• 대한핵의학회지
• /
• 제31권1호
• /
• pp.73-82
• /
• 1997

N-13 암모니아 PET 동적영상을 이용하여 심근혈류량을 측정할 때, 부분용적효과와 스필오버현상을 보정하는 새로운 방법을 고안하고, 이 방법을 이용하여 측정한 심근혈류량을 2구획모델만을 이용한 종래의 방법과 비교, 분석하여 새로운 방법에 대한 효율성과 정확성을 고찰한다. 9명의 관상동맥 환자에서 20mCi의 N-13 암모니아를 안정상태와 부하상태에서 주사한 후, PET 동적영상을 얻어 심근의 3부분(중격, 전면벽, 측면벽)과 좌심실방에 관심영역을 그려 시간-방사능곡선을 얻었다. 심근의 3부분에 대한 심근혈류량과 스필오버분획을 기하학적 관심영역 모델 개념을 2구획모델에 포함시킨 새로운 방법과 종래의 2구획모델 방법으로 각각 구하였다. 이때 관심영역의 위치에 따른 심근혈류량을 알아보기 위해서 심근 밖에서 좌심실 중심쪽으로 20개의 관심영역을 그리고, 위의 두 방법을 이용하여 심근혈류량을 구하였다. 종래의 N-13 암모니아 2구획모델과 기하학적 모델 개념을 2구획모델에 포함시킨 새로운 방법으로 모델 합치 곡선을 구하였다. 관심영역 위치 변화에 대한 심근혈류량의 값을 종래의 방법과 새로운 방법으로 구하고, 부분용적효과를 정확하게 보정하기 위하여 관심영역을 심내막쪽에 설정하였다. 총 108개의 심근관심영역에서 두 가지 방법을 이용하여 구한 심근혈류량 사이의 회귀곡선 기울기는 1.57, 상관계수는 0.88이었다. 그리고 같은 방법으로 얻어진 스필오버분획들도 선형적 상관관계(r=1.00, 기울기=0.98)가 있었다. 결론적으로 N-13 암모니아 PET 동적영상과 기하학적 모델 개념을 2구획모델에 포함시킨 새로운 방법을 이용하여 구한 심근혈류량은 종래의 방법보다 더 효율적이며 정확하게 정량화되어짐을 알 수 있었으며, 앞으로 임상환경에서 심근혈류량 정량분석연구에 유용할 것이라고 생각한다. 환자 군에 비해 유의하게 낮았다(p<0.01). 결론적으로, 흉통을 호소한 환자에서 심근관류 신티그라피상 정상인 경우에는 심장사건의 발생율이 낮음을 알 수 있었고, 특히 관동맥조영술에 관동맥병변이있는 환자와 없는 환자간에 1차 심장사건의 발생율에 유의한 차이가 없는 것을 고려하면, 심근관류 신티그라피가 정상소견을 보이는 흉통환자는 정상 관동맥조영술 소견을 보이는 환자에 준하여 치료하여도 좋을 것으로 사료되었다.리고 0.19, 0.40, 0.53, 0.61이었다. 실제 속도상수의 비 $k_3/k_4$에 대한 (BG-OCC)/OCC와 $R_A,\;R_v$간의 상관계수는 각각 0.983, 0.984, 0.999이었으며 그때의 기울기는 각각 1.76, 0.47, 1.25이었다. 결 론 : IPT 약역학은 시간이 흐름에 따라 혈류량의 변동에 비해 도파민 운반체량의 변동에 더욱 민감한 경향을 보였으며 $k_3/k_4$에 대한 (BG-OCC)/OCC, $R_A,\;R_v$의 결과간에 좋은 상관관계를 가졌다. 따라서 이러한 약역학 컴퓨터시뮬레이션이 SPECT 영상을 이용한 도파민 운반체 또는 수용체 정량분석을 최적화하는데 매우 유용할 것으로 생각된다.TEX>-CIT SPECT는 파킨슨병의 조기진단 및 진행 추적에 임상적으로 유용할 것으로 판단된다., SCC 4예, AC 1예)였으며, 11예 중 9예(81.8%)에서 방사선학적 검사결과와 Tc-99m MIBI섭취율의 변화가 일치하였다. 결론적으로, Tc-99m MIBI SPECT는 폐암병소의 국소화 및 방사선치료 효과의 판정에 어느정도 유용하리라 사료되었다.냈고 4명에서는 low CBD obstruction을 나타내었으며 후에 CBD stone, CBD carcinoma,

• 지능정보연구
• /
• 제25권2호
• /
• pp.39-55
• /
• 2019

최근 은행과 증권회사를 중심으로 다양한 로보어드바이저 금융상품들이 출시되고 있다. 로보어드바이저는 사람 대신 컴퓨터가 포트폴리오 자산배분에 대한 투자 결정을 실행하기 때문에 다양한 자산배분 알고리즘이 활용되고 있다. 본 연구에서는 대표적 로보어드바이저 알고리즘인 블랙리터만모형의 강점을 살리면서 객관적 투자자 전망을 도출할 수 있는 지능형 전망모형을 제안하고 이를 내재균형수익률과 결합하여 최종 포트폴리오를 도출하는 로보어드바이저 자산배분 알고리즘을 새로이 제안하며, 실제 주가자료를 이용한 실증분석 결과를 통해 전문가의 주관적 전망을 대신할 수 있는 지능형 전망모형의 실무적 적용 가능성을 보여주고자 한다. 그동안 주가 예측에서 우수한 성과를 보여주었던 기계학습 방법 중 SVM 모형을 이용하여 각 자산별 기대수익률에 대한 예측과 예측 확률을 도출하고 이를 각각 기대수익률에 대한 투자자 전망과 전망에 대한 신뢰도 수준의 입력변수로 활용하는 지능형 전망모형을 제안하였다. 시장포트폴리오로부터 도출된 내재균형수익률과 지능형 전망모형의 기대수익률, 확률을 결합하여 최종적인 블랙리터만모형의 최적포트폴리오를 도출하였다. 주가자료는 2008년부터 2018년까지의 132개월 동안의 8개의 KOSPI 200 섹터지수 월별 자료를 분석하였다. 블랙리터만모형으로 도출된 최적포트폴리오의 결과가 기존의 평균분산모형이나 리스크패리티모형 등과 비교하여 우수한 성과를 보여주었다. 구체적으로 2008년부터 2015년까지의 In-Sample 자료에서 최적화된 블랙리터만모형을 2016년부터 2018년까지의 Out-Of-Sample 기간에 적용한 실증분석 결과에서 다른 알고리즘보다 수익과 위험 모두에서 좋은 성과를 기록하였다. 총수익률은 6.4%로 최고 수준이며, 위험지표인 MDD는 20.8%로 최저수준을 기록하였다. 수익과 위험을 동시에 고려하여 투자 성과를 측정하는 샤프비율 역시 0.17로 가장 좋은 결과를 보여주었다. 증권계의 애널리스트 전문가들이 발표하는 투자자 전망자료의 신뢰성이 낮은 상태에서, 본 연구에서 제안된 지능형 전망모형은 현재 빠른 속도로 확장되고 있는 로보어드바이저 관련 금융상품을 개발하고 운용하는 실무적 관점에서 본 연구는 의의가 있다고 판단된다.