http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
황동환,최형준,손흥규,최병재,Hwang, Dong-Hwan,Choi, Hyung-Jun,Sohn, Heung-Kyu,Choi, Byung-Jai 대한소아치과학회 1996 大韓小兒齒科學會誌 Vol.23 No.3
Surgical removal of impacted mesiodens can be performed easily when exact position of mesiodens is identified. This case report is argued about methodological approach of exact antero-posterior postioning of mesiodens using conventional cross-sectional occlusal film and periapical film. The author concludes, 1. Among various methods of positioning mesiodens, exact position of mesiodens can be determined with occlusal film and periapical film. 2. On operation, exact antero-posterior position of mesiodens can be determined with comparing occlusal images of adjacent teeth and anatomic structure to real ones. 3. It is important that exact removal course of mesiodens has to be determined in addition to exact determination of one's position, and that it has to be determined in regard to position, morphological basis, direction of impacted pattern of mesiodens and adjacent anatomic structure. 4. In 2 cases presented, both are mesiodens of inverted conical type, and impacted direction are class I and III respectively according to classification author suggested, and surgery can be perfomed with ease by different approach directions.
광중합 기전에 따른 복합레진 중합 시 치수강 내 온도변화
황동환,이주현,박호원,Hwang, Dong-Hwan,Lee, Ju-Hyun,Park, Ho-Won 대한소아치과학회 2003 大韓小兒齒科學會誌 Vol.30 No.3
수복 치료과정에서 발생하는 온도증가가 치수조직에 미칠 수 있는 위해효과는 치의학의 오랜 관심사였다. 일반적으로, $5.5^{\circ}C$를 초과하는 치수 내 온도변화는 치수조직 에 비가역적인 손상을 야기할 수 있다. 기존의 할로겐 램프 광중합기와 더불어 최근 시판되고 있는 플라즈마 아크 중합기, LED 중합기를 사용하여 복합레진 중합시 치수강 내 온도증가량을 조사하였다. 한 개의 우식이 없는 치아를 대상으로 V급 와동을 형성하였다. 와동 내에 복합레진(Z250, Shade A2)을 충전한 후, 광중합조건을 달리하여 5군(I군: VIP, 20초 (mode 3), II군: VIP, 20초 (mode 6), III군: Flipo, 3초, IV군: Flipo, 5초 (2-step), V군: Lux-O-Max, 40초)으로 분류하고, 각 조건에 맞게 복합레진을 중합시키면서 치수강 내의 온도측정 단자를 통하여 $37.0^{\circ}C$로부터 증가되는 치수강 내 최대 온도증가량을 측정한 결과 다음과 같은 결론을 얻게 되었다. 1. 모든 군에서 치수강 내 최대 온도 증가량은 치수의 변성을 일으키기 시작하는 경계온도인 $5.5^{\circ}C$ 보다 낮았으며, II군에서 치수강 내 최대 온도증가량이 통계적으로 유의하게 가장 높았다(p<0.05). 또한 Lux-O-Max를 조사한 V군은 다른 군보다 낮은 치수강 내 최대 온도증가량을 나타내었다(p<0.05). 2. VIP로 조사한 두 군을 비교할 경우, 조사강도가 높은 II군이 I군보다 치수강 내 최대 온도증가량이 더 높게 증가하였으며(p<0.05), Flipo로 조사한 III군과 IV군 사이에서는 2-step 조사모드로 5초간 조사한 IV군이 3초간 조사한 III군보다 치수강 내 최대 온도증가량이 더 높게 증가하였다(p<0.05). 3. VIP와 Flipo를 비교할 경우, II군이 III, IV군보다 더 높게 증가하였고, IV군이 I군보다 더 높게 증가하였으나(p<0.05), I군과 III군 사이에는 차이를 보이지 않았다. This study investigates pulp chamber temperature rise during composite resin polymerization by plasma arc(Group III : Flipo 3 sec, Group IV : Flipo 5 sec) and LED curing units(Group V : Lux-O-Max, 40 sec) as well as conventional halogen lamp curing units(Group I : VIP mode3, 20 sec, Group II : VIP mode6, 20 sec). The results are as follows : 1. All of the investigated pulp chamber temperature rises are lower than the boundary temperature could result in irreversible damage to the pulpal tissue ($5.5^{\circ}C$). 2. In the group II, it is found the significantly higher pulp chamber temperature rise than any other groups(p<0.05). 3. In the group of composite resin light-cured with VIP, it is found the significantly higher pulp chamber temperature rise in the group II than group I(p<0.05). 4. In the group of composite resin light-cured with Flipo, it is found the significantly higher pulp chamber temperature rise in the group IV than group III (p<0.05). 5. In the case of comparing VIP and Flipo, group II is significantly higher pulp chamber temperature rise than group III, IV(p<0.05), and group IV is significantly higher pulp chamber temperature rise than group I(p<0.05), and it does not significantly differ between group I and III. 6. In the group of composite resin light-cured with Lux-O-Max, it is found the significantly lower pulp chamber temperature rise than any other groups (p<0.05).
상용 관성항법시스템용 CDU(Control Display Unit) 설계
황동환,김정원,신대식,이상정,박용운,Hwang, Dong-Hwan,Kim, Jeong-Won,Shin, Dae-Sik,Lee, Sang-Jeong,Park, Yong-Woon 한국군사과학기술학회 2007 한국군사과학기술학회지 Vol.10 No.2
This paper proposes a design method of a CDU(Control Display Unit) for commercial INS(Inertial Navigation Systems). In order to guarantee reusability and extendability, the design method is based on the class programming of the Windows operating system. Since the CDU has abstracted functions and variables, it can be interfaced with any INS. It is also easy to extend the designed functions using inheritance and polymorphism of the class. In order to show usefulness of the CDU, it has been implemented for the H-726 INS.
SKU-Net: Improved U-Net using Selective Kernel Convolution for Retinal Vessel Segmentation
Dong-Hwan Hwang(황동환),Gwi-Seong Moon(문귀성),Yoon Kim(김윤) 한국컴퓨터정보학회 2021 韓國컴퓨터情報學會論文誌 Vol.26 No.4
본 논문에서는 안저영상의 다중 스케일 정보를 다루기 위한 딥러닝 기반의 망막 혈관 분할 모델을 제안한다. 제안 모델은 이미지 분할 딥러닝 모델인 U-Net과 선택적 커널 합성곱을 통합한 합성곱 신경망으로 안저영상에서 눈과 관련된 질병을 진단하는데 중요한 정보가 되는 망막 혈관의 다양한 모양과 크기를 갖는 특징 정보를 추출하고 분할한다. 제안 모델은 일반적인 합성곱과 선택적 커널 합성곱으로 구성된다. 일반적인 합성곱 층은 같은 크기 커널 크기를 통해 정보를 추출하는 반면, 선택적 커널 합성곱은 다양한 커널 크기를 갖는 브랜치들에서 정보를 추출하고 이를 분할 주의집중을 통해 적응적으로 조정하여 결합한다. 제안 모델의 성능 평가를 위해 안저영상 데이터인 DRIVE와 CHASE DB1 데이터셋을 사용하였으며 제안 모델은 두 데이터셋에 대하여 F1 점수 기준 82.91%, 81.71%의 성능을 보여 망막 혈관 분할에 효과적임을 확인하였다. In this paper, we propose a deep learning-based retinal vessel segmentation model for handling multi-scale information of fundus images. we integrate the selective kernel convolution into U-Net-based convolutional neural network. The proposed model extracts and segment features information with various shapes and sizes of retinal blood vessels, which is important information for diagnosing eye-related diseases from fundus images. The proposed model consists of standard convolutions and selective kernel convolutions. While the standard convolutional layer extracts information through the same size kernel size, The selective kernel convolution extracts information from branches with various kernel sizes and combines them by adaptively adjusting them through split-attention. To evaluate the performance of the proposed model, we used the DRIVE and CHASE DB1 datasets and the proposed model showed F1 score of 82.91% and 81.71% on both datasets respectively, confirming that the proposed model is effective in segmenting retinal blood vessels.