http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
홍원주 한국조리과학회 1990 한국식품조리과학회지 Vol.6 No.2
건조 수산가공품 및 혼합조미료 각 5종의 위생적 살균 및 저장방법의 개발을 목적으로 현행살균 방법으로 살균효과의 불충분, 제품의 품질저하, 약제성분의 잔유 등 많은 문제점을 내포한 ethylene oxide에 의한 훈증처리와 방사선 조사와의 미생물 살균효과, 이화학적 특성 및 관능적 품질에 미치는 영향을 검토한 결과는 다음과 같다. 시료의 미생물 오염은 전세균이 10^3-10^7CFU/g으로 그중 90%이상이 내열성 세균이었으며, 곰팡이류는 10^2∼10^3CFU/g, 대장균도 시료 5종에서 10^2∼10^6 CFU/g이나 오염되었다. 살균효과 실험에서 대장균군, 곰팡이류는 5∼10kGy 방사선 조사로서 완전 사멸되었으며, 전세균도 오염도가 매우 높았던 혼합조미료 몇종을 제외하고는 제거되었다. 반면, ethylene oxide 훈증처리는 전 미생물의 살균이 불충분 하였다. 이 화학적 특성 즉, TBA가 TMA-N 함량, 아미노산, 무기질, 색도 등은 적정 선량의 방사선 조사로서는 무처리구 시료와 거의 차이가 없었으나, ethylene oxide 훈증처리구는 심한 품질의 변화를 나타내었다. 또한 관능검사에 의한 전반적 기호성에 있어서도 방사선조사구가 무처리구 및 ethylene oxide 처리구보다 유의적으로 우수함을 나타냈다.
Spinal Extradural Meningioma: A Case Report and Review of the Literature
홍원주,김은수,이열,이관섭,고성혜,송화영,권미정 대한영상의학회 2018 대한영상의학회지 Vol.79 No.1
Spinal meningiomas account for 12% of all the meningiomas and are usually located in the intradural extramedullary space. In some cases, they are associated with some extradural extensions. However, purely extradural spinal meningiomas are rare. Additionally, it is difficult to make an accurate preoperative diagnosis. We report a case of pathologically confirmed atypical meningioma, presented as a posterior epidural mass on the thoracic spine. We review the case, clinical symptoms, radiologic findings and the histologic features.
홍원주,하홍일,Jung Woo Lee,이상민,김민정 대한영상의학회 2019 Korean Journal of Radiology Vol.20 No.4
Objective: To evaluate the effectiveness of computed tomography (CT) Hounsfield unit histogram analysis (HUHA) in postoperative pancreatic fistula (PF) prediction. Materials and Methods: Fifty-four patients (33 males and 21 females; mean age, 65.6 years; age range, 37–89 years) who had undergone preoperative CT and pancreaticoduodenectomy were included in this retrospective study. Two radiologists measured mean CT Hounsfield unit (CTHU) values by drawing regions of interest (ROIs) at the level of the pancreaticojejunostomy site on preoperative pre-contrast images. The HUHA values were arbitrarily divided into three categories, comprising HUHA-A ≤ 0 HU, 0 HU < HUHA-B < 30 HU, and HUHA-C ≥ 30 HU. Each HUHA value within the ROI was calculated as a percentage of the entire area using commercial 3-dimensional analysis software. Pancreas texture was evaluated as soft or hard by manual palpation. Results: Fifteen patients (27.8%) had clinically relevant PFs. The PF group had significantly higher HUHA-A (p < 0.01) and significantly lower mean CTHU (p < 0.01) values than those of the non-PF group. The HUHA-A value had a moderately strong correlation with PF occurrence (r = 0.60, p < 0.01), whereas the mean CTHU had a weak negative correlation with PF occurrence (r = -0.27, p < 0.01). The HUHA-A and mean CTHU areas under the curve (AUCs) for predicting PF occurrence were 0.86 and 0.65, respectively, with significant difference (p < 0.01). The HUHA-A and mean CTHU AUCs for predicting pancreatic softness were 0.86 and 0.64, respectively, with significant difference (p < 0.01). Conclusion: The HUHA-A values on preoperative pre-contrast CT images demonstrate a strong correlation with PF occurrence.
홍원주(Won Ju Hong),김민우(Min Woo Kim),오일석(Il-Seok Oh) 한국정보과학회 2011 한국정보과학회 학술발표논문집 Vol.38 No.1A
본 논문은 영상 획득 환경이 자유로운 상황에서 차량 번호판 영역을 검출하기 위한 새로운 방법을 제안한다. 입력 영상에서 SIFT 지역특징을 추출하고 미리 학습한 분류기를 통해 각 지역특징이 번호판 내부에 속하는지 번호판 외부에 속하는지를 분류한다. 번호판 내부로 분류된 지역특징이 밀집한 영역이 번호판 영역으로 검출된다. 실험을 통해 제안하는 지역특징 분류 방법이 높은 성능으로 번호판 내/외부를 분류함을 보인다.
SIFT와 신경망을 이용한 학습 기반 차량 번호판 검출
홍원주(Won Ju Hong),김민우(Min Woo Kim),오일석(Il-Seok Oh) 대한전자공학회 2013 전자공학회논문지 Vol.50 No.8
차량 번호판 검출의 기존 연구들은 대부분 높은 성능을 얻기 위해 영상 획득 환경을 제한한다. 본 논문은 제약사항이 적은 환경에서 다양한 종류의 차량 번호판을 검출하기 위해 SIFT와 신경망을 이용한 새로운 방법을 제안한다. SIFT는 영상의 크기, 회전 변화에 불변하는 지역특징으로서 처리해야 할 환경이 고정되지 않은 경우에도 분별력이 뛰어나다. 영상에서 추출한 SIFT를 번호판 내부의 것(내부 부류)과 외부의 것(외부 부류)으로 나누어 2부류 분류기를 학습한다. 분류기는 신경망을 사용하며, 찾고자 하는 번호판의 종류를 학습 집합에 포함하는 것으로 다양한 종류의 번호판을 동일한 알고리즘으로 검출할 수 있다. 제안하는 방법은 입력 영상에서 지역특징을 추출하고 미리 학습한 분류기로 번호판 내부 부류를 가려낸다. 분류기의 성능이 높지 않더라도 분류 결과 내부 부류는 번호판 내부에 밀집하여 나타나고 번호판 외부에서는 흩어져 나타난다. 이러한 특성을 이용해 지역특징 맵을 만들고, 이 맵에서 임계값 이상인 전역 최댓값을 번호판 영역으로 검출한다. 다양한 환경에서 데이터베이스를 수집하고 지역특징 분류와 번호판 검출 알고리즘을 실험한다. 지역특징을 분류기로 분류한 결과 정인식률은 97.1%, 정확률은 62.0%, 재현율은 50.2%를 보였다. 정인식률에 비해 정확률과 재현율은 낮았지만, 번호판 검출 결과 98.6%의 높은 검출 성능을 보였다. Most of former studies for car license plate detection restrict the image acquisition environment. The aim of this research is to diminish the restrictions by proposing a new method of using SIFT and neural network. SIFT can be used in diverse situations with less restriction because it provides size- and rotation-invariance and large discriminating power. SIFT extracted from the license plate image is divided into the internal(inside class) and the external(outside class) ones and the classifier is trained using them. In the proposed method, by just putting the various types of license plates, the trained neural network classifier can process all of the types. Although the classification performance is not high, the inside class appears densely over the plate region and sparsely over the non-plate regions. These characteristics create a local feature map, from which we can identify the location with the global maximum value as a candidate of license plate region. We collected image database with much less restriction than the conventional researches. The experiment and evaluation were done using this database. In terms of classification accuracy of SIFT keypoints, the correct recognition rate was 97.1%. The precision rate was 62.0% and recall rate was 50.2%. In terms of license plate detection rate, the correct recognition rate was 98.6%.