• 한국표면공학회:학술대회논문집
• /
• 한국표면공학회 2005년도 추계학술발표회 및 workshop
• /
• pp.147-148
• /
• 2005

• 한국표면공학회:학술대회논문집
• /
• 한국표면공학회 2005년도 추계학술발표회 및 workshop
• /
• pp.150-150
• /
• 2005

• 한국표면공학회:학술대회논문집
• /
• 한국표면공학회 1999년도 춘계학술발표회 초록집
• /
• pp.112-115
• /
• 1999

• 전기의세계
• /
• 제45권8호
• /
• pp.30-35
• /
• 1996

본고에서는 의료영상의 3차원 visualization을 위한 표면 모델링 방법에 대하여 살펴보기로 한다. 먼저 다음 장에서는 visualization 방법들을 여러 가지 관점에서 간단히 분류하고, 3장과 4장에서는 표면 재구성법과 체적 재구성법에 대해 다룬다.

• 한국표면공학회:학술대회논문집
• /
• 한국표면공학회 1998년도 춘계학술발표회 초록집
• /
• pp.33-33
• /
• 1998

• 한국표면공학회:학술대회논문집
• /
• 한국표면공학회 2011년도 춘계학술대회 및 Fine pattern PCB 표면 처리 기술 워크샵
• /
• pp.83-83
• /
• 2011

• 한국표면공학회:학술대회논문집
• /
• 한국표면공학회 2003년도 춘계학술발표회 초록집
• /
• pp.7-8
• /
• 2003

• 한국표면공학회:학술대회논문집
• /
• 한국표면공학회 2003년도 춘계학술발표회 초록집
• /
• pp.15-15
• /
• 2003

• 대한화장품학회지
• /
• 제45권4호
• /
• pp.373-380
• /
• 2019

얼굴과 하박내측의 피부는 경피수분손실량(TEWL), 피부 수분량, 탄력 등에서 많은 차이를 보이고 있다. 특히, 이전 연구 결과에서 얼굴피부와 하박내측 피부는 수화(hydrating) 과정에 따른 탄력특성의 차이를 보여 주었다. 이에 본 연구에서는 신체부위에 따른 피부특성 차이는 각 신체부위를 구성하고 있는 각질세포 특성과 연관성이 있을 것이라는 가정하에 atomic force microscopy (AFM)을 이용하여 각질세포 표면 특성을 비교 연구하였다. 각질세포 표면의 거칠기(roughness)와 villus-like projections (VPs)을 이용하여 비교 평가 하였다. 더 나아가 얼굴피부, 하박내측, 입술 피부의 각질세포 표면을 정성적으로 비교해 보았다. 각질세포는 8명의 피험자의 얼굴과 하박내측 피부에서 tape-stripping을 이용하여 채취하여, AFM을 이용하여 40 ㎛ × 40 ㎛ 크기로 각질세포의 아랫면 표면 특성(bottom surface of corneocyte)을 측정하였다. 그 결과, 얼굴 각질세포 아랫면 표면 거칠기는 388.34 ± 86.189 nm이었고, 하박내측 각질세포 아랫면 표면 거칠기는 662.27 ± 224.257 nm로 하박내측 각질세포가 얼굴 각질세포보다 더 거친 표면 특성임을 확인하였다(p < 0.001). 관찰된 VPs의 양을 비교해보면, 입술 각질세포가 가장 많았고, 그 다음이 얼굴 각질세포이며, 하박내측 각질세포는 낮은 수준이었다. 이러한 결과를 통해 볼때, 각질세포 표면 특성이 얼굴과 하박내측 피부 사이에 보이는 특성 차이에 어느 정도 관여하고 있음을 확인할 수 있었으며, VPs는 부위별 피부 특성 연구에 유용한 parameter가 될 수 있는 가능성도 확인할 수 있었다. 그리고, AFM은 각질세포 표면의 미세한 구조적 차이를 비교 연구하는데 매우 유용한 기기임을 알 수 있었다. 향후 조금 더 많은 연구가 진행된다면 각질세포에 대한 새로운 화장품 효능 평가법이 개발될 것으로 사료된다.

• 정보처리학회논문지A
• /
• 제11A권5호
• /
• pp.391-400
• /
• 2004

서로 다른 종류의 영상을 정확하게 연관시켜 복합적인 정보를 제공하는 다중모달리티 의료 영상정합기법 중 표면정보 기반 영상정합에서는 일반적으로 동일 대상에 대한 서로 다른 모달리티에서 추출된 표면 윤곽정보 사이의 거리를 최소화함으로써 매칭이 이루어진다. 그런데 동일대상에 대해 취득되는 서로 다른 두 모달리티는 관심 영역 상의 표면 특성이 서로 유사하다. 그러므로 다중모달리티 영상정합에서 표면거리와 함께 표면의 형태 특성을 고려하여 두 영상을 매칭하는 방법이 정합결과의 정확도를 향상시킬 수 있다. 본 연구에서는 동일 대상의 서로 다른 두 모달리티 뇌영상 간의 표면거리와 표면곡률을 최적화하는 정합기법을 제안한다. 영상정합은 참조영상과 테스트영상에 대한 표면정보 생성과 이 두 개의 표면정보를 최적화하는 단계로 구성된다. 표면정보 생성 단계에서는 두 모달리티로부터 관심영역의 윤곽선을 추출하고, 이 중 참조 볼륨의 윤곽선에 대해서는 표면거리맵과 표면곡률맵을 구성하게 된다. 최적화 단계에서는 표면거리맵과 표면곡률맵을 참조하는 최적화 평가함수(cost function)에 의해 두 객체의 표면거리 차이와 표면곡률 차이를 최소화하는 정합 변환 값이 결정되고, 이것이 테스트영상의 변환에 적용되어 결과적으로 두 영상이 정합 되게 된다. 제안된 최적화 평가함수는 표면거리 정보만을 사용하는 평가함수에 비해 보다 견고한 정합 정확도를 보였으며 또한 본 연구는 정합결과의 볼륨 가시화를 통해 효율적인 영상 분석 수단을 제공하고자 하였다.