RISS 학술연구정보서비스

검색
다국어 입력

http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.

변환된 중국어를 복사하여 사용하시면 됩니다.

예시)
  • 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
  • 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
닫기
    인기검색어 순위 펼치기

    RISS 인기검색어

      검색결과 좁혀 보기

      선택해제
      • 좁혀본 항목 보기순서

        • 원문유무
        • 음성지원유무
        • 원문제공처
          펼치기
        • 등재정보
          펼치기
        • 학술지명
          펼치기
        • 주제분류
          펼치기
        • 발행연도
          펼치기
        • 작성언어
        • 저자
          펼치기

      오늘 본 자료

      • 오늘 본 자료가 없습니다.
      더보기
      • 무료
      • 기관 내 무료
      • 유료
      • SCOPUSKCI등재
      • KCI등재

        딥러닝을 이용한 음향 고유 모드와 고유 주파수 예측

        조재호,이진우 대한기계학회 2021 大韓機械學會論文集A Vol.45 No.12

        In this study, a deep learning-based acoustic analysis method is proposed to predict the acoustic natural modes and natural frequencies of a structure given only its shape information. The effectiveness of the proposed method is proved by applying it to identification of the acoustic characteristics of a vehicle. The acoustic characteristics of a closed space vary depending on the shape, size, and location of the partitions existing therein. Although a designer may possess no knowledge of acoustic theory or acoustic analysis programs, the redesigning time of a mechanical structure, such as a vehicle, can be dramatically shortened if the acoustic characteristics of the candidate shape can be identified. A deep learning model is developed to perform this task on a two-dimensional acoustic cavity. It is trained with appropriate input and output data to verify the feasibility, and subsequently applied to the two-dimensional vehicle model to demonstrate its validity. 본 연구에서는 형상 정보만 주어지면 해당 구조물의 음향 고유 모드와 고유 주파수를 예측할 수 있는 딥러닝 기반 음향 해석 방법을 개발하고, 차실의 음향 특성 파악에 적용하여 제시한 방법의 유효성을 입증한다. 닫힌 공간의 음향 특성은 내부에 존재하는 격벽들의 형상, 크기와 위치 등에 따라 달라진다. 음향 이론이나 음향 해석 프로그램에 대한 지식이 없더라도 후보군에 있는 형상들의 음향 특성을 알 수 있다면, 자동차와 같은 기계 구조물의 재설계 시간을 설계자가 극단적으로 단축시킬 수 있다. 이를 위해, 2차원 음향 공동 모델에 대해 이 작업을 수행할 수 있는 딥러닝 모델을 제안한다. 알맞은 입력과 출력 데이터로 딥러닝 모델을 학습시켜서 가능성을 파악한 후에, 2차원 차실 모델에 적용하여 제안한 방법의 유효성을 입증한다.

      • KCI등재

        가임기 여성 정상 난소의 자기공명영상: 나이에 따른 난소의 자기공명영상: 나이에 따른 난소의 발견율과 크기 및 난포의 수와 크기$^1$

        조재호,장재천,박복환,Jo, Jae-Ho,Jang, Jae-Cheon,Park, Bok-Hwan 대한영상의학회 2002 대한영상의학회지 Vol.46 No.3

        목적: 자기공명영상(MRI)으로 가임기 여성의 정상 난소를 얼마나 찾을 수 있으며 정상 난소와 난포의 크기 및 난포의 수가 나이에 따라 차이가 있는지를 알아보고자 하였다. 대상과 방법: 골반 MRI를 촬영한 환자 중에서 술중 육안 소견 및 병리 소견상 정상 난소로 확인된 가임기 여성 46명의 MRI를 후향적으로 분석하였다. 정상 난소의 발견율과 난소의 크기, 난포의 수, 최대 난포의 크기를 알아보았고, 각 항목에 있어서 나이에 따른 차이를 30세 미만, 30-39세, 40세 이상으로 분류하여 비교하였다. 결과: 46명의 92개 난소 중 39명에서 양측 난소가 모두 발견되었고 7명에서는 한쪽만 발견되어 발견율은 92.4%(85/92)였다. 나이에 따른 발견율은 30세 미만에서는 100%(18/18), 30-39세에서는 95.0%(38/40), 40세 이상에서는 85.3%(29/34)였다. 난소의 크기는 15-50 mm(평균, 24.3 mm)였고, 연령에 관계없이 20 mm 이상에서 30 mm 미만 크기가 60.0%로 가장 많았으며, 30세 미만, 30-39세, 40세 이상에서는 각각 평균 28.8, 25.3, 20.3 mm 였다 (p<0.01). 난포의 수는 2, 3, 4, 5개 이상으로 나누어 비교하였는데, 각각 10.6%, 23.5%, 18.8%, 47.1%였다. 30세 미만과 30-39세 군에서는 난포 수 5개 이상이 83.3%와 47.4%로 나타났으나, 40세 이상 군에서는 24.1%에 불과했다(p<0.05). 최대 난포의 크기는 2-30 mm 의 분포를 보였으며 연령에 상관없이 5-10 mm 크기가 43.5%로 가장 많았고, 통계적으로 나이에 따른 유의한 차이는 없었다 (p>0.05). 결론: MRI는 가임기 여성의 정상 난소를 발견하는데 있어 유용한 검사법이며, 정상 난소는 20mm 이상에서 30 mm 미만 크기에 5개 이상의 난포를 가지며, 최대 난포의 크기는 5 mm 이상에서 10 mm 미만인 경우가 가장 많고, 연령이 증가할수록 난소의 크기와 난포의 수가 통계적으로 유의하게 감소하였다. Purpose: To determine the rates at which normal ovaries in women of reproductive age were observed at MRI, as well as differences in the size of a normal ovary and follicles, and the number of follicles, according to age. Materials and Methods: The MRI findings in 46 patients with normal ovaries were retrospectively analysed and proven grossly at surgery and/or pathologically. The detection rate and size of the ovaries, and the number of follicles and size of the largest were determined, and differences were analyzed according to age: under 30, 30-39, and 40 years or over. Results: Among 46 patients, bilateral ovaries were detected in 39 and unilateral ovary in seven. The overall detection rate was 92.4% (85/92), varying according to age. It was 100% (18/18) in those aged under 30, 95% (38/40) in the 30-40 age group, and 85.3% (29/34) among those aged 40 or over. Ovary size ranged between 15 and 50 (average, 24.3) mm and was most commonly 20-30 mm, regardless of age (60%). The average size was 28.8 mm under 30 years of age, 25.3 mm between 30 and 39, and 20.3 mm at age 40 or over (p<0.01). The number of follicles was recorded as 2, 3, 4, or 5 or more, with 10.6%, 23.5%, 18.8% and 47.1% of patients, respectively, assigned to these categories. Among those aged 30-39, ovaries containing five or more follicles were most common, with 83.3% of those under 30 and 47.4% of those aged 30-39 falling into this category. Among patients aged 40 or over, only 24.1% of ovaries contained five or more follicles; most (37.9%) contained three (p<0.05). The size of the largest follicle ranged from 2 to 30 mm and, regardless of age, 5-10-mm follicles were most common (43.5%). There were no significant differences according to age. Conclusion: MRI is a useful tool for detecting normal ovaries in women of reproductive age. We found that most normal ovaries were 20-30 mm in size and contained five follicles or more, the largest follicle being 5-10 mm. The size of an ovary and the number of follicles decreased significantly with age.

      연관 검색어 추천

      이 검색어로 많이 본 자료

      활용도 높은 자료

      해외이동버튼