• 한국의학물리학회지:의학물리
• /
• 제25권3호
• /
• pp.139-142
• /
• 2014

본 연구의 목적은 흡수선량 재구성, 방사선 치료간의 재구성된 선량의 등록, 선량-체적 히스토그램의 생산등을 수행하는 선량 재구성의 임상적 응용시스템을 만들고 그것을 변형된 전립선 팬텀에 적용하는 것이다. 이를 위해 변형가능한 전립선 팬텀을 20 cm 깊이와 40 cm너비의 물팬텀에 집에 넣었다. 이것의 영상을 얻고, 전립선, 정낭 및 항문의 윤곽을 그렸다. 동일 평면에서 네개의 조사문을 이용하여 세기 변조계획을 세웠다.항문에 20 ml의 물풍선을 삽입하여 장기를 변형시켰다. 영상을 다시 획득하여 위 장기의 윤곽을 그렸다. XVMC몬테칼로 코드를 사용하여 두 팬텀및 EPID내에서 선량반응 인자를 계산하였다. 세기변조계획에서 얻어진 방사선을 두팬텀에 조사하여 EPID에서 적분형 영상을 얻었다. Demons 방법을 사용하여 변형된 팬텀을 변형전 팬텀에 등록시켰다. 이를 통해 단위체적별 위치변이 정보를 얻었고 이를 이용해 두 팬텀의 재 구성된 선량을 합하여 변형전 팬텀에 생산해 냈다. 순방향으로 계산된 치료계획 선량을 합산된 재구성된 선량과 비교하였다. 200 cGy에서 전립선과 정낭이 받든 체적은 차이를 거의 보이지 않았으나, 210 cGy 이상에서는 3%가량 차이를 보였다. 항문에서는 150-200 cGy영역에서 재구성된 선량에 의하여 받은 체적은 치료 계획과 비교하여 3% 이상 적었다. 본 연구를 통하여 선량 재구성의 임상적 응용시스템이 성공적으로 만들어 졌다. 변형된 전립선 팬텀에 적용되어 작지 않은 선량의 차이를 목표장기와 보호 장기에 보였다.

• Parasites, Hosts and Diseases
• /
• 제30권2호
• /
• pp.65-74
• /
• 1992

이전고환극구흡충(Echinostomn cinetorchis) 유약충 및 성충의 표피 미세구조를 주사전자현미경으로 관찰하였다. 실험적으로 미라시디움을 감염시킨 또아리물달팽이 (Hippeutis cantari)에서 피낭유충을 얻어 횐쥐에 경구 감염시킨 다음 3일(유약충) 및 16일(성충)에 각각 충체를 회수하였다. 회수한 충체를 2.5% glutaraldehyde 용액에 고정하고 탈수, 댕동 건조 및 순금 표면처리 후 주사전자현미경으로 관찰하였다 감염 3일의 유약충은 충체가 길쭉하며 복측으로 만곡되어 있었고 복흡반이 충체 전방 215 지점에 위치하였다 두관에는 모두 37∼38개의 두극이 중단없이 지그재그형으로 배열되어 있었다. 구흡반 및 복흡반의 구순에는 각각 8개 및 5개의 제 R형 감각유두가 일정한 간격으로 배열되어 있었고, 피극들 사이에 제 해형 감각유두가 드물게 관찰되었다. 복홉반 전방의 피극들은 혀 또는 삽 모양, 후방의 피극들은 송곳 모양이었고, 후방으로 갈수록 밀도가 낮았다. 충체 배면의 피극들은 복면의 것들과 비슷하였으나, 후방 113 지점부터는 피극이 분포하지 않았다. 감염 16일의 성충은 나뭇잎 모양이며, 구흡반과 복홉반이 매우 근접하여 있었다. 두관, 구흡반 및 복흡반 등 피극이 분포하지 않는 곳에는 제 E형 및 제 여형 감각유두가 분포하였고, 피극이 분포하는 표피에는 제 I형 감각유두가 1∼4개씩 군(group)을 형성하고 있었다. 복흡반 전방에는 비늘 모양의 피극들이 밀생해 있었고, 후방으로 갈수록 감소하였다. 배면 전방에는 피극이 드물게 분포 하나 후방에서는 피극이 관찰되지 않았다. 이상의 결과로 볼 때, 이전고환극구흡충은 두극의 수, 배열, 피극의 형태, 분포, 감각유두의 종류, 분포 등에 있어서 다른 극구흡충류와 다른 점이 많으며, 유약충에서 성충으로 발육함에 따라 피극과 원형질 돌기의 분화는 물론 감각유두의 종류, 분 포 등이 달라짐을 알 수 있었다. 항체는 43 kDa, N( 137 항체는 29 kDa에 해당되는 분획에서 항원항체반응을 나타내었다. 이상의 성적을 종합하면 N. fowleri에 대한 7종류의 IgG., IgG3 및 IgA 단세포군 항체를 생산하였다. 그중 Nf 256 항체를 제외한 6 종류는 N. fowleri이 세포막 성분중 28 kDa-43 kDa의 항원과 반응하는 특이한 항체임을 관찰할 수 있었다. 또한 이 단세포를 항체들은 영양형을 응집시키며, 시험관 내에서의 증식을 억제시키고 CHO 세포에 대한 N. fowleri의 세포 독성을 저하시키는 성질을 가지고 있음을 알 수 있었다.들 중에서 최적의 기종점 통행표를 발견하는 것이다. 따라서 교통망에서 통행자의 여행 경로 배정을 가장 잘 반영할 수 있는 현실적인(Realistic) 교통망 통행 배정 모형(Net-work Traffic Assignment Model)의 선택은 중요한 요소가 되며 특히 교통망에 교통체증(Traffic Conges-tion)이 심할 경우 교통망 통행자 평형조건(Network Traffic Equilibrium Condition)을 고려하기 위한 특별한 처리가 요구되어진다. 본 연구는 Whllumsen(Hall, Van Vliet and Willumsen, 1980)에 의하여 개발된 ME2(Maximum Entropy Matrix Estimation)기법에서 반복식 추정방법(Sequential Estimation Method)을 사용할 경우 Wardrop의 평형조건을 만족하는 기종점 통행표를 구할 수 없다는 단점을 극복하기 위한 방안으로서 엔트로피 극대화문제와 교통망 평형 조건(Entropy Maximisation and Network Equilibrium Condition)의 두 문제를 동시에 해결할 수 있는 새로운 수식모형과 이를 풀기 위한 알고리즘(Simultaneous Solution Algorithm)을 제의하였다. 제의된 수식모형과

• 대한교통학회지
• /
• 제20권4호
• /
• pp.83-93
• /
• 2002

조사비용이 비교적 소요되더라도 추정해의 정확도를 높이기 위해 링크교통량과 target OD 외에 추가정보를 확보하여 OD추정을 하는 연구들이 시도되고 있다. 그러나 추가정보를 이용한 기존 OD추정기법은 대부분 추가정보의 특성 또는 장점을 유지하는 목적함수 구성 및 분석을 수행하지 못하여, 확보된 정보를 효율적으로 이용하지 못하는 문제를 가지고 있다. 본 연구의 목적은 관측교통량과 target OD외에 비용효율적인 추가정보를 이용하여 가능해의 범위를 좁힘으로써 추정OD의 정확도를 증진하는 것으로, 이를 위해 표본링크이용비(sample link use proportion)를 추가정보로 이용하였다. 즉 OD통행량과 링크교통량과의 관계를 target OD의 통행배분에서 구하지 않고, 도로변 면접조사에서 확보가능하며 신뢰성 높은 정보인 표본링크이용비를 이용하여 구하였다. 이에 따라 본 연구에서는 경로기반 비균형 통행배분개념 하에서 링크교통량 보존법칙을 고려할 필요가 없는 OD추정 해도출 알고리즘을 제시하였다. 시험네트워크에 대한 사례분석결과, 표본링크이용비는 추가정보의 정확도가 낮은 경우에도 효율적으로 OD 추정력을 향상시킬 수 있었다. 그리고 표본링크이용비를 이용한 OD 추정기법은 target OD 오차나 관측교통량 오차에 크게 영향을 받지 않아, 링크교통량이나 OD 행렬이 변화된 곳에서도 비교적 안정적인 OD 추정이 가능하였다. 또한 표본링크이용비를 추가정보로 이용할 경우에 이용정보간의 정밀도문제가 발생하기 때문에 다른 이용정보의 정밀도 수준을 고려하여 추가정보의 조사수준을 설정하여야 하며, 관측교통량을 기본정보로 하는 추정기법은 링크교통량을 일정수준까지는 관측하여야 추가정보의 자료활용성을 높일 수 있다는 점을 제시하였다. 마지막으로 링크상의 추가정보는 최적조사위치문제를 고려하여야 하며, 특히 정보의 정밀도 측면에서 볼 때 링크교통량의 최적관측위치문제보다 표본링크이용비의 최적조사위치문제가 추정력 향상에 더 중요한 영향을 미칠 수 있는 것으로 파악되었다.

• 지능정보연구
• /
• 제29권3호
• /
• pp.1-17
• /
• 2023

정보통신기술의 발전과 디지털 기기의 대중화로 인해, 온라인 시장의 규모가 커지고 있다. 그 결과 고객들은 상품을 선택하는데 많은 시간과 비용이 소요되는 정보 과부하(Information Overload) 문제에 직면하고 있다. 따라서 고객이 선호할만한 상품을 추천해 주는 추천 시스템은 필수적인 도구가 되었으며 협업 필터링(Collaborative Filtering) 기법은 가장 널리 쓰이는 추천 방법이다. 전통적인 추천 시스템은 평점과 같은 정량적인 데이터만을 사용하기 때문에 추천의 정확도는 높지 않다. 이와 같은 문제를 해결하기 위해 요즘에는 사용자 리뷰와 같은 정성적 데이터를 반영하는 연구가 활발히 진행되고 있다. 협업 필터링의 일반적인 절차는 사용자-상품 행렬 생성, 이웃 집단 탐색, 추천 목록 생성 3단계로 구성되며 코사인 같은 사용자 유사도를 사용하여 목표 고객의 이웃을 탐색하며, 추천 상품 목록을 생성한다. 본 연구에서는 이웃 집단 탐색 및 추천 목록 생성 단계에서 사용하는 사용자 간의 유사도를 기존의 사용자 평점을 이용한 유사도에 고객의 리뷰 데이터를 사용하는 확장된 사용자 유사도를 제시한다. 리뷰를 정량화 하기 위해 본 연구에서는 텍스트 마이닝을 활용한다. 즉, 리뷰 데이터에 TF-IDF, Word2Vec, 그리고 Doc2Vec 기법을 사용하여 두 사용자 간의 리뷰 유사도를 구한 후 사용자 평점을 사용한 유사도와 리뷰 유사도를 결합한 확장된 유사도를 생성하는 것이다. 이를 검증하기 위해 전자상거래 사이트인 Amazon의 'Health and Personal Care'의 사용자 평점과 리뷰 데이터를 사용하였다. 실험 결과, 사용자 간 유사도를 산출할 때 기존의 평점에 기반한 유사도만을 사용하는 것보다, 사용자 리뷰의 유사도를 추가로 반영한 확장된 유사도를 사용하면 추천의 정확도가 높아진다는 것을 확인했다. 또한, 여러 텍스트 마이닝 기법 중에서 TF-IDF 기법을 사용한 확장된 유사도를 이웃 집단 탐색 및 추천 목록 생성단계에서 사용할 때의 성능이 가장 좋게 나타났다.

• 지능정보연구
• /
• 제28권1호
• /
• pp.69-88
• /
• 2022

최근 코로나19 팬데믹으로 인해 전 세계 경제와 외교 상황에 급격한 변화가 일어나고 있으며, 수출 의존도가 높은 한국은 이러한 변화에 큰 영향을 받고 있다. 본 연구에서는 기업의 수출전략 수립 및 의사결정 지원을 위해 차년도 수출액 예측 모델을 구축하고, 모델의 예측 결과를 바탕으로 수출 유망국가 추천 방식을 제안한다. 본 연구에서는 모델이 다양한 정보를 학습할 수 있도록 국가별, 품목별, 거시경제 변수 등 선행 연구에서 중요하게 사용된 변수를 다방면으로 수집하였다. 수집한 데이터를 분석한 결과, 국가와 품목에 따라서 수출액의 분포가 매우 비대칭적인 것을 확인할 수 있었다. 따라서, 모델의 예측 성능을 향상시키고 설명력을 확보하기 위해서 분리학습 방식을 사용하였다. 분리학습은 전체 데이터를 동질적인 하위 그룹으로 분리하고 개별 모델을 구축하는 방식으로, 본 연구에서는 수출액을 기준으로 5개 구간으로 데이터를 분리하였다. 모델 학습 과정에서 구간별 특성을 반영하여 구간1부터 구간4까지는 LightGBM을 사용하고, 구간5는 지수이동평균을 사용하였으며 이를 통해 모델의 예측 성능을 향상시킬 수 있었다. 모델의 설명력 확보를 위해서 추가로 구간별 모델의 SHAP-value를 계산하고 중요도가 높은 변수를 제시했다. 또한, 본 연구에서는 예측 모델을 기반으로 2단계 수출 유망국가 추천 방식을 제안했다. 효율적인 수출 전략 수립을 위해서 BCG 매트릭스와 국가별 점수 산출 방식을 사용하였고, 품목별 유망 국가 순위와 수출 관련 주요 정보들을 제공하였다. 본 연구는 다양한 정보를 학습한 머신러닝 모델로 여러 국가와 품목에 대한 예측을 실시하고, 이 과정에서 분리학습 방식으로 예측 성능을 향상시켰다는 점에서 의의가 있다. 또한, 현재 무역 관련 서비스들이 과거 데이터에 기반한 정보를 제공하고 있음을 고려할 때, 본 연구에서 제안한 예측 모델과 유망국가 추천 방식은 기업들의 미래 수출 전략 수립 및 동향 파악에 유용하게 사용될 수 있을 것으로 기대된다.

• 지능정보연구
• /
• 제19권2호
• /
• pp.1-20
• /
• 2013

소셜 네트워크는 사용자들의 공통된 관심사, 경험, 그리고 일상 생활들을 함께 공유하기 위해 소셜 네트워크 상 사람들을 서로 연결시켜주는 거대한 커뮤니케이션 플랫폼이다. 소셜 네트워크상의 사용자들은 포스팅, 댓글, 인스턴스 메시지, 게임, 소셜 이벤트 외에도 다양한 애플리케이션을 통해 다른 사용자들과 소통하고 개인 정보 관리하는데 많은 시간을 소비한다. 소셜 네트워크 상의 풍부한 사용자 정보는 추천시스템이 추천 성능을 향상시키기 위해 필요한 큰 잠재력이 되었다. 대부분의 사용자들은 어떤 상품을 구매하기 전 가까운 관계이거나 같은 성향을 가진 사람들의 의견을 반영하여 의사 결정을 하게 된다. 그러므로 소셜 네트워크에서의 사용자 관계는 추천시스템을 위한 사용자 선호도 예측을 효율적으로 높이는데 중요한 요소라 할 수 있다. 일부 연구자들은 소셜 네트워크에서의 사용자와 다른 사용자들 사이의 상호작용 즉, 소셜 관계(social relationship)와 같은 소셜 데이터가 추천시스템에서 추천의 질에 어떠한 영향을 미치는가를 연구하고 있다. 추천시스템은 아마존, 이베이, Last.fm과 같은 큰 규모의 전자상거래 사이트 또한 채택하여 사용되는 시스템으로, 추천시스템을 위한 방법으로는 협업적 여과 방법과 내용 기반 여과 방법이 있다. 협업적 여과 방법은 사용자들의 선호도 학습에 의해 사용자가 아직 평가하지 않은 아이템 중 선호할 수 있는 아이템을 정확하게 제안하기 위한 추천시스템 방법 중 하나이다. 협업적 여과는 사용자들의 데이터에 초점을 맞춘 방법으로 유사한 배경과 선호도를 가지는 사용자들로부터 정보를 수집하여 사용자들의 선호도 예측을 자동으로 발생시킨다. 특히 협업적 여과는 근접한 이웃 사용자들에 의해서 목적 사용자가 선호할 수 있는 아이템을 제시하는 것으로 유사한 이웃 사용자를 찾는 것이 중요하다. 좋은 이웃 사용자 발견은 사용자와 아이템을 고려하는 방법이 일반적이다. 각 사용자는 아이템 즉, 영화, 상품, 책 등에 자신의 선호도를 나타내기 위하여 평가 값을 입력하고, 시스템은 이를 바탕으로 사용자-평가 행렬을 구축한다. 이 사용자-평가 행렬은 목적 사용자와 유사하게 아이템을 평가한 사용자 그룹을 찾기 위한 것으로, 목적 사용자가 아직 평가하지 않은 아이템에 대하여 사용자-평가 매트릭스를 통해 그 평가 값을 예측한다. 현재 이 협업적 여과 방법은 전자상거래와 정보 검색에서 적용되어 개인화 시스템에 효율적으로 사용되고 있다. 하지만 초기 사용자 문제, 데이터 희박성 문제와 확장성 그리고 예측 정확도 향상 등 해결해야 할 과제가 여전히 남아 있다. 이러한 문제들을 해소하기 위해 많은 연구자들은 하이브리드, 신뢰기반, 소셜 네트워크 기반 협업적 여과와 같은 다양한 방법을 제안하였다. 본 논문에서는 전통적인 협업적 여과 방식의 예측 정확도와 추천 성능을 향상시키기 위해 소셜 네트워크에 존재하는 소셜 관계를 이용한 협업적 여과 시스템을 제안한다. 소셜 관계는 소셜 네트워크 서비스 중 하나인 페이스북 사용자들이 남긴 포스팅과 사용자의 소셜 네트워크 친구와 의견 교류 중 남긴 코멘트와 같은 사용자 행동을 기반으로 정의된다. 소셜 관계를 구축하기 위해 소셜 네트워크 사용자의 포스팅과 댓글을 추출하고, 추출된 텍스트에 불용어 및 특수 기호 제거와 스테밍 등 전처리를 수행하였다. 특징 벡터는 TF-IDF를 이용하여 전처리된 텍스트에 나타난 각 단어에 대한 특징 점수를 계산함으로써 구축된다. 본 논문에서 이웃 사용자를 결정하기 위해 사용되는 사용자 간 유사도는 특징 벡터를 이용한 사용자 행동 유사도와 사용자의 영화 평가를 기반으로 한 전통적 방법의 유사도를 결합하여 계산된다. 제안하는 시스템은 목표 사용자와 제안한 방법을 통해 결정된 이웃 사용자 집단을 기반으로 목표 사용자가 평가하지 않은 아이템에 대한 선호도를 예측하고 Top-N 아이템을 선별하여 사용자에게 아이템을 추천하게 된다. 본 논문에서 제안하는 방법을 확인하고 평가하기 위하여 IMDB에서 제공하는 영화 정보 기반으로 영화 평가 시스템을 구축하였다. 예측 정확도를 평가하기 위해 MAE 값을 이용하여 제안하는 알고리즘이 얼마나 정확한 추천을 수행하는지에 대한 예측 정확도를 측정하였다. 그리고 정확도, 재현율 및 F1값 등을 활용하여 시스템의 성능을 평가하였으며, 시스템의 추천 품질은 커버리지를 이용하여 평가되었다. 실험 결과로부터 본 논문에서 제안한 시스템이 보다 더 정확하고 좋은 성능으로 사용자에게 아이템을 추천하는 것을 볼 수 있었다. 특히 소셜 네트워크에서 사용자 행동을 기반으로 한 소셜 관계를 이용함으로써 추천 정확도를 6% 향상시킴을 보였다. 또한 벤치마크 알고리즘과의 성능비교 실험을 통해 7% 향상된 추천 성능의 결과를 보여준다. 그러므로 사용자의 행동으로부터 관찰된 소셜 관계를 CF방법과 결합한 제안한 방법이 정확한 추천시스템을 위해 유용하며, 추천시스템의 성능과 품질을 향상시킬 수 있음을 알 수 있다.