• 한국엔터테인먼트산업학회논문지
• /
• 제13권4호
• /
• pp.321-329
• /
• 2019

본 연구는 일상생활에 중점을 둔 가상현실 훈련이 뇌졸중 환자의 상지기능과 일상생활활동에 미치는 효과를 알고자 하였다. 만성 뇌졸중 환자 20명이 본 연구에 참여하였다. 모든 대상자는 실험군 10명과 대조군 10명으로 배정되었다. 두 군은 하루 30분, 주 5회, 4주 동안 보편적인 재활치료를 받았다. 실험군은 일상생활에 중점을 둔 가상현실 훈련을 각 회기마다 30분 추가로 받았으며, 대조군은 일반적인 가상현실 훈련을 30분 받았다. 상지기능을 측정하기 위해 Fugl-Meyer 평가를 수행하였고, 일상생활활동 능력을 알아보기 위하여 기능적 독립척도를 수행하였다. 연구 결과, 두 군은 중재 전과 후로 상지기능과 일상생활활동에서 유의한 향상을 보였다(p<.05). 두 군의 중재 전과 후의 변화량을 비교한 결과, 실험군은 대조군보다 Fugl-Meyer 평가 하위항목 중 손목과 기능적 독립척도 총점과 자기관리, 대·소변 관리에서 유의하게 더 큰 향상이 있었다(p<.05). 본 연구의 결과는 일상생활에 중점을 둔 가상현실 훈련이 일반적인 가상현실 훈련보다 뇌졸중 환자의 손목 기능과 일상생활활동에 더 나은 효과가 있음을 제안한다.

• 문화기술의 융합
• /
• 제4권3호
• /
• pp.197-207
• /
• 2018

무의 껍질과 무청은 식용으로 사용하기도 하지만, 질기고 거친 식감으로 인하여 제거 후 부산물로서 폐기되거나 가축의 사료로 이용되는 실정이다. 본 연구는 초임계 열처리가공 무추출물이 UVB로 유도된 Hos:HRM-2 주름생쥐동물모델에서 항-광노화 주름개선 효능을 검증하고자 하였다. 초임계 열처리된 무 추출물을 7주령의 HRM-2 생쥐에 UVB 램프로 등피부에 조사하여 피부 노화를 유발하여 피부두께, 탄력, 그리고 주름생성 변화에 대하여 알아보고자 하였다. 초임계 열처리된 무추출물의 UVB 조사에 의한 HRM생쥐의 주름 측정 결과는 정상군에 비해 음성대조군의 주름의 깊이가 증가되는 것을 관측할 수 있었다. 반면 무 추출물의 처리군에서는 음성대조군에 비해 주름의 깊이가 감소되었다. 초임계 열처리된 무추출물의 UVB 조사에 의한 의한 주름관련 유전자 및 단백질의 발현에 미치는 영향에서는 음성대조군은 정상군에 비해 MMP-2 및 MMP-9 유전자의 발현이 현저하게 증가하였으나, 무 추출물의 처리에 의해 상기 유전자의 발현이 유의적으로 감소하는 것을 확인할 수 있었다. 또한 유전자의 발현 정도는 무 추출물의 처리량에 의존적으로 감소하였다. 실험결과를 종합적으로 해석해 볼 때, 초임계 열처리된 무 추출물은 피부에 도포 시 뿐만 아니라 경구로 섭취시에도 피부 주름 개선에 효과가 있어, 건강기능식품 조성물로도 유용하게 사용될 수 있다. 특히 무는 오랫동안 복용 시에도 전혀 부작용을 나타내지 않는 안전한 식품으로 장기간 꾸준히 복용하는 것에 의해 피부 주름 및 탄력 개선 효과를 얻을 수 있다는 결론을 얻을수 있었다.

• 지능정보연구
• /
• 제18권2호
• /
• pp.29-45
• /
• 2012

회사채 신용등급은 투자자의 입장에서는 수익률 결정의 중요한 요소이며 기업의 입장에서는 자본비용 및 기업 가치와 관련된 중요한 재무의사결정사항으로 정교한 신용등급 예측 모형의 개발은 재무 및 회계 분야에서 오랫동안 전통적인 연구 주제가 되어왔다. 그러나, 회사채 신용등급 예측 모형의 성과와 관련된 가장 중요한 문제는 등급별 데이터의 불균형 문제이다. 예측 문제에 있어서 데이터 불균형(Data imbalance) 은 사용되는 표본이 특정 범주에 편중되었을 때 나타난다. 데이터 불균형이 심화됨에 따라 범주 사이의 분류경계영역이 왜곡되므로 분류자의 학습성과가 저하되게 된다. 본 연구에서는 데이터 불균형 문제가 존재하는 다분류 문제를 효과적으로 해결하기 위한 다분류 기하평균 부스팅 기법 (Multiclass Geometric Mean-based Boosting MGM-Boost)을 제안하고자 한다. MGM-Boost 알고리즘은 부스팅 알고리즘에 기하평균 개념을 도입한 것으로 오분류된 표본에 대한 학습을 강화할 수 있으며 불균형 분포를 보이는 각 범주의 예측정확도를 동시에 고려한 학습이 가능하다는 장점이 있다. 회사채 신용등급 예측문제를 활용하여 MGM-Boost의 성과를 검증한 결과 SVM 및 AdaBoost 기법과 비교하여 통계적으로 유의적인 성과개선 효과를 보여주었으며 데이터 불균형 하에서도 벤치마킹 모형과 비교하여 견고한 학습성과를 나타냈다.