• Journal of Chest Surgery
• /
• 제31권2호
• /
• pp.134-141
• /
• 1998

최근 원발성 폐암의 유병률이 점점 증가하고 있으며, 비소세포폐암의 완치 목적의 치료로 외과적 폐절제술이 가장 좋은 방법으로 알려져있다. 저자들은 1992년 1월부터 1995년 7월까지 경북대학교병원 흉부외과에서 원발성 비소세포폐암으로 폐 절제술을 받은 환자중 100례의 임상기록을 분석하여 다음과 같은 결과를 얻었다. 남자가 86례, 여자가 14례로 남녀비는 6 : 1이었고, 60대가 43%로 환자의 대부분을 차지하였고 최소 34세 및 최고 81세였다. 수술수기는 단엽절제술 55례(55%), 전폐절제술 22(22%), 쌍엽절제술 15례(15%), 구역절제술 2례(2%) 및 기관지성형술이 필요했던 수상엽절제술, 수상전폐절제술 및 쐐기전폐절제술이 각각 4례, 1례 및 1례였다. 수술후 조직학적 분류는 편평상피세포암 67례(67%), 선암 26례(26%), 거대세포암 6례(6%) 및 선평편상피세포암 1례(1%)였다. 종격림프절로 전이가 있었던 예는 총 18례(18%)였으며, 편평상피세포암이 8/67(11.9%)례, 선암이 9/26(34.6%)례, 거대세포암이 1/6(16.7%)례였다. 술후 병리학적 병기는 1병기 45례(45%), 2병기 13례(13%), 3a병기 36례(36%), 3b병기 5례(5%) 및 4병기 1례(1%)였다. 전체 환자에서의 12개월, 24개월, 36개월 및 43개월의 생명표법에의한 생존률은 각각 77.5%, 56.1%, 43.7% 및 43.7%였으며, 병기별 43개월의 생존률은 1병기에서 81.3%, 2병기에서 20.8%, 3a병기에서 27.9%, 3b병기에서 25.0%였다. 수술후 병원사망은 패혈증 2례, 호흡부전 1례 및 급성 심경색에 의한 급사가 1례로 총 4례(4%)였다. 원발성폐암의 절제술후 생존률을 향상시키기 위해서는 조기 발견 및 수술적응 환자의 적극적인 수술이 필요한 것으로 판단되었다.Hg로 감소하였고 폐동맥압의 평균은 수술전에 11.4$\pm$5.68 mmHg에서 25.94$\pm$11.53, 29.67$\pm$9.31 mmHg로 증가 하였으나 모두 통계적 의의는 없었다(p>0.05). 양측 폐이식수술에서인 폐동정맥문합부위의 파열, 협착, 뒤틀림 등의 수술수기상의 문제점을 예방하면서 우측폐를 먼저 이식하면서, 폐수술시야를 충분히 확보하고, 재관류손상을 방지하는 경우 cystic fibrosis, pulmonary hypertention, emphysema와 같은 심한 호흡부전증 환자의 치료방법으로 적합하리라 사료된다.에서 선택수술 (elective coronary artery bypass graft)에 비하여 특별한 위험 요소의 증가 관상 동맥 우회술을 적용하여 좋은 결과를 얻을 수 있었으며 이들에 대한 장기 추적이 릴요할 된다.착군에 비하여 의미있게 작았는데 이는 아마도수술 당시 협 착 부위의 완전제거가 이루어지지 않은 것이 원인이라고 사료되었다. 본 분석에서는 어린 연령(3개월 이하), 3개월이하에 시행한 쇄골하동맥편 교약성형술이 의미있는 재협착의 위험요소로 밝혀졌다. 결론 적으로 저자등은 본연구를 통하여 대동맥협부지수, 횡대동맥 지수 등이 개개 대동맥교약 환아의 해부학 적, 임상적 특징을 파악하는데 도움이 되는 도구라는 사실을 발견하였고 아울러 교약의 해부학적 특성, 동반 심기 형, 연령, 수술방법 등이 수술사망 및 재협착에 영향한다는 사실을 입증하였다.t was resulted from increase of weight of single cocoon. "Manta"2.5ppm produced 22.2kg of cocoon. It is equal to 9% increase in index, as compared to that of control. In case

• 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.