http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
성훈,권태범,전말순,김학진,장경재,전병희,Seong, Hun,Kweon, Tae-Beom,Jeon, Mal-Soon,Kim, Hack-Jin,Jang, Kyung-Jae,Chun, Byung-Hee 대한영상의학회 1994 대한영상의학회지 Vol.30 No.2
Purpose : Recently, paranasal sinus(PNS) CT has increasingly been used because of the wide applications of a functional endoscopic sinonasal surgery(FESS) as one of the therapeutic modalities of the chronic sinonasal inflammatory disease.Materials and Methods : We retrospectively analyzed PNS CT findings in 76 patients with chronic sinonasal inflammatory disease who had undergone the PNS CT from April 1991 to July 1992.Results: There were 5 sinonasal patterns of inflammation ;4 cases of infundibular type(5.3%), 14 cases of ostiomeatal unit(OMU) type(18%), one case of sphenoethmoidal(SER) type(1%), 56 cases of sinonasal polyposis type(74%), and one case of sporadic type(1%).The mucosal abnormality was seen in 74 OMU cases, 71 maxillary sinus cases, 69 ethmoidal sinus cases, 55frontal sinus cases, 49 SER, and 46 sphenoidal sinus cases. The normal bony variant included ethmoid bulla(25cases, 335) concha bullosa (20 cases 25%), Hailer cells(10 cases, 13%), paradoxical curvature of middle turbinate(4 cases, 5%), lateral deviation of uncinate process(3 cases, 4%), and deviation of nasal septum(31 cases,41%).Conculusion : The PNS CT is an excellent imaging method providing detailed informations about the mucosal abnormality, pathological pattern, the anatomical structure and landmark, and bony variants prior to an operation. 목 적: 최근 만성 부비동염의 치료방법으로 기능적 내시경 부비동 수술이 널리 시행됨에 따라 단순촬영보다 더 정확하고 광범위한 정보 즉 점막이상과 병리양식, 해부구조와 경계, 골 변이 등을 알수있는 부비동 전산화 단층촬영을 많이 이용하는데 이들의 소견을 분석하여 술전에 적절한 계획은 수립하는데 도움을 주고자 한다. 대상 및 방법: 16개월 동안 본원에서 부비동 단층촬영을 시행한 환자중 만성부비동염 76명(남:여=49:27)을 대상으로 하였다. GE sytec 3000을 이용하였고 촬영방법은 ostiomeatal unit(OMU)가 위치하는 전두동 후연에서 후사골동 전연까지는 3mm로 얻었고 그외는 5mm두께로 절편을 얻었다. 결 과: 병리양식의 빈도를 살펴보면 Sinonasal polyposis가 56예(73.7%)로 가장 많았고 OMU 14예(18.4%), Infundibular pattern 4예(5.3%),SER 49예, 접형동 46예였다.정상 골 변이는 사골포 형성이상 25예(32.9%), 중비갑개봉소 20예(26.3%), Haller`s cells 10예(13.1%). 역으로 굽은 중비감개 4예(5.2%), 구상돌기의 외측편차 31예(40.8%)였다. 결 론: 부비동 전산화 단충촬영은 점막이상, 병리양식, 해부구조, 경계, 골 변이등에 대한 정보를 제공하여 수술계획은 세우는데 매우 우수한 검사법으로 사료된다.
PVC 대체 재료로서 SBS 재료의 자동차 부품 적용에 관한 연구
조 성훈(S.H.Cho),김학철(H.C.Kim),김효경(H.K.Kim),하종배(J.B.Ha) 한국자동차공학회 1997 한국자동차공학회 춘 추계 학술대회 논문집 Vol.1997 No.11_2
The selection of the plastics material for the automotive parts is very important step because it should be considered the all factors from the weight down. cost reduction. quality improvement at the application step to the recyclability at the disposal step. Nowadays. the material trend of the automotive parts is enlarging the amount of the environment-friendly material and using the environmentally harzadous materials such as PVC is being restricted gradually. So. in this study. some automotive parts are selected. and PP/SBS blend material is developed with considering the requirements for the each part as PVC replacing material.
사전 학습 언어 모델의 미세 튜닝을 활용한 버그 담당자 추천 기법
왕대성,성훈,이찬근 한국정보과학회 2022 정보과학회논문지 Vol.49 No.11
The scale and complexity of software continue to increase; hence they contribute to the occurrence of diverse bugs. Therefore, the necessity of systematic bug management has been raised. A few studies have proposed automating the assignment of bug fixers using word-based deep learning models. However, their accuracy is not satisfactory due to context of the word is ignored, and there is an excessive number of classes. In this paper, the accuracy was improved by about 27%p over the top-10 accuracies by using a fine-tuned pre-trained language model based on BERT, RoBERTa, DeBERTa, and CodeBERT. Experiments confirmed that the accuracy was about 70%. Through this, we showed that the fine-tuned pretrained language model could be effectively applied to automated bug-fixer assignments. 최근 소프트웨어의 규모와 복잡성이 지속해서 증가하고 있으며, 이는 다양한 버그를 유발하고 있다. 이에 따라 체계적 버그 관리의 필요성이 지속해서 제기되고 있다. 산업계에서는 다수의 연구들은 단어 기반의 학습 모델을 이용하여 버그 담당자 배정을 자동화하는 방법을 제시하였다. 하지만 이들은 대체로 단어 맥락 미고려, 클래스 개수 과다 등의 요인으로 정확도가 만족스럽지 못한 성능을 보인다. 본 논문에서는 BERT 및 이를 기반으로 한 RoBERTa, DeBERTa, CodeBERT등을 기반으로 사전 학습 언어 모델을 파인 튜닝하여 Top-10 정확도 기준 약 27%p의 정확도 향상을 이루어 냈으며, 결과적으로 약 70%의 정확도를 보이는 것을 실험을 통해 확인하였다. 이를 통해 파인 튜닝된 사전 학습 언어 모델 기반의 접근 방법이 버그 담당자 배정 자동화 문제에 효과적으로 적용될 수 있음을 보였다.