http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
임신 제 2삼분기에 지속되는 오심과 구토로 내시경 검사 후 진단된 진행성 위암
신수일 ( Su Il Shin ),이성의 ( Seong Eui Lee ),문수현 ( Soo Hyeon Moon ),정혜인 ( Hye In Chong ),김정태 ( Jeong Tae Kim ),장성규 ( Sung Kyoo Jang ),이동형 ( Dong Hyung Lee ),최욱환 ( Ook Hwan Choi ) 대한주산의학회 2007 Perinatology Vol.18 No.4
Gastric cancer is rarely associated with pregnancy and its incidence is reported to be 0.1%. The dilemma in the treatment of this rare occasion is that it is usually diagnosed at an advanced stage. The most common reason for delayed diagnosis is that early symptoms of gastric cancer, such as nausea, vomiting and epigastric discomfort, are nonspecific and usually misinterpreted as those related to pregnancy. Clinicians` reluctance to request diagnostic studies is another reason for delayed diagnosis. So these make the prognosis much worse. We must consider the rare possibility of gastric cancer in case of persistent nausea and vomiting. We report a case of advanced gastric cancer diagnosed by gastroscopic examination performed in the second trimester because of persistent nausea and vomiting.
베이시안 모델링 물체 검출에 관한 초당 프레임 처리량 유지 기법
신수광 ( Su-kwang Shin ),윤희용 ( Hee-yong Youn ) 한국정보처리학회 2008 한국정보처리학회 학술대회논문집 Vol.15 No.2
사생활 보호에 대한 인식이 커지고, 인터넷 시대에 접어들면서 네트워크 기반의 보안시스템의 개발이 활발하다. 실시간 비디오 카메라를 통한 움직이는 물체를 검출하기 위해서는 불필요한 잡음이나 조명의 변화에 대처해야 한다. 이러한 많은 요소들을 고려하여 움직이는 물체를 검출하려면 많은 계산 복잡도를 가지게 된다. 또한, 카메라의 영상크기가 증가함에 따라 움직이는 물체를 검출하기 위해서 더 많은 계산 복잡도를 가지게 된다. 본 논문에서는 기존의 통상적인 움직임 검출방법 과 적응적 배경방식인 ‘물체 검출을 위한 동적인 장면의 베이시안 모델링 기반 물체 검출 방법’을 분석하고, 실시간으로 처리되는 동적 비디오 영상에서 이동 물체를 검출하는 과정에서의 영상의 크기가 커지고, 이동하는 물체의 개수가 많아짐에 따라 발생되는 계산의 복잡도를 ‘CPU 성능과 영상 resize 를 이용한 계산 복잡도 감소 방법’을 통해 초당 프레임 처리속도를 유지시키는 방법을 제시한다.
머신러닝을 사용한 기상 상태 기반 교통사고 위험도 예측 시스템
신수연(Su-Yeon Shin),손수민(Su-Min Sohn),김동국(Dong-Guk Kim),이기환(Ki-Hwan Lee),오병우(Byoung-Woo Oh) 한국정보기술학회 2021 Proceedings of KIIT Conference Vol.2021 No.6
본 논문은 기상 상태에 따른 교통사고 위험도를 예측하는 시스템을 제안한다. 도로교통공단의 교통사고 분석 시스템에 따르면, 기상 상태에 따른 교통사고 건수의 확연한 차이를 확인할 수 있다. 시스템에서 사용하는 예측 모델의 학습 정보로 교통사고 정보, 기상 정보를 활용한다. 모델에 데이터를 학습하여 실시간 기상 정보와 도로명 정보를 입력했을 때, 교통사고 위험도를 예측하여 반환한다. 또한, 사용자가 실시간으로 교통사고 위험도 예측 기능을 사용할 수 있도록 REST API 형태의 시스템을 제안한다. 사용자는 현재 위치의 도로명 데이터로 교통사고 위험도 데이터를 요청하여 수신한다. 사용자가 교통사고 위험도 정보를 확인하고 미리 사고에 대비함으로써 교통사고 발생률의 감소를 기대할 수 있다. This paper proposes a system that predicts traffic accident risk level according to weather conditions. According to the traffic accident analysis system of the Road Traffic Authority, it is possible to confirm a marked difference in the number of traffic accidents according to weather conditions. Traffic accident information and weather information are used as learning data for predictive models used in the system. After the data is learned into the model and real-time weather data and road name data are input, traffic accident risk levels are predicted and returned. In addition, we propose a system in the form of a REST API that allows users to use the traffic accident risk level prediction function in real time. The user requests the road junction data of the current location and receives the traffic accident risk level data. Users can check traffic accident risk level data and expect a reduction in traffic accident incidence in preparation for accidents in advance.