• Journal of Chest Surgery
• /
• 제38권1호
• /
• pp.44-49
• /
• 2005

흥선종양은 비교적 흔한 종격종 종양이나 이제까지 병리학적 분류가 통일된 것이 없었으며 또한 치료 및 예후와의 연관성이 잘 확립되어 있지 않았다. 최근에서야 WHO 분류가 발표되었고 이에 따른 치료 계획과 치료에 따른 예후와의 상관관계가 보고되기 시작했다. 본 연구는 WHO 분류와 Masaoka병기 그리고 임상양상 간의 상관관계를 조사하였다. 대상 및 방법: 대상환자는 서울아산병원 흉부외과에서 1993년 1월부터 2003년 6월까지 완전절제술을 시행 받았던 흥선종양 환자 98명으로 하였다. WHO 분류의 조사를 위하여 병리조직 slide를 다시 검토하였으며 수술 후 Masaoka병기와의 관련성, 술 후 추가적인 치료와 예후에 대한 관계 및 재발여부에 관하여 의무기록 조사를 통하여 후향적으로 조사하였다. 결과: 98예의 대상 환자 중 남녀 비는 48 : 50이었으며 수술 연령은 평균 $49.6{\pm}13.9$세였다. WHO 분류에 따르면 type A 6명, AB 14명, B1 18명, B2 23명, B3 18명, C 9명이었다. Masaoka 병기와 WHO 분류와의 관계를 보면 Masaoka 병기 I 53명 $(54{\%})$ 중에서 WHO type A 4명, AB 7명, B1 22명, B2 17명, B3 3명이었으며 Masaoka 병기 II 28명$(28.5{\%})$ 중에서는 WHO type A 2명, AB 7명, B1 4명, B2 2명, B3 8명, C 5명이었고 Masaoka병기 III 15명$(15.3{\%})$ 중에서는 WHO type B1 L명, B2 3명, B3 7명, C 4명이었으며 Masaoka병기 IV 2명$(2{\%})$ 중에서는 WHO type B1 1명, B2 1명이었다. 평균 추적 기간은 $28{\pm}6.8$개월이었다. 사망 환자는 3명으로 type B2에서 2명(Masaoka 병기 III, IV), 그리고 type C에서 1명(Masaoka병기 II)이었다 재발 후 생존해 있는 환자는 총 6명이었으며 이 중 type B2에서 2명(Masaoka 병기 III), type B3에서 2명(Masaoka 병기 I, III) type C에서 2명(Masaoka 병기 II)이었다. Kaplan-Meier방법으로 통계 처리한 결과 WHO분류상 type B2에서 5년 생존율은 $90{\%}$ 였으며 type C에서 5년 생존율은 $87.5{\%}$였다. 재발률을 보면 class B2에서 5년 무병 생존율 $80.7{\%}$, B3에서 $81.6{\%}$, C에서 $50{\%}$였다. Log-Rank 방법에서 보면 WHO분류와 생존율, 재발률 사이에 통계학적으로 상관관계가 있는 것으로 나타났다(p<0.05). WHO 분류와 Masaoka분류의 상관 관계를 보면 Spearman correction method출 이용한 통계에서 상관관계 곡선이 slope=0.401 (p=0.023)으로 밀접한 관계가 있다고 하겠다. 결론: WHO분류의 type C의 경우 수술 후 재발률과 사망률이 높으므로 수술 후보다 적극적인 치료와 추적관찰이 필요할 것으로 생각된다. WHO분류와 Masaoka 병기간에는 상호 밀접한 관계가 있는 것으로 생각되며 WHO분류 및 Masaoka병기 모두 흥선종의 예후의 예측 인자가 될 수 있을 것으로 생각된다.

• 지능정보연구
• /
• 제21권2호
• /
• pp.93-112
• /
• 2015

소비자의 소비성향이 필요 품목을 중심으로 근거리에서 구매하는 근린형으로 변화함에 기존의 소매점은 식료품, 생활용품을 위주로 제공하는 슈퍼마켓, 하이퍼마켓 또는 편의점으로 진화하고 있다. 따라서 소매점이 한정된 공간에서 효율적으로 공간을 활용하고 매출을 증대하기 위해서는 소비자의 구매욕을 충족시킬 수 있는 상품배치와 적정한 재고수준을 유지하는 것이 매우 중요하다. 본 연구에서는 소매점의 판매 상품에 대하여 RFM 기반 SOM 군집화를 하여 효율적으로 매장을 관리할 수 있는 상품 배치전략 및 재고전략을 제안하였다. 실제 M마트의 판매데이터를 이용하여 RFM모델을 상품에 적용한 후, 기존 문헌 연구뿐만 아니라 해석 가능성, 응용 가능성 등을 고려하여 3X3 총 9개의 군집으로 분류하여 분석한 결과, 주요 군집으로 R값, F값, M값이 모두 높은 군집, R값, F값, M값 모두 낮은 군집, R값만 높은 군집, F값만 높은 군집이 도출되었다. 본 논문에서는 다른 군집과 비교시 R값, F값, M값이 차이를 보이는 주요 4개의 군집의 상품 배치 및 재고 전략을 제시하였다. R값, F값, M값이 모두 높은 군집의 상품은 소비자 동선을 늘림으로써 상품 노출을 확대시킬 수 있는 장소에 배치하여야 할 뿐만 아니라 높은 수준의 재고를 보유할 필요가 있다. 반면에 R값, F값, M값이 모두 낮은 군집의 상품은 가시성이 낮은 곳에 배치하고 최소한의 안전재고만 보유할 필요가 있다. 또한 R값이 높은 군집은 신상품으로 매장 입구에 배치하여 상품의 판매를 유도할 필요가 있다. 그리고 F값만 높은 군집의 경우, R값과 M값이 평균 값 보다 작은 상품들의 군집이므로 최근에는 판매가 저조하며 빈도 수에 비해 총 판매액이 낮다는 것을 유추할 수 있다. 따라서 현재보다 과거에 많이 판매된 저가의 상품군집으로 재고 수준을 점차 감소시킬 필요가 있다. 본 연구에서 제시한 방법은 POS 시스템의 보유한 소매점에서 상품배치 및 재고관리 방법으로 활용되어 매장의 수익성 증대에 기여할 수 있을 것으로 기대된다.

• 지능정보연구
• /
• 제24권4호
• /
• pp.67-83
• /
• 2018

2013년 누적인원 2억명을 돌파한 한국의 영화 산업은 매년 괄목할만한 성장을 거듭하여 왔다. 하지만 2015년을 기점으로 한국의 영화 산업은 저성장 시대로 접어들어, 2016년에는 마이너스 성장을 기록하였다. 영화산업을 이루고 있는 각 이해당사자(제작사, 배급사, 극장주 등)들은 개봉 영화에 대한 시장의 반응을 예측하고 탄력적으로 대응하는 전략을 수립해 시장의 이익을 극대화하려고 한다. 이에 본 연구는 개봉 후 역동적으로 변화하는 관람객 수요 변화에 대한 탄력적인 대응을 할 수 있도록 주차 별 관람객 수를 예측하는데 목적을 두고 있다. 분석을 위해 선행연구에서 사용되었던 요인 뿐 아니라 개봉 후 역동적으로 변화하는 영화의 흥행순위, 매출 점유율, 흥행순위 변동 폭 등 선행연구에서 사용되지 않았던 데이터들을 새로운 요인으로 사용하고 Naive Bays, Random Forest, Support Vector Machine, Multi Layer Perception등의 기계학습 기법을 이용하여 개봉 일 후, 개봉 1주 후, 개봉 2주 후 시점에는 차주 누적 관람객 수를 예측하고 개봉 3주 후 시점에는 총 관람객 수를 예측하였다. 새롭게 제시한 변수들을 포함한 모델과 포함하지 않은 모델을 구성하여 실험하였고 비교를 위해 매 예측시점마다 동일한 예측 요인을 사용하여 총 관람객 수도 예측해보았다. 분석결과 동일한 시점에 총 관람객 수를 예측했을 경우 보다 차주 누적 관람객 수를 예측하는 것이 더 높은 정확도를 보였으며, 새롭게 제시한 변수들을 포함한 모델의 정확도가 대부분 높았으며 통계적으로 그 차이가 유의함으로써 정확도에 기여했음을 확인할 수 있었다. 기계학습 기법 중에는 Random Forest가 가장 높은 정확도를 보였다.