PSCAD/EMTDC를 이용한 풍력발전시스템의 새로운 시뮬레이션 방법에 관한 연구

韓相根(Sang-Geun Han),朴敏遠(Minwon Park),劉仁根(In-Keun Yu) 대한전기학회 2003 전기학회논문지A Vol.52 No.6

전문직(專門職)을 위한 회사형태(會社形態)에 관한 연구

박상근 ( Sang Geun Park ) 법조협회 2002 法曹 Vol.51 No.12

의료광고가 병원경영에 미치는 영향

박상근,Park, Sang-Geun 대한병원협회 2005 대한병원협회지 Vol.34 No.3

논문 : 인터넷시대의 회사법을 위한 일시론 -한국과 독일의 관련법개정을 중심으로-

박상근 ( Park Sang Geun ) 서울대학교 법학연구소 2002 서울대학교 法學 Vol.43 No.1

하천수 사용허가 현황으로 살펴본 만경강 유량 관리 방안

박상근,박성식,정충길,최병준,Park, Sang-Geun,Park, Seong-Sik,Jeong, Chung-Gil,Choe, Byeong-Jun 한국수자원학회 2021 물과 미래(한국수자원학회지) Vol.54 No.5

「설립중(設立中)의 회사」 이론의 재구성

박상근 ( Sang Geun Park ) 서울대학교 법학연구소 2005 서울대학교 法學 Vol.46 No.2

외단열 고정 방법에 따른 접착강도 기준의 제정 방안에 관한 연구

박완구(Park, Wan-Goo),박진상(Park, Jin-Sang),송제영(Song, Je-Yeoung),오상근(Oh, Sang-Geun) 대한건축학회 2013 大韓建築學會論文集 : 構造系 Vol.29 No.1

Energy issues is accelerated. As a result, insulation method is being applied actively in the buildings. External insulation method is efficient batter than other insulation method and it is applied on the external wall of the building actively. Apply method of external Insulation is divided Wet Construction, Dry Construction, Semi-Dry Construction. Wet Construction is adhesion method on the buildings using mortar of adhesion. Dry Construction is adhesion method on the buildings using anchor except water. Finally, Semi-dry Construction is adhesion method on the buildings using anchor + mortar. But When the strong wind blows, method of external Insulation is occurring problem of drop out in the rainy season. Therefore, this research progress enactment plan of standard of bonding strength in bonding part of external insulation method of wet construction, dry construction, semi-dry construction. The results of this research, Adhesion of Semi-Dry Construction is best than other methods. Should try to use based on the adhesion strength standard on the basis of the results as described above.

共有株式의 權利行使

朴庠根(Park Sang-Geun) 강원대학교 비교법학연구소 1998 江原法學 Vol.10 No.-

흉부 CT검사 시 검사부위를 벗어난 Topogram 부위에 Automatic Exposure Control 적용이 선량 및 화질에 미치는 영향

박관중(Guan Jung Park),김영옥(Young Ok Kim),여상근(Sang Geun Yeo),대창민(Chang Min Dae),민관홍(Kwan Hong Min) 대한전산화단층기술학회 2011 대한CT영상기술학회지 Vol.13 No.2

목적 임상에서 많이 시행하고 있는 흉부 computed tomography(이하 CT) 검사 시, 세 개의 각기 다른 CT장비 제조사의 automatic exposure control(이하 AEC) system을 인체 등가phantom에 적용하여, 검사부위를 벗어난 topogram을 검사하였다. 검사부위를 벗어난 topogram에서 AEC작동유무 및 CT dose index volume(이하 CTDI) 변화를 측정하고, 영상의 노이즈값의 비교를 통하여 선량 및 화질 변화를 알아보고자 하였다. 대상 및 방법 사용된 각 장비 회사별 CT 장비는 Brilliance 64 MDCT(Philips healthcare, 이하 P사), LightSpeed VCT XT 64 MIDCT(General Electric Medical System, 이하 G사), Somatom Definition Dual CT(Siemens Healthcare, 이하 S사)를 사용하였다. Rando phantom을 대상으로 하여 본원에서 흉부 검사 범위로 정하고 있는 성대에서 부신이 충분히 포함된 topogram을 정상군으로 정하고, 정상군과 비교하여 폐첨부에서 머리 방향쪽으로 2cm 검사부위를 벗어난 군을 A군, 4cm는 B군, 6cm는 C군, 8cm를 D군으로 대조군을 정하였다. 선량 평가를 위해 각 장비 제조회사에서 제공하는 CTDI값과 ionization chamber를 이용하여 CTDI값을 실측한 후, 정상군의 CTDI값을 기준으로 대조군의 CTDI 증감률을 산출하였다. 화질 평가는 AAPM phantom을 이용하여 정상군 및 대조군 실험 영상의 6시 방향 1/4지점에서 4×4cm의 크기의 region of interest(이하 ROI)를 설정하여 모든 slice의 평균오차의 값을 노이즈값으로 계산하여 평가하였다. 결과 정상적인 topogram과 검사부위를 벗어난 topogram의 AEC적용 결과는 P사의 경우는 ACS만 적용 시 노이즈값은 정상군은 12.9, A군은 약 12.7(p=0.0273, B군은 약 12.6(p=0.0195), C군은 약 12.2(p=0.002), D군은 약 12.l(p=0.002)로 측정되었으며, 대조군의 CTDI 증감률은 정상군과 비교하여 각 군에서 약 8.9%, 11.1%, 14.4%, 15.6% 증가하였다. ACS combined Z-DOM 적용 시에는 정상군 비교하여 CTDI 증감률은 각 군에서 약 3.0%, 4.0%, 4.0%, 5.0% 증가하지만, 노이즈값은 각 군에서 약 13.3, 약 13.2(p=0.0216), 13.1(p=0.0078), 12.9(p=0.0195), 12.9(p=0.0039)로 측정되었다. ACS combined D-DOM 적용 시에는 CTDI 증감률은 정상군 비교하여 각 군에서 약 0.9%, 1.8%, 1.8%, 2.7% 증가하였고, 노이즈값은 정상군은 약 12.7, 대조군은 약 12.6(p=0.0301), 12.5(p=0.0392), 12.5(p=0.0391), 12(p=0.002)로 통계학적으로 유의한 차이가 없었다. S사의 경우에는 노이즈값은 각 군에서 약 8.0, 7.9(p=0.0376), 7.6(p=0.0277), 7.5(p=0.002), 7.3(p=0.002)로 통계학적으로 유의한 차이가 없었다. CTDI 증감률은 정상군 비교하여 각 군에서 약 1.2%, 3.4%, 2.3%, 6.9% 증가하였다. G사의 경우는 Auto mA 적용 시, 정상군의 노이즈값은 약 45.0, A군은 약 44.1(p<0.0001), B군은 약 44.1(p<0.0001), C군은 약 44.1(p<0.0001), D군은 약 44.1(p<0.0001)으로 대조군에서는 모두 동일한 결과로 측정되었다. 정상군과 비교하여 대조군 모두 통계학적으로 유의한 차이가 없이, CTDI 증감률은 정상군과 비교하여 모든 대조군에서 동일하게 약 8.1% 증가를 보였다. 결론 검사부위를 벗어난 topogram을 얻은 후, topogram에 포함되지 않은 영역에 AEC를 적용하게 되면, 각 장비 회사마다 다소 차이는 있지만 영상의 질적 차이 없이 방사선 피폭선량이 최소 약 0.9%에서 최대 15.6% 증가하였다. 따라서 AEC를 적용 시 정확한 환자의 위치잡이가 선행되어야 topogram을 통해 정확한 정보를 얻을 수 있다. 그 정보를 바탕으로 AEC가 올바르게 동작하여 선량의 최적화를 달성할 수 있을 것으로 사료된다. I. Purpose The purpose of this study is to investigate the change of radiation dose and image quality in outside topogram of scan range applying automatic exposure control (AEC) through phantom study in chest CT. II. Meterial and Methods A Rando anthropomorphic chest phantom and AAPM phantom was scanned on a 64 multi detector CT using the AEC systems from three different manufacturers: General Electric Healthcare, Philips Medical Systems and Siemens Medical Solutions. A general scanning protocol was created for each examination where as many as possible of the scanning parameters were set equal. Divided into 5 groups according to include and not be scan range of topogram. Topogram, normally including scan range, is defined normal group. If not was control group, the group which was 2 an outside topogram of scan range toward head from lung apex was designated as A group, B group in 4 cm off, C group in 6 an off, and D group in 8 an off. CTDI was measured using ionization chamber and provided by CT modality. CTDI fluctuation ratios of control groups were calculated based on the values of CTDI in normal group. For the evaluation of image quality, mean error value was assessed by the image noise from AAPM phantom. III. Result As a result of application of AEC to normal and control groups, in case of P, when applying only ACS, noise of normal group was 12.9, 12.7(p=0.0273) in A group, 12.6(p=0.0195) in B group, 12.2(p=0.002) in C group, 12.1(p=0.002) in D group. CTDI fluctuation ratios of control group was increased by 8.9%i, 11.1%, 14.4%, 15.6% respectively in each group compared to normal group. When applying ACS combined Z-OOM, the CTDI fluctuation ratios of control groups was increased by 3.0%, 4.0%, 4.0%, 5.0% respectively, compared to normal group. However, noise was appeared to be 13.3, 13.2(p=0.0216), 13.1(p=0.0078), 12.9(p=0.0195), 12.9(p=0.0039). When applying ACS combined D-DOM, the CTDI fluctuation ratios was increased by 0.9%, 1.8%, 1.8%, 2.7% while noise value in normal group was 12.7, 12.6(p=0.0301), 12.5(p=0.0392, 12.5(p=0.0391), 12(p=0.002). No statistical significant difference was found. In case of S, noise appeared to be 8.0, 7.9(p=0.0376), 7.6(p=0.0277), 7.5(p=0.002), 7.3(p=0.002) respectively in each group leading to no statistical significant difference. CTDI fluctuation ratios, comparing to normal group, was increased by 1.2%, 3.4%, 2.3%, 6.9%. In case of G, when applying AutomA, the noise of normal group was measured to be 4.0, and 44.1(p<0.0001) in A~D control groups, Compared to normal group, there was no statistical significant difference in control groups, and also the fluctuation ratio (%) of CTDI showed the same ratio of 8.1% in all control groups. IV. Conclusions Radiation dose by different mmufacturer was increased by at minimum 0.9% up to at maximum 15.6%. And it was little difference of image quality found at all. Consequently, projection of topogram, normally included scan range, is very important applying AEC in CT examination.

무인항공기 영상을 이용한 작물 분류

박진기 ( Jin-ki Park ),배상근 ( Sang-geun Bae ),이동호 ( Dong-ho Lee ),신형섭 ( Hyoung-sub Shin ),박종화 ( Jong-hwa Park ) 한국농공학회 2017 한국농공학회 학술대회초록집 Vol.2017 No.-

농업분야에서 원격탐사 기술은 고고도 항공사진 및 위성영상을 이용하여 농지 실태 파악, 농업 생산량 파악, 농작물 피해 파악 등에 활용되고 있으며 원격탐사 자료를 적용하는 사례 및 활용 범위는 넓어지고 있다. 원격탐사 활용 방안 중 무인항공기의 활용은 기존 중·저해상도 위성영상의 공간해상도와 고해상도 위성영상의 시간해상도(주기성)의 단점을 보완해주는 좋은 대안으로 부각되고 있다. 또한 무인항공기의 발전, 영상처리 및 분석기술의 발전으로 다양한 분야에 활용성이 높아지고 있다. 본 연구는 충청북도 청주시 북이면을 대상으로 무인항공기 영상을 분석하여 작물 분류를 실시하고자 하였다. 사용된 무인항공기는 스위스 Sensefly사의 고정익 무인항공기이며, 탑재된 촬영 센서는 Sony Cybershot WX로 1,820만 화소이다. 충청북도 청주시 북이면의 전체 면적은 38.2㎢이며, 무인항공기 촬영은 2016년 8월 5일부터 8월 6일까지 15회 실시하였다. 무인항공기로 촬영된 영상은 정사영상으로 제작하였으며, 스마트팜맵을 연계하여 공간자료로 구축하였다. 영상처리는 객체기반 분류 기법을 사용하였다. 작물 분류 항목은 벼, 고구마, 들깨, 옥수수 등 22개 작물과 건물, 도로, 하천, 산림 등 비작물 8개 항목으로 총 30개로 설정하였다. 그 결과 작물 분류 정확도는 6,822필지 중 4,806필지(70.4%)가 일치하며 2,016필지(29.6%)가 불일치하는 것으로 분석되었다. 일치하는 면적은 15.06㎢(농경지 면적) 중 12.77㎢가 일치하여 84.8%의 정확도를 나타냈다. 작물 분류 정확도 분석결과 필지 정확도 보다 면적 정확도가 14.4% 높게 나타나는 것을 알 수 있다. 이는 소규모 필지 보다 면적이 큰 필지의 정확도가 높게 나타나 면적 정확도에 영향을 준 것으로 판단된다. 본 연구를 바탕으로 무인항공기 영상의 농작물 분류 가능성을 확인하였으며, 이를 통해 농업 통계의 활용 가능성과 정밀 농업 정보 획득에 유용하게 활용될 것으로 판단된다.