• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권7호
• /
• pp.271-278
• /
• 2021

현재 사이버 공격이 더욱 지능화됨에 따라 기존의 침입 탐지 시스템(Intrusion Detection System)은 저장된 패턴에서 벗어난 지능형 공격을 탐지하기 어렵다. 이를 해결하려는 방법으로, 데이터 학습을 통해 지능형 공격의 패턴을 분석하는 딥러닝(Deep Learning) 기반의 침입 탐지 시스템 모델이 등장했다. 침입 탐지 시스템은 설치 위치에 따라 호스트 기반과 네트워크 기반으로 구분된다. 호스트 기반 침입 탐지 시스템은 네트워크 기반 침입 탐지 시스템과 달리 시스템 내부와 외부를 전체적으로 관찰해야 하는 단점이 있다. 하지만 네트워크 기반 침입 탐지 시스템에서 탐지할 수 없는 침입을 탐지할 수 있는 장점이 있다. 따라서, 본 연구에서는 호스트 기반의 침입 탐지 시스템에 관한 연구를 수행했다. 호스트 기반의 침입 탐지 시스템 모델의 성능을 평가하고 개선하기 위해서 2018년에 공개된 호스트 기반 LID-DS(Leipzig Intrusion Detection-Data Set)를 사용했다. 해당 데이터 세트를 통한 모델의 성능 평가에 있어서 각 데이터에 대한 유사성을 확인하여 정상 데이터인지 비정상 데이터인지 식별하기 위해 1차원 벡터 데이터를 3차원 이미지 데이터로 변환하여 재구성했다. 또한, 딥러닝 모델은 새로운 사이버 공격 방법이 발견될 때마다 학습을 다시 해야 한다는 단점이 있다. 즉, 데이터의 양이 많을수록 학습하는 시간이 오래 걸리기 때문에 효율적이지 못하다. 이를 해결하기 위해 본 논문에서는 적은 양의 데이터를 학습하여 우수한 성능을 보이는 Few-Shot Learning 기법을 사용하기 위해 Siamese-CNN(Siamese Convolutional Neural Network)을 제안한다. Siamese-CNN은 이미지로 변환한 각 사이버 공격의 샘플에 대한 유사성 점수에 의해 같은 유형의 공격인지 아닌지 판단한다. 정확성은 Few-Shot Learning 기법을 사용하여 정확성을 계산했으며, Siamese-CNN의 성능을 확인하기 위해 Vanilla-CNN(Vanilla Convolutional Neural Network)과 Siamese-CNN의 성능을 비교했다. Accuracy, Precision, Recall 및 F1-Score 지표를 측정한 결과, Vanilla-CNN 모델보다 본 연구에서 제안한 Siamese-CNN 모델의 Recall이 약 6% 증가한 것을 확인했다.

• 한국방사선학회논문지
• /
• 제15권1호
• /
• pp.45-54
• /
• 2021

본 연구는 혼합현실을 기반으로 하는 비파괴 분야의 교육용콘텐츠를 만들기 위해 시행되었다. 현재 방사선 분야에는 교육용 혼합현실 기반 교육용 콘텐츠는 거의 없는 실정이다. 그리고 비파괴검사분야는 작업 환경이 열악하고, 종사자 수도 한 업체당 직원 수가 10인 이하인 곳이 많고, 교육적 인프라도 잘 구축되어 있지 않다. 강의식으로 전달만 하는 실습교육과 안전교육이 시행되고 있다. 이를 해결하기 위해 혼합현실을 기반으로 한 비파괴 종사자 교육용 콘텐츠를 개발하게 되었다. 이 콘텐츠는 Microsoft사의 HoloLens 2 HMD 디바이스를 기반으로 개발되었고, 1280⁎720의 해상도를 기준으로 제작되었고, 디바이스마다 해상도가 달라 Anchor의 Left, Right, Bottom, TOP위치를 맞추어 Side를 제작하였고, 이미지가 큰 것은 Atlas의 크기에 영향을 미치기 때문에 배경화면이나 상단 바와 같이 부피가 큰 것은 UITexture로 대체하여 제작되었다. UI Widget Wizard에서는 Label, Buttom, ScrollView, Sprite를 제작하였다. 본 연구는 종사자에게 현장감 있는 교육내용을 제공하고, 자기 주도적인 교육을 가능하게 하고, 현실을 바탕으로 한 3D 입체영상으로 교육할 수 있어 흥미와 몰입도 있는 교육을 시행할 수 있다. 혼합현실에서 제공되는 영상을 통해 현실세계와 가상현실 간에 상호작용을 통해 학습자가 직접 사물을 조작할 수 있어 학습자의 학습 능률을 높일 수 있다. 또한 혼합현실 교육을 시행하면 시간과 장소에 구해를 받지 않아 코로나 시대에 비대면 학습 콘텐츠로 큰 역할을 할 수 있을 것으로 사료된다.

• 한국조경학회지
• /
• 제37권4호
• /
• pp.86-93
• /
• 2009

병산서원을 대상으로 강학공간이자 내부 공간의 핵심인 강당영역과 외부지향의 매개공간이며 유상공간인 만대루를 중심으로 경관구조를 살피고 그 구도적 경관특성을 원심적 외부경관과 구심적 내부경관적 성향으로 구분하여 경관 이미지와 선호 요인을 비교 분석한 본 연구의 주요 결과는 다음과 같다. 병산서원의 중심공간인 입교당은 표고 약 85m 지점에 입지하고 있으며 전면에 노출된 병산(屛山)의 같은 높이까지 약 365m 이격되어 있다. 경관 매개요소인 낙동강의 폭은 백사장을 포함하여 약 240m 정도를 보이며, 병산의 경사도는 평균 $50^{\circ}$가 넘어 상당히 위압적 앙시각(仰視角)으로 지각된다. 만대루 중심에서 보여지는 병산의 앙각은 $10.5^{\circ}$를 이루고 있으며, 좌측 병산 최고봉은 약 $16^{\circ}$ 정도의 각도로 조망되는 경관구조를 이루고 있다. 한편, 입교당을 중심으로 한 강당군으로의 내부지향적 조망경관에 대한 시각 이미지 평가에서는 깨끗한 1.98, 아름다운 2.16, 친근한 2.20, 질서있는 2.21, 정적인 2.81 등의 변인이 높은 평가를 받아 경관적으로 단아하며 아름다운 공간이미지를 구축하고 있다. 만대루를 투사하고 낙동강변을 건너 병산까지 펼쳐지는 외부지향경관에 대한 이미지에 있어서는 열린 1.70, 넓은 1.78, 아름다운 1.96, 조화된 1.81, 질서있는 1.86 등의 변인들이 매우 높은 평가를 받아 틀에 넣어 조직화됨으로써 오히려 자연과 합치된 아름다운 경관으로 평가되었다. 병산서원 내부지향 및 외부지향 공간의 시각적 이미지를 설명하는 인자는 특이성인자, 심미성인자, 개방성인자, 자연성인자 등 모두 4개의 인자군으로 공간이미지가 함축되어 분석되었고 전체 변량 중 이들 인자군의 설명력은 55.90%이다. 병산서원 전체경관에 대한 시각선호에 가장 영향을 높게 미치는 변인은 심미성인자 및 자연성인자로 밝혀져 전통적 공간의 조망계획시 특이성이나 개방성의 창출보다는 심미성을 바탕으로 한 적절한 경관 노출과 차폐를 통한 자연성 확보가 시각적 즐거움을 창출하는데 보다 긴요함을 발견하였다.

• 대한원격탐사학회지
• /
• 제36권5_1호
• /
• pp.847-860
• /
• 2020

2-pass DInSAR (Differential Interferometric SAR) 기법을 이용한 DEM 생성 방법은 SAR 영상쌍 간의 정합, 간섭도 생성, 위상 unwrapping, DEM오차 계산, 좌표계 변환 등 복잡한 단계가 필요하다. 이러한 각 단계별 자료처리 정확도는 최종적으로 생성되는 DEM의 성능에 영향을 미치게 된다. 본 연구에서는 TanDEM-X bistatic SAR 영상의 2-pass DInSAR 기법 기반 DEM 생성 방법에 대한 성능 향상을 위한 개선된 방법을 개발하였다. 개발된 DEM 생성 방법은 unwrapped 위상 내의 DEM 오차와 좌표계 변환 시 발생할 수 있는 DEM오차를 현저히 줄일 수 있는 방법이다. 개발된 알고리즘의 성능 분석은 GPS 측량으로부터 생성한 지상기준점(Ground Control Point, GCP)을 이용하여 기존의 방법과 새로 제안된 알고리즘 적용 결과의 수직정확도(Root Mean Square Error, RMSE)를 비교하여 수행하였다. 실제 unwrapped 위상 및 좌표계변환 오차에 대한 보정을 수행하지 않고 생성한 DInSAR 기반 DEM의 고도 오차는 수직정확도는 39.617 m로 관측되었고, 제안한 방법을 통하여 생성한 DEM의 수직정확도는 2.346 m로 향상됨을 확인할 수 있었다. 제안하는 2-pass DInSAR 기법을 통해 reference로 사용한 SRTM 30 m DEM(수직정확도 5.567 m)에 DInSAR로 관측한 SRTM DEM 오차를 보상하여 최종적으로 공간해상도는 약 5배, 수직 정확도는 약 2.4배 향상된 DEM을 생성할 수 있었다. 또한, 제안한 방법을 통하여 생성한 DEM의 공간해상도를 SRTM 30 m DEM과 TanDEM-X 90 m DEM과 일치시키고 수직정확도를 비교한 결과 각각 약 1.7배 및 1.6배 향상되어 제안하는 2-pass DInSAR 기반 DEM 생성 방법으로 보다 정확한 DEM 생성이 가능함을 확인할 수 있었다. 빈번한 형태학적 변화를 갖는 지역에 대한 DEM의 지속적인 업데이트를 위하여 본 연구에서 도출한 방법을 이용한다면 저비용으로 빠른 시간 내에 효과적으로 DEM을 갱신할 수 있을 것이다.

• 핵의학기술
• /
• 제16권1호
• /
• pp.17-26
• /
• 2012

[목적] 본 연구는 화학적으로 안정된 $^{99m}Tc$-HMPAO (d, l-hexamethylpropylene amine oxime) 방사성 의약품을 사용한 환자 가운데 뇌조직 추출률이 떨어져 영상의 질이 저하되었던 환자를 대상으로 $^{99m}Tc$-HMPAO 방사성 의약품 외의 요인으로 뇌조직 추출률에 변화가 일어나는 요인을 알아보고자 한다. [대상 및 방법] 2010년 1월부터 2010년 12월까지 대뇌경색(Cerebral infarction, CI)에 의한 $^{99m}Tc$-HMPAO 뇌혈류 SPECT 검사를 시행한 환자 272명 가운데 뇌조직 추출률이 떨어졌던 환자 23명(연령 $55.3{\pm}9$세, 남 21명, 여 3명)을 대상으로 하였다. 대상환자는 정상 뇌조직 추출률을 보인 환자와 검사를 동시에 진행하여 같은 $^{99m}Tc$-HMPAO 방사성의약품을 사용함으로써 화학적 안전성을 확인하였다. 대상환자의 연령, 성별, 혈압, 당뇨 수치, 검사 시 사용 약물, 검사시 환자상태, 과거 검사 시 CT/MRI 조영제 부작용 이력, 과거 SPECT 검사를 시행한 환자의 전과 후 검사 영상을 비교하여 뇌조직 추출률에 영향을 미치는 요인과의 상관관계를 분석하였다. [결과] 다중선형회귀분석(Multiple Linear Regression)의 결과, 성별 및 전, 후 검사 영상을 제외한 6가지 사항에서는 특이한 상관관계를 발견할 수 없었다($p$>0.05). 남성 91.3%, 여성 8.7%로 남성이 여성보다 뇌조직 추출률이 떨어졌다고 보인다. 비모수 검증을 이용한 전과 후 검사 영상에서는 유의미한 차이를 나타내지 않았다($p$>0.05). 결과적으로 전과 후 검사 영상에서 비슷한 뇌조직 추출률을 나타냈으며 환자 개인에 따라 뇌조직 추출률에 변화가 있음을 확인하였다. [결론] 화학적으로 안정된 $^{99m}Tc$-HMPAO 방사성 의약품의 사용도 환자의 개인적인 특성 및 체질에 따라서 뇌조직 추출률이 떨어지는 유의한 요인임을 확인하였다. 앞선 $^{99m}Tc$-HMPAO 뇌혈류 SPECT 관련 논문을 참고할 때 뇌혈관 질환 중 측부 순환로에 의한 요인이 추측되지만, 환자에 따라 뇌조직 추출률이 떨어지는 정확한 요인은 알 수 없었다. 그러나 $^{99m}Tc$-HMPAO SPECT 검사가 뇌질환에 따른 경과 추적에 유용한 검사이며 추적 검사 시 뇌조직 추출률이 떨어지는 환자에 대한 정보를 검사에 반영하여 정확한 검사와 판독에 도움을 줄 것으로 생각한다.

• 한국방사선학회논문지
• /
• 제12권3호
• /
• pp.409-415
• /
• 2018

스마트기기기의 발전으로 일상생활에 큰 변화를 가지고 왔으며, 가장 크게 변화된 영역 중 하나가 가상현실 영역이다. 가상현실이란 디스플레이 장치를 이용해 이미 만들어진 3차원 고해상도 이미지를 마치 자신이 그 속에 존재하는 것과 같은 착각을 일으키는 기술이다. 실습장비가 구축되지 않은 교과목의 경우 시청각 자료에 의존할 수밖에 없어 실습 집중도 및 수업에 대한 질적 저하 발생하고 있는 현실이다. 방사선과 학생들에게 효과적인 교재 개발을 위해 가상 현실을 이용하였다. 가상현실을 이용한 동영상 교보재 제작을 위해 방사선종양학과가 개설된 병원을 선정하여 2017년 7월부터 9월에 촬영을 2회 실시하였다. 방사선종양학과 업무 흐름도를 고려하여 동영상을 제작하였으며, 전산화단층모의치료실 및 선형가속기실 두 군데에서 촬영을 진행하였다. 동영상 촬영에 앞서 각각에 대한 시나리오 및 촬영 동선을 사전 체크하여 동영상 편집을 용이하게 할 수 있도록 사전 작업을 진행하였다. Window XP 운영체제를 사용하는 PC환경에서 모델링과 맵핑 작업을 실시하였다. 대표적인 가상현실 카메라인 고프로 Hero4 2대를 이용하여 화소는 4K UHD: 약 800만 화소 해상도는 $3,840{\times}2,160/4,096{\times}2,160$ 두 개를 사용하였으며, 동영상 제작 후 편집은 프로그램 어도비프리미어 CC, 에프터이펙트, 포토샵, 일러스트를 사용하였다. 총 재생 시간은 가상현실을 이용한 교보재 제작 시 구토 및 어지러움증이 발생하지 않는 시간 5분 내외로 편집을 진행하였다. 동영상 구성은 도입, 시설 설명, 장비 설명, 교과 설명 및 정리로 진행하였으며, 동영상 촬영 후 편집 기간은 약 2주 정도 소요되었다. 현재 개발된 가상현실 방사선과 교육콘텐츠는 다양한 기관에서 활용할 수 있도록 시장을 확보하고 홍보를 확대하는 작업을 추진하고 있다. 향 후 가상현실을 체험한 학습자들을 대상으로 가상현실을 이용한 방사선과 교육 콘텐츠에 대한 만족도 및 학습 효능감에 대해 조사하여 가상현실 기술을 이용한 교보재에 대한 학습 콘텐츠 유용성을 평가하여 효과적인 임상실습 환경을 제공하고자 한다.

• 감성과학
• /
• 제15권3호
• /
• pp.389-398
• /
• 2012

최근 가상-현실 융합의 VnR(Virtual and Real worlds)은 가상 환경 속에서 경험할 수 있는 실재감을 추구하고 있다. 이러한 가상 세계의 실감화 평가는 다수의 독립적 요인으로 구성된 주관평가에 근거하여 평가 되고 있다. 그러나 기존 대부분의 연구에서는 가상 실감화를 측정하는 문항 및 요인 규명에 대하여 논리적 근거가 제시되지 않고 있으며, 측정 방법에 대한 타당성 검증이 미비한 실정이다. 또한 일부 연구는 가상 환경에 의한 실재감을 시각적 요소 측면에서 진행 하였다. 따라서 본 연구에서는 가상 실감화의 구성요소인 실재감의 시각적 요소를 중점으로, 더욱 합리적이고 타당하게 주관적 가상 실감화 측정 방법을 제안하고자 한다. 이를 위해, 가상 실감화를 연구한 문헌과 전문가를 대상으로 21개의 문항을 수집하였다. 200명의 피험자를 대상으로 극사실주의 인물 이미지를 제시하여 상기 문항으로 구성된 설문지를 통하여 5점 척도로 보고하게 하였다. 측정된 데이터에 대해 탐색적 요인분석을 수행하여, 요인 적재량 값이 적은 문항은 제거하였으며, 도출된 요인 모형이 적합한지에 대해서 확인적 요인분석을 통하여 통계적으로 타당함을 검증하였다. 요인 분석 결과 가상 실감화의 실재감을 측정하기 위한 주요 세 가지 요인이 결정되었다. 이는 시각적 실재감(3 문항), 시각적 몰입감(7 문항), 시각적 상호작용(4 문항)으로 구성 되었다. 또한 실재감의 시각적 요소를 기반으로 3차원 가상 안구 모델을 표현함에 따라 제안하는 가상 실감화 측정 결과에 영향을 끼침을 확인하였다. 이 결과는 논리적 근거를 통하여 수집된 문항에 대해서 합리적이고 타당하게 가상 실감화의 실재감(시각적 요소) 정도를 평가할 수 있는 측정 방법을 제안하였으며, 제안된 측정 방법의 타당도 검증을 통하여 합리적으로 실감화 정도를 평가함을 검증 하였다.

• 대한핵의학회지
• /
• 제39권6호
• /
• pp.413-420
• /
• 2005

목적: 수용체 결합능 정량화를 위해서는 방사성추적자의 동태를 충분히 관찰하기 위해서 보통 뇌 PET 영상을 60-120분 정도 얻어야 한다. 이처럼 장기간 PET 영상을 얻게 되는 경우 보통 피험자의 수의적/불수의적 움직임을 피할 수 없고 이러한 피험자의 머리 움직임은 재구성된 PET 영상의 공간해상도를 저하시키고 측정된 방사능 농도의 정확성을 떨어뜨리는 요인이 된다. 이 연구에서는 동적 영상 정보만을 이용하여 피험자의 머리 움직임을 보정할 수 있는 방법을 개발하고 이를 피험자의 움직임이 불가항력적인 뇌활성화 도파민 D2 수용체 영상에 적용하여 움직임 보정이 리간드 결합능 및 외부 자극에 의한 도파민 유리(release) 정량화에 미치는 영향을 평가하였다. 대상 및 방법: 4명의 정상인 자원자에서 비디오 게임에 의한 도파민 유리를 평가하기 위한 실험으로 순간+연속 주입법을 이용하여 얻은 $[^{11}C]raclopride$ PET 영상을 이용하였으며 실제로 도파민 유리를 계산하기 위해서 필요한 프레임들만을 선별해서 영상 정합 기법을 적용하였다. 즉, $[^{11}C]raclopride$을 투여한 후 선조체에서의 리간드의 특이적 결합이 항정상태(steady state)에 최초로 도달하는 과제 수행 전 (30-50 분) 영역과, 비디오 게임 과제에 의해 도파민이 유리된 후 다시 항정상태에 도달하는 70-90분, 비디오 게임을 멈춘 후 다시 항정상태에 도달하는 110-120 분 데이터에만 움직임 보정 기법을 적용하는 방식이다. 각 항정상태 구간은 보통 2-4개의 프레임으로 구성되므로 먼저 이들 프레임들간의 영상정합을 수행(intra-condition registration)하여 평균 영상을 만들고 이들 평균 영상들을 정합하여 최종적으로 움직임 보정(inter-condition registration)을 하였다. 게임 수행 전후의 도파민유리를 평가하기 위하여 머리 움직임 보정 전후의 게임 과제 수행 전후의 결합능 백분율 변화를 구하였으며 각 조건에 대한 결합능 파라미터 영상을 구하고 움직임 보정 전후의 결합능 영상의 화소별 차이를 SPM2를 이용한 t-test(쌍체 검정)로 알아보았다. 결과: 움직임 보정 전후의 영상을 비교하였을 때, 움직임 보정 전 영상에서, 게임 수행시 영상이 게임을 위한 스크린 위치에 따른 시야 변동으로 게임 수행전 영상에 비하여 앞쪽 아래로 기울어져 있음을 알 수 있었으며 이러한 경향은 대상 피험자 모두에서 관찰되었다. 보정 전 영상으로부터 측정된 비디오 게임에 의한 도파민 유리는 putamen에서 29%, caudate head에서 57%, ventral striatum에서 17% 였으나, 보정 후 영상으로부터 구한 도파민 유리는 이들 영역에서 각각 3.9%, 14,1%, 0.6%로 움직임 보정을 하지 않은 경우 선조체 모든 구소물에서 결합능 감소, 즉 게임에 의한 도파민 유리가 과대평가됨을 알 수 있다. SPM 분석결과에서도 움직임을 보정하지 않은 영상을 이용한 경우, 선조체 구조물에서의 결합능 감소와 움직임에 의한 영상강도 저하가 복합적으로 영향을 주어 결합능 차이가 매우 유의하게 평가되었으나 움직임 보정 후 영상을 이용하여 비교한 경우, 결합능 변화가 선조체 영역에서 국한되어 나타나며 그 유의성이 움직임 보정 전에 비하여 낮음을 알 수 있었다. 결론: 뇌활성화 과제 수행시에 동반되는 피험자의 머리 움직임에 의하여 도파민 유리가 과대평가되었으며 이는 이 연구에서 제안한 영상정합을 이용한 움직임 보정기법에 의해서 개선되었다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.167-181
• /
• 2018

지난 10여 년간 딥러닝(Deep Learning)은 다양한 기계학습 알고리즘 중에서 많은 주목을 받아 왔다. 특히 이미지를 인식하고 분류하는데 효과적인 알고리즘으로 알려져 있는 합성곱 신경망(Convolutional Neural Network, CNN)은 여러 분야의 분류 및 예측 문제에 널리 응용되고 있다. 본 연구에서는 기계학습 연구에서 가장 어려운 예측 문제 중 하나인 주식시장 예측에 합성곱 신경망을 적용하고자 한다. 구체적으로 본 연구에서는 그래프를 입력값으로 사용하여 주식시장의 방향(상승 또는 하락)을 예측하는 이진분류기로써 합성곱 신경망을 적용하였다. 이는 그래프를 보고 주가지수가 오를 것인지 내릴 것인지에 대해 경향을 예측하는 이른바 기술적 분석가를 모방하는 기계학습 알고리즘을 개발하는 과제라 할 수 있다. 본 연구는 크게 다음의 네 단계로 수행된다. 첫 번째 단계에서는 데이터 세트를 5일 단위로 나눈다. 두 번째 단계에서는 5일 단위로 나눈 데이터에 대하여 그래프를 만든다. 세 번째 단계에서는 이전 단계에서 생성된 그래프를 사용하여 학습용과 검증용 데이터 세트를 나누고 합성곱 신경망 분류기를 학습시킨다. 네 번째 단계에서는 검증용 데이터 세트를 사용하여 다른 분류 모형들과 성과를 비교한다. 제안한 모델의 유효성을 검증하기 위해 2009년 1월부터 2017년 2월까지의 약 8년간의 KOSPI200 데이터 2,026건의 실험 데이터를 사용하였다. 실험 데이터 세트는 CCI, 모멘텀, ROC 등 한국 주식시장에서 사용하는 대표적인 기술지표 12개로 구성되었다. 결과적으로 실험 데이터 세트에 합성곱 신경망 알고리즘을 적용하였을 때 로지스틱회귀모형, 단일계층신경망, SVM과 비교하여 제안모형인 CNN이 통계적으로 유의한 수준의 예측 정확도를 나타냈다.

• Investigative Magnetic Resonance Imaging
• /
• 제17권2호
• /
• pp.110-122
• /
• 2013

목적: 발목관절 VISTA 자기공명영상을 이용하여 지방억제를 한 것과 하지 않은 VISTA 사이에서 정량평가를 하며, 발목 인대의 traceability 차이를 알아보고자 하였다. 대상과 방법: SNR의 비교를 위해 팬텀과 한명의 자원자에서 자기공명영상을 촬영하였다. CR (contrast ratio)과 인대 traceability 비교를 위해 발목 관절의 외상 과거력이 없는 10명의 자원자에서 자기공명영상을 촬영하였다. 모든 자기공명영상은 VISTA를 이용하였고 3T에서 촬영하였다. 지방억제는 SPAIR (Spectral Attenuated Inversion Recovery) 기법을 이용하였다. SNR은 피검자가 있을 때와 피검자 없이 촬영한 것으로 구하였다. CR은 열개의 오른쪽 발목관절의 관절액-힘줄, 관절액-연골, 관절액-인대, 지방-힘줄, 지방-연골, 지방-인대의 신호강도를 얻어 구하였다. 두 명의 근골격계 영상의학과 의사가 지방억제를 한 것과 하지 않은 영상을 calcaneofibular ligament (CFL)을 포함한 7개의 발목관절 인대에 대해서 점수를 매겼다 (1, not traceable; 2, barely traceable; 3, adequately traceable; 4, excellently traceable). VISTA 와 VISTA SPAIR 사이에 CR을 비교하는 데는 Wilcoxon signed-rank test를 이용하였다. VISTA 와 VISTA SPAIR사이에 인대 traceability를 비교하는 데에는 Fisher's exact test와 Pearson's chi-squared test를 이용하였다. 결과: 정량평가의 SNR을 보면 지방억제를 하지 않은 영상에 비해 지방억제를 한 자원자의 골수에서 더 낮은 수치를 나타내었다. (7.65 versus [vs.] 36.64). 관절액, 연골, 근육에서는 두 연쇄간에 SNR의 차이가 없었다. 지방억제 VISTA는 관절액-인대 사이 CR만 더 나은 결과를 보여주었지만 (p=0.04) VISTA는 지방-힘줄, 지방-연골, 지방-인대 간에서 모두 더 나은 CR값을 나타내었다(P=0.005). CFL 인대만 통계학적으로 의미 있는 값을 보였는데 지방억제를 하지 않은 VISTA 영상에서 traceability의 값이 더 우세 하였다(p <0.05). 결론: 지방 억제를 한 VISTA와 하지 않은 VISTA에서 유의한 SNR 차이는 골수를 제외하고 없었다. 지방억제를 하지 않은 VISTA에서 CFL을 trace하는데 있어서 더 유리하였다.