http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
표재성 종괴로 나타난 척골신경의 슈반세포종: 수술적 치험 2예
김상림 ( Sang Lim Kim ),장용현 ( Yong Hyun Jang ),이원주 ( Weon Ju Lee ),김도원 ( Do Won Kim ),김경태 ( Kyoung-tae Kim ),이석종 ( Seok-jong Lee ) 대한피부과학회 2015 대한피부과학회지 Vol.53 No.4
24세 남자 환자(증례 1)가 약 5년 전 좌측 위팔 내측 부위에 발생한 피하결절을 주소로 내원하였다. 상기 병변은 인접 조직에 약간 고정된 느낌이었으며 주위로 방사하는 압통을 동반하였다. 진단을 위해 시행한 초음파 및 자기공명영상 검사 결과 근막 하부에 척골 신경에서 연결된 직경1.4 cm 크기의 연부조직종양이 관찰되었다(Fig. 1). 39세 여자 환자(증례 2)가 수개월 전 발생한 좌측 위팔 내측 부위의 압통을 동반하며 주위 조직에 고정된 느낌의 피하결절을 주소로 내원하였다. 초음파 및 자기공명영상 검사 결과 근막하부에 척골신경에서 연결된 직경 1.6 cm 크기의 연부조직종양이 관찰되었다. 두 환자 모두 근전도와 신경전도검사를 시행하여 척골신경에서 유래한 슈반세포종으로 추정 하였으며, 이들을 통하여 술 전 신경학적 이상이 없음을 확인하였다. 절제 동안 신경학적 모니터링이 필요하다고 판단되어 본원 신경외과로 전과되어 근전도와 운동유발전위를 관찰하면서 종양 절제술을 시행하였으며, 벙리조직검사 결과 두 증례 모두 전형적인 슈반세포종의 조직소견을 보였다. 환자는 수술 후 각각 20개월과 5개월까지 신경학적 손상이나 종양의 재발 없이 경과 관찰 중이다. 슈반세포종은 슈반세포에서 유래하여 신경 축색을 둘러싸는 양성의 피막형성 종양으로, 치료로는 종양의 단순 절제수술이 대표적이며 대부분 별다른 합병증 없이 시행된다1. 그러나 중요한 신경에서 발생하는 슈반세포종이 매우 표재성으로 위치하는 경우 단순한 진피 또는 피하 종괴로 오인되어 일반적인 피부외과적 절제 수술을 시행하게 되면 자칫 치명적인 문제가 발생할 가능성이 있어 이에 대한 경각심이 요구된다. 피내 또는 피하에 종양이 발생하여 점차 커지고 신체검사에서 Tinel’s sign 등을 보일 경우신경계 유래 종양 등이 의심될 수 있다. 이 때는 신경전도검사와 근전도 외에도 초음파 검사 등의 영상의학적 검사를 시행하여 종양의 유래와 해부학적 위치를 파악하는 것이 필요하다. 추가적으로 자기공명영상 검사를 통하여 인접구조물과의 관계를 파악할 수 있으며, 진단이 확실하지 않은 경주의해야 한다. 보고된 바에 따르면 절제 후 피부 감각 소실(25%), 운동 기능 손상(13%), 혈종 발생으로 인한 수술직후 광범위 신경 마비 및 통증, 혈관의 손상, 심한 신경병성 통증(10%), 슈반세포종의 재발 등의 다양한 합병증이 발생하였다5. 더욱이 본 증례와 같이 피부에 얕게 위치하는 신경(Fig. 2)에서 슈반세포종이 발생하여 피부 종괴로 촉지되는 경우 일반적인 피부 또는 연부종양으로 오인될수 있다. 이 때 신경검사 등의 추가적인 검사 없이 일반적인 피부 양성종양에 준하여 절제한다면 이와 같은 합병증 발생의 위험은 더욱 증가할 것으로 생각된다.
ANN 모델링 및 CNN 기반 예측모델을 이용한 탄소섬유강화 단방향 복합재료의 가로방향 기계적 거동 예측 성능 비교
김도원(Do-Won Kim),임재혁(Jae Hyuk Lim) 대한기계학회 2021 대한기계학회 춘추학술대회 Vol.2021 No.4
본 연구에서는 단 방향 (UD) 합성물 (E-glass / MY750)의 가로 탄성 계수를 예측하기 위하여 섬유 위치 및 체적비를 사용한 인공 신경망 (ANN) 모델링 및 이미지 처리 기법을 사용한 합성곱 신경망 (CNN) 모델링의 접근 방식을 제안하고 성능을 비교하였다. 이 예측을 위해 RSE 알고리즘<sup>(1,2)</sup>에 의해 40 %, 50 % 및 60 %의 각 섬유 체적비에 대해 300 개의 RVE 샘플이 생성되었으며, 전산 균질화 기법에 의해 E2, G12 및 G23의 세 가지 가로 탄성 계수를 얻었다. 첫번째로, ANN 모델링의 경우 입력 데이터 (섬유 체적비 및 위치) 및 전산 균질화 기법 (CHS)에 의해 계산된 출력 데이터 (등가 탄성 계수)로 구성된 훈련 데이터 세트를 사용하여 역 전파 알고리즘에 의해 적절한 가중치와 편향을 갖도록 ANN 모델을 훈련하였다. 두 번째로, 각 섬유 체적비에 대해 300 개의 RVE를 사용하여 미세 구조 이미지를 기반으로 등가 탄성 계수를 예측하는 CNN 모델링 방법을 개발하였다. 제안된 ANN 및 CNN 모델의 성능을 비교하기 위해 CHS에서 가로 탄성 계수를 알고 있는 다양한 테스트 데이터 세트의 가로 탄성 계수 예측을 수행하였다. 예측 정확도는 평균 제곱 오차 (MSE), 상관 계수 (R) 및 상대 오차 측면에서 검증하였다. 예측 결과는 테스트 데이터 세트와 우수한 일치를 보였으며 임의의 미세 구조를 갖는 가로 탄성 계수를 신속하게 예측하였다. 이를 통해 제안된 ANN 모델은 CNN 모델에 비해 상당히 단순하고 강력하고 복합 재료의 미세 구조와 기계적 물성 간의 상관 관계를 효율적으로 제공할 수 있음을 확인했습니다. To predict the transverse elastic modulus of unidirectional (UD) composites (E-glass / MY750) in this study, we proposed an approach of artificial neural network (ANN) modeling using fiber position and volume ratio, and compare its performance with conventional convolutional neural network (CNN) modeling using image processing technique. For this prediction, 300 RVE samples for each volume ratio of 40%, 50%, and 60% were generated by the random sequential expansion (RSE) algorithm<sup>(1,2)</sup>, and they were analyzed by computational homogenization scheme (CHS) to evaluate the three transverse elastic moduli: E2, G12, and G23. First, a training dataset consisting of input data (the fiber volume ratio and locations) and output data (the effective elastic modulus) was used to develop the ANN model to have proper weight and bias by the backpropagation algorithm. Second, a CNN modeling method that predicts the equivalent elastic modulus based on microstructure images using 300 RVEs for each fiber volume ratio was developed. To compare the performance of the proposed ANN and CNN model, prediction of the transverse elastic modulus of various test datasets whose transverse elastic moduli are known by CHS was conducted. The prediction accuracy was verified in terms of the mean squared error (MSE), correlation coefficient (R), and relative error. The prediction results showed excellent agreement with the test dataset and quickly predicted the transverse elastic modulus having random microstructures. Through this, it was confirmed that the proposed ANN model can efficiently provide an reliable correlation between the microstructure and the effective mechanical properties of composite materials with complex structures not to mention that it is quite simple and powerful compared to the CNN model.
IoT 환경에서 활용되는 TLS의 키 생성 과정 및 암호화 라이브러리 연구
김도원 ( Do-won Kim ),최은영,박해룡 ( Hae-ryong Park ),이주현 ( Juhyun Lee ),홍득조 ( Deukjo Hong ) 한국정보처리학회 2019 한국정보처리학회 학술대회논문집 Vol.26 No.2
암호 기술은 보안에 있어 필수적인 요소이며, 암호 키는 암호기술의 안전성에 있어 가장 핵심적인 요소이다. 시스템의 보안을 위해서는, 암호 키를 안전하게 생성하고 관리하는 것이 중요하다. 생체정보 같은 민감한 데이터를 주고받는 다양한 경량 디바이스나 센서들로 구성된 IoT 환경에서도, 암호 키는 중요한 보안 요소이다. IoT 기술이 발전하면서, 일반 PC나 스마트폰이 아닌 경량 디바이스에서도 일반적인 인터넷 환경에서 활용되는 통신프로토콜 및 보안기술들이 활용된다. 특히, 가장 많이 이용되는 TLS 프로토콜은 IoT 환경에서도 활발히 이용되고 있다. 본 논문에서는 보안프로토콜 TLS의 키 생성 과정을 분석하고 IoT 환경에서 자주 활용되는 라이브러리를 조사하였다.