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 : 엄정민(Eom Jung Min) (검색결과 2 건)
- 무료
- 기관 내 무료
- 유료
-
부인과 수술 합병증으로 발생한 비뇨기계손상에 대한 복강경수술의 임상적 효용성
엄정민 ( Jeong Min Eom ),김지연 ( Jung Hun Lee ),김재연 ( Jee Yeon Kim ),홍진화 ( Jin Hwa Hong ),이교원 ( Kyo Won Lee ),최중섭 ( Joong Sub Choi ),주관중 ( Kwan Joong Joo ) 대한산부인과학회 2011 Obstetrics & Gynecology Science Vol.54 No.4
Objective: To assess efficacy and feasibility of laparoscopic surgery for genitourinary tract injuries related with gynecological surgery. Methods: We conducted a retrospective study of 38 patients undergoing laparoscopic surgery to treat genitourinary tract injury which occurred during gynecologic surgery in Kangbuk Samsung Hospital from March 2003 to February 2010. We analyzed the demographic and clinical characteristics including history of previous abdominal surgery, the type of injury, type of repair procedure, and any complications. Results: Of the 38 patients, 27 had urinary bladder injury, six had ureter injury including ureterovaginal fistula in one, and five had vesicovaginal fistula. The median age of patients, the median body mass index, and the median follow-up period were 45 years (31 to 71 years), 21.4 kg/m2 (18.8 to 31.4 kg/m2), and 39 months (16 to 78 months), respectively. There were no laparoconversions. No intraoperative or postoperative complications occurred. All patients have been asymptomatic, and their follow-up intravenous pyelograms and ultrasound examinations have been normal. Conclusion: Laparoscopic repair of genitourinary tract injuries occurred during gynecologic surgery is feasible for experienced laparoscopic surgical team in gynecology.
-
문서 데이터에서 추출한 지식기반 삼중 데이터 집합을 이용한 링크 예측 모델 학습
이명학(Lee Myung Hak),엄정민(Eom Jung Min),이혜진(Lee Hye Jin),강주희(Kang Ju Hee),하정민(Ha Jung Min),한승진(Han Seung Jin),이재구(Lee Jae Koo) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.6
본 논문은 객체(Entity) 간의 관계(Relation)를 예측하는 링크 예측(Link Prediction) 과업을 위한 모델을 학습하는 방법론에 관하여 서술하였다. 링크 예측 과업의 학습을 위해서는 객체-관계-객체(Entity-Relation-Entity)로 이루어진 지식기반 삼중 데이터 집합이 필요하다. 그러나 지식기반 삼중데이터 집합의 수가 적으므로, 우리는 문서 형식의 데이터 집합으로부터 지식기반 삼중 데이터 집합을 추출해 새로운 데이터 집합을 만들어 이 문제를 해결하였다. 그리고 추출된 데이터 집합이 링크 예측 모델을 학습할 수 있는지 알아보기 위해 링크 예측 과업에서 사용하는 대표적 모델인 HAKE(Hierarchy-Aware Knowledge Graph Embedding)와 AcrE(Atrous Convolution and Residual Learning)의 학습을 진행해 보았고 그 결과 HAKE 모델과 AcrE 모델에서 각기 0.4328과 0.4812의 정확도를 보였다.
KCI
KISS연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
