• Radiation Oncology Journal
• /
• 제18권4호
• /
• pp.277-282
• /
• 2000

목적 : 방사선간염(radiation hepatitis)의 발생에는 방사선 조사량, 조사체적 등의 요인이 작용하는 것으로 알려져 왔으나 이러한 요인들의 관계를 양적으로 나타내지는 못하였다. 그러나 최근 3차원 입체조형 치료계획체계의 발전으로 간암의 방사선조사시 간의 선량-체적에 대한 분석이 가능하게 되었고 나아가 이를 이용한 수학적 변수인 정상조직손상확률을 계산할 수 있게 되었다. 이에 저자들은 정상조직손상확률값을 연계시켜서 방사선간염의 예측 가능성을 평가하고자 본 연구를 진행하였다. 대상 및 방법 : 1992년 3월부터 1994년 12월 사이에 방사선 치료를 받은 환자중에서 간암 환자 10명, 담도암 환자 10명을 대상으로 하였다. 치료 전 혈청학적 검사에서 간암 환자 2명에서 간경화가 있었고 (각각의 prothrombin time 73$\%$, 68$\%$) 다른 18명의 간기능은 정상이었다. 조사된 방사선량은 1일 1.8$\~$2.0 Gy씩 22회에서 30회를 시행하여 39.6$\~$60.0 Gy (중앙값은 50.4 Gy)였으며, 조사면수는 2$\~$6 ports (중앙값은 4 ports)였다. 이 환자들의 치료 전 전산화단층촬영을 이용하여 간의 선량체적분석 및 Lyman의 공식을 적용하여 정상조직손상확률값을 구하였다. 방사선간염은 alkaline phosphatase의 값이 2배이상 증가 되고 비암성 복수가 동반된 경우로 정의하였으며 환자의 병력 기록을 이용하여 방사선간염 발생여부를 파악하여 정상조직손상확률값과 상관 관계를 분석하였다. 결과 :정상조직손상확률값은 0.001$\~$0.840까지 분포하였고 중앙값은 0.05였다. 방사선간염은 방사선 치료후 약1주에서 5주사이에 20명중 3명에서 발생하였으며, 이들의 정상조직손상확를값은 각각 0.390, 0.528, 0.844 (평균값 0.58$\pm$0.23)이었고, 방사선간염이 생기지 않은 환자의 정상조직손상확률값은 0.00l$\~$0.308 (평균값 0.09$\pm$0.09) 사이에 분포하였다. 정상조직손상확률을 체적인자가 0.32로 계산한 경우에는 비교적 높은 값인 0.39이상에서 방사선 간염이 발생한 것을 알 수 있으나, n 을 0.69로 하여 계산한 경우에는 비교적 낮은 정상조직손상확률(0.03, 0.18)에서도 방사선 간염이 발생하는 것을 보여 체적인자 0.32가 비교적 임상적 결과와 일치하는 값이었다. 결론: 정상조직손상확률값이 일정값 이상의 환자에서 방사선간염이 발생하는 것으로 보아 정상조직손 상확률값으로 방사선간염의 발생을 예측할 수 있을 것이다.

• 생명과학회지
• /
• 제17권12호
• /
• pp.1766-1770
• /
• 2007

본 증례는 개의 유선에서 발생한 골형성성의 악성 혼합 유선 종양으로 샘포의 암종성 변화를 동반하고 있다. 종양은 12년령 암캐의 좌측 5번째 유선에서 절제되었으며 직경 $2{\sim}2.5cm$의 단단한 mass로 절단 시 경도가 높은 골성의 구조를 가지고 있었다. 현미경학적 관찰 시, 골유사 물질이 미네랄 침착되고 있었으며 다수의 골형성 세포와 일부 파골세포가 골생성 종양 기질 전반에 걸쳐서 관찰되었다. 이러한 골유사 병변은 높은 밀집도를 보이는 근상피 세포와 연접하고 있었으며 이러한 세포들은 수 개의 유사분열상을 나타내고 있었다. 이와 더불어, 유선세관과 샘포의 암종성 변화를 보이는 세포들이 인접 기질로 침습하고 있는 모습이 관찰되었고 이것 역시 증가된 근상피 세포들로 둘러싸여 있었다. 본 증례에서 볼 수 있는 이러한 세포들의 출현은 동시 발생된 악성 종양의 형태를 제시할 수 있으며 종양의 기원은 상피 유래의 암종성 조직과 중간엽 유래의 육종성 연골 및 골 조직으로 구별할 수 있겠다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.1-23
• /
• 2018

E-commerce 환경의 발전으로 소비자들은 다양한 상품들을 한 자리에서 폭 넓게 비교할 수 있게 되었다. 하지만 온라인 쇼핑몰에 올라와있는 상당량의 주요 상품 정보들이 이미지 형태이기 때문에 컴퓨터가 인지할 수 있는 텍스트 기반 검색 시스템에 반영될 수 없다는 한계가 존재한다. 이러한 한계점은 일반적으로 기존 기계학습 기술 및 OCR(Optical Character Recognition) 기술을 활용해, 이미지 형태로 된 키워드를 인식함으로써 개선할 수 있다. 그러나 기존 OCR 기술은 이미지 안에 글자가 아닌 그림이 많고 글자 크기가 작으면 낮은 인식률을 보인다는 문제가 있다. 이에 본 연구에서는 기존 기술들의 한계점을 해결하기 위하여, 딥러닝 기반 사물인식 모형 중 하나인 SSD(Single Shot MultiBox Detector)를 개조하여 이미지 형태의 상품 카탈로그 내의 텍스트 인식모형을 설계하였다. 하지만 이를 학습시키기 위한 데이터를 구축하는 데 상당한 시간과 비용이 필요했는데, 이는 지도학습의 방법론을 따르는 SSD 모형은 훈련 데이터마다 직접 정답 라벨링을 해줘야 하기 때문이다. 본 연구는 이러한 문제점을 해결하기 위해 '훈련 데이터 자동 생성 프로그램'을 함께 개발하였다. 훈련 데이터 자동 생성 프로그램을 통해 수작업으로 데이터를 만드는 것에 비하여 시간과 비용을 대폭 절감할 수 있었으며, 생성된 훈련용 데이터를 통해 모형의 인식 성능을 높일 수 있었다. 더 나아가 실험연구를 통해 자동으로 생성된 훈련 데이터의 특징별로 인식기 모형의 성능에 얼마나 큰 영향을 끼치는지 알아보고, 성능 향상에 효과적인 데이터의 특징을 분석하였다. 본 연구를 통해서 개발된 상품 카탈로그 내 텍스트 인식모형과 훈련 데이터 자동 생성 프로그램은 온라인 쇼핑몰 판매자들의 상품 정보 등록 수고를 줄여줄 수 있으며, 구매자들의 상품 검색 시 결과의 정확성을 향상시키는 데 기여할 수 있을 것으로 기대한다.