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 : 정진권(Jin-Kwon Jung) (검색결과 2 건)
- 무료
- 기관 내 무료
- 유료
-
빛간섭단층촬영을 이용한 정상, 녹내장의증, 초기 녹내장에서의 변수 비교분석
박수은,정진권,정지용,박성희,Su Eun Park,M,D,Jin Kwon Jung,M,D,Ji Yong Jung,M,D,Song Hee Park,M,D 대한안과학회 2007 대한안과학회지 Vol.48 No.10
Purpose: The objective of this study is to compare optic nerve head (ONH) analysis parameters and retinal nerve fiber layer (RNFL) thickness parameters as measured by optical coherence tomography (OCT) among age-matched normal eyes, glaucoma-suspect eyes, and early glaucomatous eyes; and to determine the discriminating parameter best suited to distinguish early glaucoma in age-matched normal eyes and glaucoma- suspect eyes. Methods: One hundred two normal eyes, 72 glaucoma-suspect eyes, and 85 eyes with early glaucoma that had been submitted to OCT and Humphrey field analysis were enrolled in this study. Optic nerve head analysis values and RNFL thickness values with OCT scans were compared among all groups. Sensitivity and specificity for the detection of early glaucoma were determined with a receiver operating characteristic (ROC) curve. Results: The best-suited parameters were determined to be from 0.637 to 0.753 in optic nerve head parameters and from 0.506 to 0.759 in RNFL thickness parameters calculated with the area under the ROC curve (AUROC). The average thickness for early glaucomatous eye (0.818) had the widest AUROC among all parameters. The sensitivity and specificity of RNFL thickness parameter were determined to be 49.4% and 93.1%, respectively, at the cut-off value 92.17 m. Conclusions: Optic nerve head and RNFL thickness parameters measured with OCT have relatively high sensitivity and specificity for detecting early glaucomatous eyes. Furthermore, they may provide clinically relevant information for the detection of early glaucomatous damage and for monitoring glaucomatous changes.
-
정재윤(Jae-Yoon Jung),정진권(Jin-Kwon Jung),조성원(Sung-Won Cho),김재민(Jae-Min Kim) 한국지능시스템학회 2005 한국지능시스템학회 학술발표 논문집 Vol.15 No.2
바이오메트릭스의 여러 가지 기술 중에서 얼굴인식은 지문인식, 손금인식, 홍채인식 등과는 달리 신체의 일부를 접촉시키지 않고도 원거리에 설치된 카메라를 통해 사람을 확인할 수 있는 장점을 가지고 있다. 그러나 얼굴인식은 조명변화, 표정변화 등의 다양한 환경변화에 대단히 민감하게 반응하므로 얼굴의 특징 영역에 대한 정확한 추출이 반드시 선행되어야 한다. 얼굴의 주요 특징인 눈, 코, 입, 눈썹은 자세와 표정 그리고 생김새에 따라 다양한 위치, 크기, 형태를 가질 수 있다. 본 연구에서는 변화하는 특징 영역과 특징 점을 정확히 추출하기 위하여 얼굴을 9가지 방향으로 분류하고, 각 분류된 방향에서 특징 영역을 통계적인 형태에 따라 다시 2차로 분류하여, 각각의 형태에 대한 표준 템플릿을 생성하여 검출하는 방법을 제안한다.
KCI
스콜라연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
