에 대한 발전 전망도 제시한다.

• 헤리티지:역사와 과학
• /
• 제43권3호
• /
• pp.306-333
• /
• 2010

그동안 신라의 왕성이었던 월성에 대한 연구는 월성을 중심으로 한 도성제와 월성해자 발굴을 통한 월성 주변의 모습에 치중해 있었다. 그러나 2004년에 월성 지표조사보고서가 발간되고 시험적 성격으로서 GPR탐사가 월성 내에서 실시되면서 월성에 대한 학술적 관심은 성내부로 변화되었다. 다행히 경주 월성의 고고학적 기초학술 조사가 시작되고 사업의 일환으로 월성 전 지역에 대한 물리탐사를 2007년 3월부터 1년에 걸쳐 실시하게 되었다. 이번 조사의 기본 목적은 GPR탐사를 실시하여 시험탐사에서 확인된 매장유구를 월성 전체 지역에 대하여 영상화하는 것이다. 미리 설정한 격자망에 수많은 측선을 조밀하게 설치하여 3차원 GPR 탐사를 실시하였으며 총 조사면적은 $112,535m^2$이다. 분석은 Depth Slice를 실시하여 각 깊이별로 유구의 변화양상과 중복상황을 파악할 수 있도록 하였으며, Slice Overlay 분석법을 이용하여 각 깊이별 반사체를 하나의 도면으로 추출하였다. 또한 3차원 입체분석법인 Isolated Surface 영상화를 실시하여 유구 해석의 이해를 높였다. 그 결과 월성 내에서 총 14개의 구역으로 구분 지을 수 있는 크고 작은 건물지가 확인되었으며, 주목되는 곳은 월성의 서부(2구역), 중부(9구역), 동부(14구역)에 중요시설물일 것으로 짐작게 하는 대규모의 범상한 건물배치가 있는 3개의 구역이다. 본 연구결과를 통해서 3차원 GPR탐사는 광역적인 유적탐사에 매우 효과적이며 그 자료처리에 있어서 Slice Overlay 분석법은 지하 매장물에 대한 쉽고 뚜렷한 영상을 제공할 수 있음을 알 수 있었다.

• 대한원격탐사학회지
• /
• 제35권3호
• /
• pp.347-358
• /
• 2019

램버시안 구름 모델(Lambertian Cloud Model)은 구름이 존재하는 대기의 연직 오존 분포를 효과적으로 산출하기 위해 사용되는 단순화된 구름 모델이다. 램버시안 구름 모델을 사용함으로써 복사 전달 모의에 필요한 구름의 광학적 특징들은 Optical Centroid Cloud Pressure(OCCP)와 Effective Cloud Fraction(ECF)으로 모수화되며, 각 모수의 정확도는 복사 모의 정확도에 큰 영향을 미친다. 하지만 OCCP 오차에 따라 발생하는 연직 오존 산출 오차는 복사 환경과 알고리듬 설정에 따라 다르게 나타나기 때문에 일반화가 매우 어렵다. 또한, OCCP 오차의 영향은 연직 오존 산출 과정에서 발생하는 다른 오차들과 혼재하기 때문에 이를 분석하는 것 또한 어렵다. 본 연구는 두 가지 방법을 사용하여 OCCP 오차로 인한 오존 산출 오차를 분석하였다. 첫 번째로, OCCP 오차가 최적 추정법(Optimal Estimation)에서 오존 산출에 미치는 영향을 모의하였다. 이를 위해 OCCP 오차에 따른 복사량 오차를 LIDORT 복사 모델로 산출하였다. 복사량 오차를 오존 산출 오차로 변환하기 위해 최적 추정법의 변환식에 복사량 오차를 대입하였고, 그 결과 OCCP를 100 hPa 높게 입력했을 때 전체 오존량이 약 2.7% 과대산출되는 것으로 나타났다. 두 번째로, 사례 분석을 통해 OCCP 오차로 인한 오존 오차를 확인하였다. 사례 분석을 위해 OCCP 오차를 가정하여 오존 산출 오차를 모의하였고, 이를 OMI 오존 프로파일 산출물인 PROFOZ 2005-2006의 사례에서 나타난 오존 오차와 비교하였다. 사례에서 나타난 오존 오차를 정의하기 위해서 이상적인 가정을 전제하였으며, 가정을 전제할 수 있도록 지표 반사도, 오존의 수평 변화율 등을 고려하여 비교적 안정적으로 오존 오차를 근사할 수 있는 49개의 사례를 선정하였다. 사례 분석 결과, 49개의 사례 중 27개(약 55%)의 사례에서 0.5 이상의 상관관계가 나타났다. 오존 프로파일 산출 특성을 고려하였을 때, 이러한 결과는 OCCP의 오차가 오존 프로파일 산출 정확도에 상당한 영향을 주고 있는 것으로 판명되었다.

• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.669-681
• /
• 2023

과일 나무의 생육을 평가하는 중요한 지표인 엽록소 함량을 추정하는데 비교적 많은 노동력의 투입이 요구되고 오랜 시간이 소요되는 기존의 파괴 조사 대신 비파괴적 조사 방식인 원격탐사기술을 적용하기 위한 연구가 시도되고 있다. 이 연구에서는 2년(2021, 2022) 간 무인기 기반의 초분광 영상을 이용하여 배나무 잎의 엽록소 함량을 비파괴적으로 추정하는 연구를 수행하였다. 영상 처리로 추출된 배나무 캐노피(canopy)의 단일 band 반사율은 시간 변화에 따라 불안정한 복사 효과를 최소화하기 위해 밴드비화(band rationing) 되었다. 밴드비(band ratios)를 입력 변수로 머신러닝 알고리즘인 elastic-net, k-nearest neighbors (KNN)과 support vector machine을 사용하여 추정(calibration, validation) 모델들을 개발하였다. Full band ratios 기반 추정 모델들의 성능과 비교하여 계산 비용 절감과 재현성 향상에 유리한 key band ratios를 선정하였다. 결과적으로 모든 머신러닝 모델에서 full band ratios를 이용한 calibration에 coefficient of determination (R²)≥0.67, root mean squared error (RMSE)≤1.22 ㎍/cm², relative error (RE)≤17.9%)와 validation에 R²≥0.56, RMSE≤1.41 ㎍/cm², RE≤20.7% 성능을 비교하였을 때, key band ratios 네 개가 선정되었다. 머신러닝 모델들 사이에 validation 성능에는 비교적 큰 차이가 없어 calibration 성능이 가장 높았던 KNN 모델을 기준으로 삼았으며, 그 key band ratios는 710/714, 718/722, 754/758, 758/762 nm가 선정되었다. Calibration에서 R²=0.80, RMSE=0.94 ㎍/cm², RE=13.9%와 validation에서 R²=0.57, RMSE=1.40 ㎍/cm², RE=20.5%를 나타내었다. Validation의 기준으로 한 성능 결과는 배나무 잎 엽록소 함량을 추정하기에 충분하지 않았지만, 앞으로의 연구에 기준이 될 key band ratios를 선정했다는 것에 의미가 있다. 추후 연구에서는 추정 성능을 향상하기 위해 지속적으로 추가 데이터세트를 확보하여 선정된 key band ratios의 신뢰성 검증과 함께 실제 과원에 재현 가능한 추정 모델로 고도화할 필요가 있다.