• Tuberculosis and Respiratory Diseases
• /
• 제52권2호
• /
• pp.179-185
• /
• 2002

원발성 쇼그렌 증후군 (Primary Sj$\ddot{o}$gren's syndrome) 환자에서 폐에 발생하는 Bronchus-associated lymphoid tissue(BALT) 림프종은 드문 질환이다. 본 환자는 49세 여자 환자로 5년 전부터 안구 건조증 및 구강 건조증이 점차 진행하였으나 그냥 지내던 중 2년 전부터 운동시 호흡곤란 및 전신 무력감이 계속 진행하여 본원에 입원하였다. 흉부청진상 호흡음이 거칠게 들렸으며 양측 폐야 전체에 걸쳐 흡기시 악 설음이 관찰되었다. 형광항핵항체시험 (FANA)이 양성으로 "speckled pattern"을 보였으며 anti-SSA(Ro) Ab 및 anti-SSB(La) Ab는 강양성 소견을 보였다. 단순 흉부 방사선 사진 상 양측 폐에서 미만성의 망상 결절성 음영 증가가 관찰되었으며 고해상도 흉부 컴퓨터 단층촬영상에서 양측 폐에 걸쳐 미만성 분포를 보이는 모자이크 양상의 비균질성 감쇠 (mosaic pattern of inhomogeneous attenuation) 소견이 관찰되었다. 경기관지 폐 조직 생검상 림프구의 침윤이 관찰되었고 개흉 폐 생검술을 이용하여 얻은 폐조직의 병리 소견에서 'low grade marginal zone B cell lymphoma of BALT(bronchus associated lymphoid tissue) type'에 합당한 소견을 얻어 원발성 쇼그렌 증후군 (Primary Sj$\ddot{o}$gren's syndrome) 환자에서 폐에 발생한 Bronchus-associated lymphaid tissue(BALT) 림프종으로 확진되었다.

• 한국과학교육학회지
• /
• 제22권2호
• /
• pp.299-313
• /
• 2002

본 연구에서는 제7차 교육과정의 중등 과학 생물영역 심화학습을 위한 웹 기반 학습 프로그램을 개발하였으며, 중학교 3학년을 대상으로 적용한 결과를 분석하였다. 중학교 전학년 및 고등학교 1학년 생물영역 심화과정의 5개 주제를 선정하여 의문형으로 제시했으며, 각 주제별로 4개의 하위 학습단원 '활동'을 설정. 총 20개의 '활동'을 개발하였다. 먼저 2개의 하위활동은 기본 및 심화과정 학습내용을 설명하고, 3번째 하위활동은 가상실험을, 4번째 하위활동은 평가 및 정리 문제를 제시하는 방향에서 설계하였다. 이외에 풍부한 자료와 보충 설명을 위하여 용어 사전을 4개 하위활동에 삽입하였다. 각 활동은 하이퍼링트시켜 서로 상호 연결되도록 하였으며, 학습자가 직접실험을 설계 수행하고 결과를 확인할 수 있도록 가상실험을 설계하였다. 개발된 웹 기반 학습 프로그램의 효과를 분석하기 위하여, 중학교 3학년 247명의 학생들을 대상으로 프로그램을 적용하고 설문조사를 실시하였다. 그 결과 대부분의 학생들은 가정에서 인터넷을 사용할 수 있는 것으로 나타났으며, 과제학습을 수행하기보다는 e-mail이나 정보 검색을 목적으로 인터넷을 활용하는 것으로 조사되었다. 프로그램을 학습한 67명의 학생들은 프로그램을 학습하지 않은 학생들에 비해 '생식과 발생'단원의 학습성취도에서 유의미하게 높은 점수를 얻었다. 또한, 학생들은 웹 기반 학습 프로그램의 가상실험과 애니메이션 효과를 선호하였으며, 프로그램이 다른 웹 기반 프로그램에 비해 우수하다고 평가하였다. 반면, 웹 기반 학습 프로그램을 학습하지 않은 학생들은 다론 웹 기반학습 프로그램에 관심이 없으며, 과학에도 흥미가 없다고 응답하였다. 최근 학생들이 가정과 학교에서 인터넷을 활용할 수 있는 여건은 조성되었으나, 학생들의 흥미와 학습효과를 신장시킬 수 있는 웹 기반 프로그램의 개발 보급은 미비한 것으로 밝혀졌다. 결론적으로 가상실험, 애니메이션, 다양한 학습자료를 제공할 수 있는 인터넷의 환경을 효율적으로 활용하여, 학생들의 과학에 대한 흥미와 학업 성취도를 높이는 과학분야의 웹 기반 학습프로그램을 개발하는 일이 시급한 것으로 밝혀졌다.

• 암석학회지
• /
• 제26권2호
• /
• pp.127-141
• /
• 2017

거창지역의 쥬라기 화강암에 대하여 결의 특성에 대한 분석을 실시하였다. 박편의 확대사진(${\times}6.7$) 및 간격-누적빈도 도표에서 도출한 미세균열의 간격과 관련된 파라미터를 통하여 여섯 방향의 결에 대한 다기준 평가를 실시하였다. 결에 대한 이들 간격의 파라미터의 대표 값에 대한 분석 결과를 요약하면 다음과 같다. 첫째로, 여섯 도표 사이의 배열순을 지시하는 주요 파라미터의 도출을 위한 분석을 수행하였다. 위의 분석을 위하여 여섯 방향의 결에 대한 5개 파라미터의 값에 대하여 증가 또는 감소하는 순으로 배열하였다. 주요 파라미터(평균 간격-중앙 간격, $S_{mean}-S_{median}$) 및 평균 간격의 값이 감소하는 순은 H1, H2, G1, G2, R1 그리고 R2 방향의 순과 상호 부합한다. 여섯 방향의 결의 이러한 순차적인 배열은 간격과 관련된 여섯 도표의 순차적인 배열에 대한 근거를 제공할 수 있다. 둘째로, 위의 주요 파라미터 그리고 다양한 파라미터 사이의 9개 상관도를 상관계수($R^2$)가 감소하는 순으로 배열하였다. 이들 관련도는 공통적으로 멱법칙함수의 높은 상관성을 보여 준다. 평균 간격, 밀도 및 선 oa의 길이의 값은 주요 파라미터의 값과 정비례하지만, 반면에 상수(a), 지수(${\lambda}$), 간격의 빈도수(N), 선 oa'의 길이, 지수 직선의 기울기(${\theta}$) 및 총 길이($1mm{\geq}$)는 반비례한다. 셋째로, 3개 면에 대한 파라미터의 값 그리고 3개 결에 대한 파라미터의 값 사이의 상관성 분석의 결과는 다음과 같다. 3개 면 및 3개 결에 대한 빈도수, 총 간격, 상수, 지수, 기울기, 선 oa' 길이의 값은 R' < G' < H' 및 H < G < R의 순을 각각 보여 준다. 반면에, 3개 면 및 3개 결에 대한 평균 간격, (평균 간격 - 중앙 간격), 밀도 및 선 oa의 길이의 값은 H' < G' < R' 및 R < G < H의 순을 각각 보여 준다. 3개 결 및 3개 면 사이의 파라미터의 값의 상호 역순의 상관성이 도출될 수 있다. 이러한 유형의 상관성 분석은 3개 채석면의 판별에 유용하다.

• 자원환경지질
• /
• 제37권3호
• /
• pp.355-364
• /
• 2004

국내에 분포하는 화강암 및 화강편마암의 풍화 등급에 따른 정성적ㆍ정량적인 분류법을 고찰하였다. 정성적인 분류는 암석의 외적 관찰과 상대적 강도 측정에 의존하는 주관적인 방법이 사용되었으며, 정량적 분류를 위하여서는 실내 외 실험을 통한 암석의 기본적 물성을 이용한 풍화 지수를 사용하여 암석을 풍화에 따라 분류를 하였다. 풍화 분류 기준은 기존의 여러 문헌에서 얻은 방법 및 본 연구에서 사용한 방법을 추가 혹은 수정하여 제시하였다. 또한, 풍화 등급별로 채취된 암석 시료의 박편 관찰을 통하여 암석 구성 광물의 변화와 미세절리발달을 풍화 등급별로 관찰하였다. 풍화에 약한 광물인 사장석 및 흑운모의 화학적 풍화 정도는 풍화가 진행됨에 따라 점점 발달됨을 살펴볼 수 있었으며, 신선한 암석에서도 사장석 및 흑운모의 풍화가 어느 정도 발달되어 있음을 살펴볼 수 있었다. 서로 다른 풍화 등급의 암석 분말에 대한 XRD분석을 수행하여, 암석 구성 광물의 풍화에 따른 동적변화를 살펴보았다. 즉, 풍화에 약한 광물의 비율이 풍화가 진행됨에 따라 감소되며, 풍화에 강한 광물의 비율은 반면에 증가되는 경향을 보여주고 있다. 풍화의 정량적인 분류를 위해서 여러 암석 물성 값을 이용한 Fookes et al.(1988)이 제안한 $RDI_{sq}$및 본 연구에서 제안한 $I_{a}$(Woo, 2003)를 사용하였다. 그 결과, 연구대상 암석의 신선한 풍화등급 F는 $i_{a}$＞7, 약간풍화 SW는 3.5＜$i_{a}$＜10, 보통풍화 MW는 1.0＜$I_{a}$＜6.0 그리고 심한풍화 HW는 $I_{a}$＜2.5로 분류될 수 있다. 실내ㆍ외 실험을 통한 풍화에 따른 국내 화강암 및 화강편마암의 물리적 혹은 공학적 물성 값을 고려하여 본 풍화 지수들의 범위를 결정하여 간편하고 빠르게 암석의 풍화 등급을 결정할 수 있게 하였다.

• 대한영상의학회지
• /
• 제82권3호
• /
• pp.670-681
• /
• 2021

목적 병리학적 침습성 병소를 기준으로 폐 아고형결절의 고형 부분을 진단하기 위한 최적의 CT 임계값을 알아보고자 하였다. 대상과 방법 병리적으로 최소 침습성 선암이 확진된 25명의 환자에 대해 비조영증강 흉부 CT 영상을 후향적으로 분석하였다. CT 영상에서 고형 부분은 -600부터 -100 Hounsfield units (이하 HU) 단위 사이에서 50 HU 간격의 다양한 임계치보다 높은 감쇠를 나타내는 영역으로 정의되었다. 각 임계치에서 고형부분의 축상 영상 최대 직경과 다면재구성 영상 최대 직경을 각각 측정한 후, 선형 혼합 모델을 이용하여 병리적 침습성 병소 크기와 비교하였다. 결과 -400 HU 단위의 임계값에서 아고형결절의 고형 부분의 크기와 침습성 병소의 크기는 통계학적으로 유의미한 차이를 보이지 않았으며(축상 영상: p = 0.2682, 다면재구성 영상: p = 0.963) 오차가 가장 적었다(축상 영상: 0.388, 다면재구성 영상: -0.0176). 결론 아고형결절의 침습성 병소를 진단하기 위해, -400 HU 단위가 고형 부분을 정의하는 최적의 정량 분석 임계값일 수 있다.

• Korean Journal of Radiology
• /
• 제24권8호
• /
• pp.807-820
• /
• 2023

Objective: To assess whether computed tomography (CT) conversion across different scan parameters and manufacturers using a routable generative adversarial network (RouteGAN) can improve the accuracy and variability in quantifying interstitial lung disease (ILD) using a deep learning-based automated software. Materials and Methods: This study included patients with ILD who underwent thin-section CT. Unmatched CT images obtained using scanners from four manufacturers (vendors A-D), standard- or low-radiation doses, and sharp or medium kernels were classified into groups 1-7 according to acquisition conditions. CT images in groups 2-7 were converted into the target CT style (Group 1: vendor A, standard dose, and sharp kernel) using a RouteGAN. ILD was quantified on original and converted CT images using a deep learning-based software (Aview, Coreline Soft). The accuracy of quantification was analyzed using the dice similarity coefficient (DSC) and pixel-wise overlap accuracy metrics against manual quantification by a radiologist. Five radiologists evaluated quantification accuracy using a 10-point visual scoring system. Results: Three hundred and fifty CT slices from 150 patients (mean age: 67.6 ± 10.7 years; 56 females) were included. The overlap accuracies for quantifying total abnormalities in groups 2-7 improved after CT conversion (original vs. converted: 0.63 vs. 0.68 for DSC, 0.66 vs. 0.70 for pixel-wise recall, and 0.68 vs. 0.73 for pixel-wise precision; P < 0.002 for all). The DSCs of fibrosis score, honeycombing, and reticulation significantly increased after CT conversion (0.32 vs. 0.64, 0.19 vs. 0.47, and 0.23 vs. 0.54, P < 0.002 for all), whereas those of ground-glass opacity, consolidation, and emphysema did not change significantly or decreased slightly. The radiologists' scores were significantly higher (P < 0.001) and less variable on converted CT. Conclusion: CT conversion using a RouteGAN can improve the accuracy and variability of CT images obtained using different scan parameters and manufacturers in deep learning-based quantification of ILD.