Earticle

본 연구의 목적은 다양한 연령과 체중의 사람들을 대상으로 걷기 시간과 수명 간의 상관관계를 분석하여 걷기 운동의 건강 효과를 입증하는 것이다. 연구는 Python과 관련 라이브러리를 사용하여 데이터를 수집하고 전처 리한 후, 피어슨 상관계수를 통해 걷기 시간과 수명 간의 관계를 분석하였다. 연구 기간은 6개월로 설정되었다. 분석 결과, 걷기 시간이 증가할수록 수명이 연장되는 경향이 관찰되었으며, 이는 비타민 B2 섭취량과 엽산 섭취량 을 대리변수로 사용한 데이터에서도 유사하게 나타났다. 이러한 결과는 걷기 운동이 건강 증진과 수명 연장에 긍정 적인 영향을 미칠 수 있음을 시사하며, 향후 개인 맞춤형 건강 관리 서비스 개발과 관련 정책 수립에 기초 자료로 활용될 수 있다.

The purpose of this study is to analyze the correlation between walking time and lifespan across individuals of various ages and weights to validate the health benefits of walking exercise. The research utilized Python and related libraries to collect and preprocess data, and then analyzed the relationship between walking time and lifespan using Pearson's correlation coefficient. The study was conducted over a period of six months. The analysis results showed a trend towards increased lifespan with longer walking times, which was similarly observed in data using vitamin B2 and folate intake as surrogate variables. These findings suggest that walking exercise may have a positive impact on health and lifespan, and can be used as foundational data for the development of personalized health management services and related policy formulation.

본 논문은 단일 영상 기반의 초해상도에서 결과의 품질을 개선하기 위해 적응형 가중치를 적용한 잔차 블 록으로 구성된 다중 블록 구조를 이용하는 방법을 제안하였다. 딥러닝을 이용한 초해상도를 생성하는 과정에서 품질 향상을 위한 가장 중요한 요소는 특징 추출 및 적용이다. 해상도가 낮아 이미 손실된 세부사항을 복원하기 위해 다 양한 특징을 추출하는 것이 최우선이지만 네트워크의 구조가 깊어지거나 복잡해지는 등의 문제가 발생하기 때문에 실제 적용에서 제한사항이 있다. 따라서 특징 추출 과정은 효율적으로 구성하고 적용 과정을 개선하여 품질을 개선 하였다. 이를 위해 최초 특징 추출 이후 다중 블록 구조를 구성하였고 블록 내부에는 중첩된 잔차 블록을 구성한 뒤 적응형 가중치를 적용하였다. 또한 최종 고해상도 복원을 위해 다중 커널을 이용한 영상 재구성 과정을 적용함으로 써 결과물의 품질을 향상시켰다. 평가를 위해 원본 영상 대비 PSNR과 SSIM 값을 구하였고 기존 알고리즘과 비교 하여 제안하는 방법의 성능 향상을 확인하였다.

In this paper, proposes a method using a multi block structure composed of residual blocks with adaptive weights to improve the quality of results in single image super resolution. In the process of generating super resolution images using deep learning, the most critical factor for enhancing quality is feature extraction and application. While extracting various features is essential for restoring fine details that have been lost due to low resolution, issues such as increased network depth and complexity pose challenges in practical implementation. Therefore, the feature extraction process was structured efficiently, and the application process was improved to enhance quality. To achieve this, a multi block structure was designed after the initial feature extraction, with nested residual blocks inside each block, where adaptive weights were applied. Additionally, for final high resolution reconstruction, a multi kernel image reconstruction process was employed, further improving the quality of the results. The performance of the proposed method was evaluated by calculating PSNR and SSIM values compared to the original image, and its superiority was demonstrated through comparisons with existing algorithms.

본 연구의 목적은 고전음악청취가 임상실습 간호대학생의 불안과 심리적 안녕감에 미치는 효과를 알아보 기 위해 수행되었다. 본 연구는 56명의 임상실습 중인 간호대학생을 대상으로 2주간 진행하였으며, 일반적 특성 은 기술통계로 분석하였고 음악청취 전 후 불안과 심리적 안녕감은 t-test를 이용하여 분석하였다. 본 연구 결과 고전음악청취는 불안을 감소시키고(t=2.49, p=.013) 심리적 안녕감을 향상시킬 수 있음을 확인하였다(t=4.18, p=.008). 본 연구 결과를 통하여 고전음악청취를 임상실습 간호대학생에게 적용하고 이들의 불안을 완화시키고 심리적 안녕감을 향상시킬 수 있는 중재를 탐색하는 것이 필요하다고 할 수 있다.

The aim of this study was to examine the effectiveness of classic music listening for the release anxiety and improvement psychological well being in undergraduate nursing students during clinical practicer. 56 participants received classic music listening weekly for a period of overall 2 weeks program. In experimental group, anxiety (t=2.49, p=.013) have decreased significantly comparing to the control group. Psychological well being (t=4.18, p=.008) have increased significantly comparing to the control group. Conclusions: Classic music listening may be effective at reducing anxiety and improving psychological well being in undergraduate nursing students during clinical practice.