• 대한치과보철학회지
• /
• 제46권1호
• /
• pp.42-52
• /
• 2008

임플랜트가 개발된 이후 임플랜트 안정성을 아기 위한 여러 방법들이 연구되어 왔고 여러 측정 장치들이 고안되어 왔다. 그 중에서도 공명주파수분석법(Resonance Frequency Analysis)을 이용한 방법이 요즘 각광을 받고 있다. 가장 최근에 공명주파수분석법을 이용한 측정 장치의 하나인 $Osstell^{TM}$ 보다 간편한 $Osstell^{TM}$ mentor의 출시로 임상적으로 더 편하게 임플랜트의 안정성을 측정 할 수 있게 되었다. 본 연구는 $Osstell^{TM}$ mentor 의 자기공명막대인 $Smartpeg^{TM}$을 사용할 때 임상에서 측정 가능한 측정횟수가 얼마나 되는지를 확인하고 또한 소독 후에도 측정값이 안정한지를 확인하고자 실험을 하였다. 실험 목적은 5가지로 나누어 알아보고자 하였다: 1. 자기공명막대의 반복측정의 영향: 자기 공명막대와 $Osstell^{TM}$ mentor를 고정시키고 반복적인 측정을 하여 몇 회까지 측정값이 안정한가? 2. 자기공명막대의 탈부착 반복의 영향: 자기공명막대를 탁부착을 반복하면서 몇회까지 측정값이 안정한가? 3. 자기공명막대의 소독방법에 따른 영향: 진료실내의 소독방법 후에도 자기 공명막대 측정값이 안정한가? 4. 자기 공명막대의 반복되는 고압증기멸균 소독 후의 영향: 고압증기 멸균법 10회 반복적인 소독 후에도 측정값이 안정한가? 5. 자기 공명막대의 자성소실온도 확인: 자기공명막대의 자성을 잃는 온도는 몇 도인가? 실험방법은 각 실험별 8개의 자기공명막대를 준비하고 각각의 구별을 위해 컬러펜으로 표식을 했으며 실험전 측정값을 재고, 실험후 측정값을 재어 비교하였다. 자기공명막대 반복측정의 영향을 알아본 실험은 최초의 측정값과 변화가 있는 횟수를 알아보려 했으며 측정값에 변화가 없을 경우 400회까지 측정하여, 1-100회, 101-200회, 201-300회, 301-400회 4군으로 나누어 유의수준을 살펴보았다. 자기공명막대 탈부착 반복의 영향을 알아본 실험은 자기 공명막대 8개를 각각 400회씩 탈부착하여 측정값의 변화를 1-100회, 101-200회, 201-300회, 301-400회 4군으로 나누어 군간 유의수준을 확인하였다. 자기공명막대 소독방법에 따른 영향에 대한 실험은 8개의 자기공명막대를 소독 전 측정값과 소독 후 측정값을 비교확인하였다. 자기 공명막대 반복되는 고압증기멸균 소독 후의 영향에 대한 실험은 8개의 자기공명막대를 10회 반복 소독하면서 소독 전 측정값을 0군, 1-10회까지 소독 후를 10군으로 나누어 군간 유의수준을 확인하였다. 자기공명막대 자성 소실 온도 확인실험은 8개의 자기 공명막대를 $138^{\circ}C$/10분, $150^{\circ}C$/5분, $150^{\circ}C$/10분으로 나누어 자기공명막대가 자성을 잃는 온도가 몇 도인지 실험하였다. 실험결과; 1. 자기공명막대 반복측정의 영향 실험에서는 각 군간 유의성이 없었다(p>0.05). 2. 자기공명막대 탈부착측정의 영향에 대한 실험은 각 군간 유의 확률이 0.123으로 유의성이 없었다(p>0.05). 3. 자기공명막대 소독방법에 따른 영향에 대한 실험은 소독 전 측정값과 소독 후 측정값의 유의성이 없었다(p>0.05). 4. 자기공명막대 반복되는 고압증기멸균소독 후의 영향에 대한 실험은 각 군간 유의성이 없었다.(p>0.05). 5. 자기공명막대 자성 소실온도확인 실험은 $138^{\circ}C$/10분에서는 소독 전, 후간 측정값에 유의성이 없었고(p>0.05), $150^{\circ}C$/5분에서는 2개가 측정 불가였으며, $150^{\circ}C$/10분에서는 8개 모두 ISQ값을 측정할 수가 없었다. 결론으로 말하면, 자기 공명막대가 나사산이 손상되지 않고 자성을 잃지 않으면 측정값이 변하지 않을 것으로 사료된다. 그리고 자기공명막대를 $150^{\circ}C$/10분에서 진공건열멸균 소독 후에 자성을 잃는 것으로 나타난 결과로 추론해 보건데, 진료실에서 가장 높은 온도를 보이는 고압증기멸균 소독이 $132^{\circ}C$/15분 이므로 진료실내의 소독방법들에는 아무런 문제가 없는 것으로 사료된다. 몇 번 사용할 수 있는지의 문제는 400번 측정 시 수치에 변화가 없으므로 측정되지 않을 때까지 사용해도 무방하리라 사료된다.

• 지능정보연구
• /
• 제20권2호
• /
• pp.137-148
• /
• 2014

상품 검색시간의 단축과 쇼핑에 투입되는 노력의 감소 등, 온라인 쇼핑이 주는 장점에 대한 긍정적인 인식이 확산되면서 전자상거래(e-commerce)의 중요성이 부각되는 추세이다. 전자상거래 기업들은 고객확보를 위해 다양한 인터넷 고객관계 관리(eCRM) 활동을 전개하고 있는데, 개인화된 추천 서비스의 제공은 그 중 하나이다. 정확한 추천 시스템의 구축은 전자상거래 기업의 성과를 좌우하는 중요한 요소이기 때문에, 추천 서비스의 정확도를 높이기 위한 다양한 알고리즘들이 연구되어 왔다. 특히 협업필터링(collaborative filtering: CF)은 가장 성공적인 추천기법으로 알려져 있다. 그러나 고객이 상품을 구매한 과거의 전자상거래 기록을 바탕으로 미래의 추천을 하기 때문에 많은 단점들이 존재한다. 신규 고객의 경우 유사한 구매 성향을 가진 고객들을 찾기 어렵고 (Cold-Start problem), 상품 수에 비해 구매기록이 부족할 경우 상관관계를 도출할 데이터가 희박하게 되어(Sparsity) 추천성능이 떨어지게 된다. 취향이 독특한 사용자를 뜻하는 'Gray Sheep'에 의한 추천성능의 저하도 그 중 하나이다. 이러한 문제인식을 토대로, 본 연구에서는 소셜 네트워크 분석기법 (Social Network Analysis: SNA)과 협업필터링을 결합하여 데이터셋의 특이 취향 사용자 (Gray Sheep) 문제를 해소하는 방법을 제시한다. 취향이 독특한 고객들의 구매데이터를 소셜 네트워크 분석지표를 활용하여 전체 데이터에서 분리해낸다. 그리고 분리한 데이터와 나머지 데이터인 두 가지 데이터셋에 대하여 각기 다른 유사도 기법과 트레이닝 셋을 적용한다. 이러한 방법을 사용한 추천성능의 향상을 검증하기 위하여 미국 미네소타 대학 GroupLens 연구팀에 의해 수집된 무비렌즈 데이터(http://movielens.org)를 활용하였다. 검증결과, 일반적인 협업필터링 추천시스템에 비하여 이 기법을 활용한 협업필터링의 추천성능이 향상됨을 확인하였다.