http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 김흥노 (검색결과 4 건)
- 무료
- 기관 내 무료
- 유료
-
Bacillus Calmette-Guerin (BCG) 투여가 Ehrlich 종양세포를 이식한 생쥐 샘창자 상피세포의 DNA합성에 미치는 영향
고정식,김흥노,박경호,박대균,김덕수,Ko, Jeong-Sik,Kim, Heung-No,Park, Kyung-Ho,Park, Dae-Kyoon,Kim, Duk-Soo 한국현미경학회 2010 Applied microscopy Vol.40 No.4
이 실험은 Ehrlich 종양세포를 샅부위에 이식한 후 고농도의 BCG(Bacillus Calmette-Guerin)를 피부밑조직에 반복 투여하였을 때, 샘창자점막의 형태학적 변화와 함께 DNA합성지수를 비교 연구하고자 3H-thymidine을 투여한 후 자기방사법적 연구를 시행하였다. 실험동물로는 체중 25 g 내외의 ICR 흰생쥐를 사용하였으며 정상대조군을 제외한 종양대조군과 BCG투여군의 동물에는 샅부위 피부밑조직에 각각 $1{\times}10^7$의 Ehrlich 종양세포를 이식하였다. BCG투여군은 종양세포이식 다음날부터 농축 건조된 BCG를 생리식염수에 용해시킨 다음, 일정량을 하루건너 한 번씩 7회 피부밑조직에 주사하였다. 종양대조군은 종양세포이식 후에 생리식염수를 하루건너 한 번씩 7회 피부밑조직에 주사하였고, 정상대조군은 종양세포를 이식하지 않은 동물을 사용하였으며 각 군에는 5마리씩의 동물을 배정하였다. 자기방사법적 관찰을 위하여는 약제를 마지막으로 주사한 다음날 3H-thymidine $0.7{\mu}Ci$/gm를 꼬리에 한차례 정맥주사하고, 70분 후 도살하여 샘창자조직을 떼어내어 10% 포르마린으로 고정하였다. 관찰은 샘창자조직이 세로로 잘 절단된 창자움 부위를 택하여 점막근육판을 따라 점막길이 3.5mm의 창자샘상피에 분포하는 3H-thymidine 표지세포의 수를 계수하였으며, 일반조직 관찰을 위해서는 hematoxylineosin (H-E)염색을 시행하였다. 일반조직관찰에서 종양대조군과 BCG투여군은 정상대조군에 비해 샘창자 점막 고유판에 림프구와 호산성백혈구가 다수 관찰된 것 이외에는 형태적으로 큰 변화를 볼 수 없었다. 자기방사법적 연구에서 정상대조군, 종양대조군 및 BCG투여군은 점막길이 3.5 mm 당 출현하는 표지세포수가 각각 632.3 (${\pm}14.47$), 761.7 (${\pm}27.65$) 및 505.0 (${\pm}17.09$)개였다. 이상의 결과를 종합해보면 Ehrlich 종양세포를 이식한 생쥐에 BCG를 반복 투여하면 샘창자 점막상피세포의 DNA합성을 유의하게 억제하면서도 형태적인 변화가 경미하였으므로 BCG는 항암치료시 항암효과를 높일 수 있는 좋은 약제라고 생각된다. This experiment was performed to evaluate the morphological responses of the duodenal epithelial cells of the mouse, inoculated with Ehrlich carcinoma cells in the inguinal area, following administration of Bacillus Calmette-Guerin (BCG). In the experimental groups, each mouse was inoculated with $1{\times}10^7$ Ehrlich carcinoma cells subcutaneously in the inguinal area. From next day after inoculations, 0.2 mL of saline or BCG (0.5 mL/25 g B.W.: $0.03{\times}10^8\sim0.32{\times}10^8$ CFU) were injected subcutaneously to the animals every other day, respectively. The day following the 7th injection of saline or BCG, each mouse was injected with a single dose of $0.7{\mu}Ci$/g of methyl-$^3H$-thymidine (25 Ci/mmol, Amersham Lab, England) through tail vein. Seventy minutes after the thymidine injection, animals were sacrificed, and duodenal tissues were taken and fixed in 10% neutral formalin. Deparaffinized sections were coated with autoradiographic emulsion EM-1 (Amersham Lab, England) in a dark room and dried and were placed in a light-tight box. The number of labeled epithelial cells in the duodenal mucosae (mean number of labeled epithelial cells per 3.5 mm length of mucosa) were observed and calculated. On the light microscopic study, duodenal mucosae had no severe morphological changes following the injection of BCG. In the tumor control and BCG treated groups, a number of small lymphocytes and eosinophile leucocytes are slightly increased as compared with those of the normal control ones. On the autoradiographic study, number of the labeled cells of normal control, tumor control and BCG-treated mice were 632.3 (${\pm}14.47$), 761.7 (${\pm}27.65$) and 505.0 (${\pm}17.09$) respectively. From the above results, BCG may suppress the DNA synthesis of the duodenal epithelial cells, but does not results severe structural defect on the duodenal mucosae. And it is suggested that BCG may greatly improve the anticancer therapy on certain kind of cancer.
-
-
-
개인 정보보호를 위해 연합학습을 사용한 모바일 악성앱 탐지 기법
김형겸, 이수철 한국교통대학교 2020 한국교통대학교 논문집 Vol.55 No.-
스마트폰의 급격한 보급으로 수많은 안드로이드 기반 응용 애플리케이션이 개발됨에 따라 이들 응용에 감염되어 스 마트폰 사용자의 정보나 재화를 탈취하는 등 악의적인 기능을 수행하는 악성 애플리케이션 또한 많이 발견되었다. 악성 애플리케이션에 대응하기 위해서는 우선 이를 탐지하여야 하고, 탐지된 애플리케이션 별로 맞춤형 방어 전략을 구사해야 한다. 최근, 인공지능 기술의 괄목한 만한 성장으로 인해 딥러닝 기법을 활용하여 악성 애플리케이션을 탐지하기 위한 기법들이 제안되었다. 기존의 연구는 악성 애플리케이션 탐지/분류 모델을 학습하기 위하여 중앙 집중식으로 클라우드(cloud)에 수집된 데이터를 활용한다. 클라우드의 중앙 집중식 모델학습을 위해 서비스 이용자의 스마트기기에서 다운로드 받은 APK파일을 클라우드서버로 전송해야 한다. 이는 사용자가 주로 사용하는 애플리케이션 정보 등의 민감한 개인정보가 무분별하게 수집될 가능성을 야기하며, 이러한 사용자의 중앙 집중식 학습참여도를 감소시킬 수 있다. 본고에서는 개인정보를 보호하며 악성 애플리케이션을 효과적으로 탐지하기 위해 탈 중앙집중식 학습기법인 연합학습(federated learning)을 활용한 악성 애플리케이션 탐지/분류 모델을 제안한다. 이미지화 된 APK파일들을 활용하여 각 사용자의 스마트기기에서 탈 중앙집중식으로 CNN(Convolutional Neural Network)모델을 통해 학습을 진행하고 학습된 모델의 weight들을 클라우드로 전송한다. 제안한 기법에서 서비스 제공자는 각 사용자가 어떤 애플리케이션을 설치했는지 알 수 없기 때문에 개인정보 보호가 가능하며, 연합학습을 사용하지 않은 중앙집중 식으로 학습한 악성애플리케이션 분류 모델과 동등이상의 성능을 보인다.
ScienceON
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
