• 대한임상검사과학회지
• /
• 제37권2호
• /
• pp.65-70
• /
• 2005

Those specifications of the CLIA analytical tolerance limits are consistent with the performance goals in Six Sigma Quality Management. Six sigma analysis determines performance quality from bias and precision statistics. It also shows if the method meets the criteria for the six sigma performance. Performance standards calculates allowable total error from several different criteria. Six sigma means six standard deviations from the target value or mean value and about 3.4 failures per million opportunities for failure. Sigma Quality Level is an indicator of process centering and process variation total error allowable. Tolerance specification is replaced by a Total Error specification, which is a common form of a quality specification for a laboratory test. The CLIA criteria for acceptable performance in proficiency testing events are given in the form of an allowable total error, TEa. Thus there is a published list of TEa specifications for regulated analytes. In terms of TEa, Six Sigma Quality Management sets a precision goal of TEa/6 and an accuracy goal of 1.5 (TEa/6). This concept is based on the proficiency testing specification of target value +/-3s, TEa from reference intervals, biological variation, and peer group median mean surveys. We have found rules to calculate as a fraction of a reference interval and peer group median mean surveys. We studied to develop total error allowable from peer group survey results and CLIA 88 rules in US on 19 items TP, ALB, T.B, ALP, AST, ALT, CL, LD, K, Na, CRE, BUN, T.C, GLU, GGT, CA, phosphorus, UA, TG tests in chematology were follows. Sigma level versus TEa from peer group median mean CV of each item by group mean were assessed by process performance, fitting within six sigma tolerance limits were TP ($6.1{\delta}$/9.3%), ALB ($6.9{\delta}$/11.3%), T.B ($3.4{\delta}$/25.6%), ALP ($6.8{\delta}$/31.5%), AST ($4.5{\delta}$/16.8%), ALT ($1.6{\delta}$/19.3%), CL ($4.6{\delta}$/8.4%), LD ($11.5{\delta}$/20.07%), K ($2.5{\delta}$/0.39mmol/L), Na ($3.6{\delta}$/6.87mmol/L), CRE ($9.9{\delta}$/21.8%), BUN ($4.3{\delta}$/13.3%), UA ($5.9{\delta}$/11.5%), T.C ($2.2{\delta}$/10.7%), GLU ($4.8{\delta}$/10.2%), GGT ($7.5{\delta}$/27.3%), CA ($5.5{\delta}$/0.87mmol/L), IP ($8.5{\delta}$/13.17%), TG ($9.6{\delta}$/17.7%). Peer group survey median CV in Korean External Assessment greater than CLIA criteria were CL (8.45%/5%), BUN (13.3%/9%), CRE (21.8%/15%), T.B (25.6%/20%), and Na (6.87mmol/L/4mmol/L). Peer group survey median CV less than it were as TP (9.3%/10%), AST (16.8%/20%), ALT (19.3%/20%), K (0.39mmol/L/0.5mmol/L), UA (11.5%/17%), Ca (0.87mg/dL1mg/L), TG (17.7%/25%). TEa in 17 items were same one in 14 items with 82.35%. We found out the truth on increasing sigma level due to increased total error allowable, and were sure that the goal of setting total error allowable would affect the evaluation of sigma metrics in the process, if sustaining the same process.

• 대한원격탐사학회지
• /
• 제34권5호
• /
• pp.811-827
• /
• 2018

본 연구의 목적은 다중시기 원격탐사 자료를 이용한 작물분류에서 기계학습 알고리즘과 딥러닝 알고리즘의 비교에 있다. 이를 위해 전라남도 해남군과 미국 Illinois 주의 작물 재배지를 대상으로 기계학습 알고리즘과 딥러닝 알고리즘에 대해 (1) 하이퍼파라미터와 (2) 훈련자료의 크기에 따른 영향을 비교 분석하였다. 비교 실험에는 기계학습 알고리즘으로 support vector machine(SVM)을 적용하고 딥러닝 알고리즘으로 convolutional neural network(CNN)를 적용하였다. 특히 CNN에서 2차원의 공간정보를 고려하는 2D-CNN과 시간차원을 확장한 구조의 3D-CNN을 적용하였다. 비교 실험 결과, 다양한 하이퍼파라미터를 고려해야 하는 CNN의 경우 SVM과 다르게 두 지역에서 정의된 하이퍼파라미터 값이 유사한 것으로 나타났다. 이러한 결과를 바탕으로 모델 최적화에 많은 시간이 소요되지만 최적화된 CNN 모델을 다른 지역으로 확장할 수 있는 전이학습의 적용 가능성이 높을 것으로 판단된다. 다음 훈련자료 크기에 따른 비교 실험 결과, SVM 보다 CNN에서 훈련자료 크기의 영향이 큰 것으로 나타났는데 특히 다양한 공간특성을 갖는 Illinois 주에서 이러한 경향이 두드러지게 나타났다. 또한 Illinois 주에서 3D-CNN의 분류 성능이 저하되는 것으로 나타났는데, 이는 모델 복잡도가 증가하면서 과적합의 영향이 발생한 것으로 판단된다. 즉 모델의 훈련 정확도는 높지만 다양한 공간특성이나 입력 자료의 잡음 효과 등으로 오히려 분류 성능이 저하된 것으로 나타났다. 이러한 결과는 대상 지역의 공간특성을 고려해 적절한 분류 알고리즘을 선택해야 하는 것을 의미한다. 또한 CNN에서 특히, 3D-CNN에서 일정 수준의 분류 성능을 담보하기 위해 다량의 훈련자료 수집이 필요하다는 것을 의미한다.

• 대한핵의학회지
• /
• 제37권2호
• /
• pp.73-82
• /
• 2003

목적: 게이트 심근 SPECT 영상 데이터에서 좌심실을 분할하고 단위영상 각각의 심실부피를 계산하는 소프트웨어를 개발하였다. 개발한 소프트웨어에서 얻은 구혈률을 상용 소프트웨어QGS (Quantitative Gated SPECT)에서 산출한 값과 비교하여 검증하였다. 대상 및 방법: 게이트 심근 SPECT를 시행하여 구혈률 15%-80%, 확장기말 부피는 49 mL-293 mL, 수축기말 부피는 8 mL-250 mL인 40명의 영상데이터를 사용하여 이 연구에서 개발한 CSA (Cardiac SPECT Analyzer)로 구혈률과 부피를 산출하여 QGS로 얻은 결과와 비교하였다. 같은 영상을 CSA로 두 번 분석하여 구혈률과 부피가 같은 값이 나오는지 보고, 26명의 환자에서 같은 자리에서 두 번 이어서 얻은 게이트 SPECT 영상을 CSA로 분석하여 편차를 조사하였다. 결과: CSA측정과 QGS 측정의 상관성은 상관계수가 구혈률, 확장기말 부피, 수축기말 부피 각각 0.97, 0.92, 0.96이었고 Bland Altman 도표에 치우침 없이 2표준편차가 구혈률의 경우 10.1%이었다. 같은 영상에 대한 CSA 2회 측정 결과의 상관은 0.96, 0.99, 0.99 이었고 구혈률의 2표준편차는 3.4%이었다. 두 번 연속 촬영한 영상으로 CSA 분석한 결과 상관계수는 0.89, 0.97, 0.98, 이었고 변이계수는 8.2%, 5.4mL, 8.5mL, Bland Altman 도표 2표준편차는 구혈률의 경우 10.6%이었다. 결론: 게이트 심근 SPECT에서 얻은 영상으로 구혈률을 측정할 수 있는 소프트웨어를 개발하였다. 이 소프트웨어로 얻은 구혈률, 화장기말 부피, 수축기말 부피는 정확하며 정밀하였다. 구혈률의 2표준편차는 10.6%이었다.

• Asia pacific journal of information systems
• /
• 제19권2호
• /
• pp.157-178
• /
• 2009

Corporate credit rating is a very important factor in the market for corporate debt. Information concerning corporate operations is often disseminated to market participants through the changes in credit ratings that are published by professional rating agencies, such as Standard and Poor's (S&P) and Moody's Investor Service. Since these agencies generally require a large fee for the service, and the periodically provided ratings sometimes do not reflect the default risk of the company at the time, it may be advantageous for bond-market participants to be able to classify credit ratings before the agencies actually publish them. As a result, it is very important for companies (especially, financial companies) to develop a proper model of credit rating. From a technical perspective, the credit rating constitutes a typical, multiclass, classification problem because rating agencies generally have ten or more categories of ratings. For example, S&P's ratings range from AAA for the highest-quality bonds to D for the lowest-quality bonds. The professional rating agencies emphasize the importance of analysts' subjective judgments in the determination of credit ratings. However, in practice, a mathematical model that uses the financial variables of companies plays an important role in determining credit ratings, since it is convenient to apply and cost efficient. These financial variables include the ratios that represent a company's leverage status, liquidity status, and profitability status. Several statistical and artificial intelligence (AI) techniques have been applied as tools for predicting credit ratings. Among them, artificial neural networks are most prevalent in the area of finance because of their broad applicability to many business problems and their preeminent ability to adapt. However, artificial neural networks also have many defects, including the difficulty in determining the values of the control parameters and the number of processing elements in the layer as well as the risk of over-fitting. Of late, because of their robustness and high accuracy, support vector machines (SVMs) have become popular as a solution for problems with generating accurate prediction. An SVM's solution may be globally optimal because SVMs seek to minimize structural risk. On the other hand, artificial neural network models may tend to find locally optimal solutions because they seek to minimize empirical risk. In addition, no parameters need to be tuned in SVMs, barring the upper bound for non-separable cases in linear SVMs. Since SVMs were originally devised for binary classification, however they are not intrinsically geared for multiclass classifications as in credit ratings. Thus, researchers have tried to extend the original SVM to multiclass classification. Hitherto, a variety of techniques to extend standard SVMs to multiclass SVMs (MSVMs) has been proposed in the literature Only a few types of MSVM are, however, tested using prior studies that apply MSVMs to credit ratings studies. In this study, we examined six different techniques of MSVMs: (1) One-Against-One, (2) One-Against-AIL (3) DAGSVM, (4) ECOC, (5) Method of Weston and Watkins, and (6) Method of Crammer and Singer. In addition, we examined the prediction accuracy of some modified version of conventional MSVM techniques. To find the most appropriate technique of MSVMs for corporate bond rating, we applied all the techniques of MSVMs to a real-world case of credit rating in Korea. The best application is in corporate bond rating, which is the most frequently studied area of credit rating for specific debt issues or other financial obligations. For our study the research data were collected from National Information and Credit Evaluation, Inc., a major bond-rating company in Korea. The data set is comprised of the bond-ratings for the year 2002 and various financial variables for 1,295 companies from the manufacturing industry in Korea. We compared the results of these techniques with one another, and with those of traditional methods for credit ratings, such as multiple discriminant analysis (MDA), multinomial logistic regression (MLOGIT), and artificial neural networks (ANNs). As a result, we found that DAGSVM with an ordered list was the best approach for the prediction of bond rating. In addition, we found that the modified version of ECOC approach can yield higher prediction accuracy for the cases showing clear patterns.

• 한국작물학회지
• /
• 제66권1호
• /
• pp.72-79
• /
• 2021

겨울철 제설제 사용이 증가함에 따라 제설제가 사용된 고속도로변의 농작물에 대한 피해사례가 증가하고 있다. 국내 다양한 제설제가 제설목적으로 사용되고 있지만 작물에 미치는 영향에 대한 연구는 제한적이다. 따라서 본 연구는 국내에서 사용되는 6종의 제설제가 유채의 출아에 미치는 영향을 비교하여 작물에 미치는 제설제의 영향을 비교 평가하고자 수행되었다. NaCl, CaCl2 또는 MgCl2으로 구성된 5개의 염화물계 제설제와 1개의 비염화물계 제설제(SM-3)를 유채 파종 직후 6 처리농도(0. 25, 50, 100, 200, 400 mM)로 처리한 후 출아개체수를 조사하였다. 유채의 출아는 제설제 종류에 관계없이 제설제 농도가 증가함에 따라 현저히 감소하였는데 비염화물계 보다 염화물계 제설제 처리구에서 높은 출아억제가 확인되었다. 제설제 농도에 따른 출아율을 log-logistic 모델에 적용하여 비선형회귀 분석을 실시한 결과 50% 출아를 억제하는 농도인 GR50값이 비염화물계인 SM-3는 47.1 mM이고, 염화물계 제설제는 30.7 mM (PC-10)에서 37.5 mM (ES-1)로 비염화물계 제설제와 염화물계 제설제간 9.6 mM ~ 16.4 mM의 차이를 보였으나 염화물계 제설제간 차이는 크지 않음을 확인하였다. 본 연구의 결과는 유채의 출아 특성 평가가 작물에 대한 제설제의 잠재적 피해를 예측할 수 있는 유용한 평가방법임을 시사한다.

• 대한핵의학회지
• /
• 제37권6호
• /
• pp.418-427
• /
• 2003

목적: $^{99m}-lactosylated$ serum albumin ($^{99m}Tc-LSA$)은 간세포에 특이적으로 결합하는 간수용체 영상용 방사성의약품으로 새로이 합성되었다. 간섬유화를 유발하는 dimethylnitrosamine (DMN)을 투여한 간 손상 흰쥐 모델에서 $^{99m}Tc-LSA$의 역동학적인 간섭취를 조사하고 간효소치의 변화와 조직학적 소견을 비교하여, LSA의 간섭취가 간기능의 변화를 반영하는지를 연구하였다. 대상 및 방법: SD계 흰쥐에 DMN를 27 mg/kg으로 복강 내 주사하여 급성 간손상을 유도하고 대조군과 비교하였다. DMN을 주사한 흰쥐를 3일(DMN-3), 8일(DMN-8), 21일(DMN-21)에 $^{99m}Tc-LSA$ (1,665 mg/kg) 29 MBq를 정맥 주사하여, 30분 동안 동적 영상을 획득하고 간과 심장부위에 관심영역을 설정하여 간과 심장부위의 시간방사능 곡선을 얻었다. 간기능 평가를 위해 시간방사능 곡선을 이용하여 간섭취지수와 혈중제거지수를 구하였고 곡선 최적화를 시행하였다. DMN 투여군과 대조군의 간효소치의 변화와 간조직의 광학현미경 소견을 비교하였다. 결과: 대조군에서는 $^{99m}Tc-LSA$가 빠르게 간에 섭취되고 혈중에서 제거되었으나 DMN을 처리한 군에서는 간섭취가 낮았다. 간섭취지수의 비교에서 대조군에 비해 DMN 처리군에서 유의하게 간섭취지수가 낮았다(DMN-3: 0.842, BMN-8: 0.898, DMN-21: 0.91, 대조군: 0.96, p<0.05). 혈중제거지수의 비교에서도 대조군에 비해 DMN 처리군에서 혈중제거지수가 유의하게 높았다(DMN-3: 0.731, DMN-8: 0.654, DMN-21: 0.604, 대조군: 0.473, p<0.05). 비선형 회귀분석에서 $R_2$값은 0.9이상으로 좋은 일치를 보였고, 대조군에서 K값이 DMN처리군에 비해 크고 (DMN-3: 0.28, DMN-8: 0.41, DMN-21: 0.46, 대조군: 0.97, p<0.05), $T_{1/2}$값은 작았다(DMN-3: 2.5, DMN-8: 1.7, DMN-21: 1.5, 대조군: 0.7, p<0.05). 간효소치의 변화는 DMN-3군에서는 대조군에 비해 상승하였으나 DMN-8, DMN-21군에서는 간효소치의 상승이 관찰되지 않았다. 간조직 소견의 경우 DMN-3군에서 중심정맥 주위에 괴사가 관찰되었으나 DMN-8군, DMN-21군에서는 미약한 정도의 염증세포 침윤만이 관찰되었다. 결론: $^{99m}Tc-LSA$ 간신티그래피의 간섭취 정도는 간손상과 반비례하였으며 간섭취의 변화는 조직학적 손상이 심한 정도와 간손상후 회복되는 과정을 반영하여 주었다. $^{99m}Tc-LSA$ 간신티그래피가 간손상을 평가하고 간손상후 회복되는 과정을 추적하는 간수용체 영상용 방사성 의약품으로 사용될 수 있을 것으로 생각된다.