지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 최영석
- 발행연도
- 2021
- 저작권
- 광운대학교 논문은 저작권에 의해 보호받습니다.
이용수39
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
뇌전증은 유도되지 않은 발작이 24시간 이상의 간격을 두고 반복적으로 발
생하는 전 세계에서 가장 흔한 만성 신경 질환 중 하나이다. 뇌전증의 특징인
뇌전증 발작은 뇌 세포의 비정상적인 신경 활동의 과도화 혹은 동기화로 인하
여 발생하며, 이러한 뇌전증 발작으로 인해서 뇌전증 환자들은 정상인에 비해
최대 세 배 높은 사망의 위험성을 가진다. 전 세계에서 약 오천만 명이 뇌전
증을 앓고 있고 그들의 대부분이 적절한 진단과 치료만 받으면 뇌전증 발작의
위험에서 벗어날 수 있는 것으로 추정된다.
뇌전증 발작을 제어 및 치료하기 위하여 뇌의 전기적 활동을 비침습적으로
측정하는 뇌전도(Electroencephalogram, EEG)가 주로 사용된다. EEG는 비선
형성(Non-linearity)과 비정상성(Non-stationarity)의 특성을 가지며, 이러한 특
성을 고려하여 여러 비선형적 방법을 통한 뇌전증 발작 검출 기법들이 연구되
었다. 여러 비선형적 방법 중 시계열의 복잡성을 측정하는 엔트로피(Entropy)
방법이 노이즈가 많고 길이가 짧은 생리학적 시계열에 적합하여 주로 사용되
었다. 그러나 근사 엔트로피(Approximate Entropy, ApEn) 또는 샘플 엔트로
피(Sample Entropy, SampEn)와 같은 전통적인 엔트로피 방법들은 미리 결정
된 매개변수와 입력 시계열 길이에 의존적인 단점을 가지고 있다. 또한, 단일
스케일(single scale) 엔트로피 분석은 생리학적 시계열에 내재된 여러 시간
스케일에 대한 정보를 설명하지 못 하여 엔트로피 기법이 정량화한 무작위성
이 생리학적 시계열의 복잡성과 일치하지 않을 수 있다. 따라서 본 논문에서는 이러한 단점을 보완한 분배 엔트로피(Distribution Entropy, DistEn)에 다
중스케일 과정을 적용한 다중스케일 분배 엔트로피(Multiscale Distribution
Entropy, MDE)를 제시하며, 뇌전증 발작 검출을 위하여 단기 뇌전증 EEG 신
호에 MDE 분석을 수행하였다. 실제 정상 및 뇌전증 EEG 데이터를 사용하여
MDE의 성능을 검증하였고, 통계적 분석을 통하여 기존 단일스케일 및 다중
스케일 엔트로피 기법과 비교하였다. 실험 결과는 MDE가 단기 뇌전증 EEG
데이터에 대하여 기존 엔트로피 기법들보다 정상, 발작 간기, 발작 EEG 데이
터의 구별에 뛰어난 성능을 보이는 것을 보여준다.
생하는 전 세계에서 가장 흔한 만성 신경 질환 중 하나이다. 뇌전증의 특징인
뇌전증 발작은 뇌 세포의 비정상적인 신경 활동의 과도화 혹은 동기화로 인하
여 발생하며, 이러한 뇌전증 발작으로 인해서 뇌전증 환자들은 정상인에 비해
최대 세 배 높은 사망의 위험성을 가진다. 전 세계에서 약 오천만 명이 뇌전
증을 앓고 있고 그들의 대부분이 적절한 진단과 치료만 받으면 뇌전증 발작의
위험에서 벗어날 수 있는 것으로 추정된다.
뇌전증 발작을 제어 및 치료하기 위하여 뇌의 전기적 활동을 비침습적으로
측정하는 뇌전도(Electroencephalogram, EEG)가 주로 사용된다. EEG는 비선
형성(Non-linearity)과 비정상성(Non-stationarity)의 특성을 가지며, 이러한 특
성을 고려하여 여러 비선형적 방법을 통한 뇌전증 발작 검출 기법들이 연구되
었다. 여러 비선형적 방법 중 시계열의 복잡성을 측정하는 엔트로피(Entropy)
방법이 노이즈가 많고 길이가 짧은 생리학적 시계열에 적합하여 주로 사용되
었다. 그러나 근사 엔트로피(Approximate Entropy, ApEn) 또는 샘플 엔트로
피(Sample Entropy, SampEn)와 같은 전통적인 엔트로피 방법들은 미리 결정
된 매개변수와 입력 시계열 길이에 의존적인 단점을 가지고 있다. 또한, 단일
스케일(single scale) 엔트로피 분석은 생리학적 시계열에 내재된 여러 시간
스케일에 대한 정보를 설명하지 못 하여 엔트로피 기법이 정량화한 무작위성
이 생리학적 시계열의 복잡성과 일치하지 않을 수 있다. 따라서 본 논문에서는 이러한 단점을 보완한 분배 엔트로피(Distribution Entropy, DistEn)에 다
중스케일 과정을 적용한 다중스케일 분배 엔트로피(Multiscale Distribution
Entropy, MDE)를 제시하며, 뇌전증 발작 검출을 위하여 단기 뇌전증 EEG 신
호에 MDE 분석을 수행하였다. 실제 정상 및 뇌전증 EEG 데이터를 사용하여
MDE의 성능을 검증하였고, 통계적 분석을 통하여 기존 단일스케일 및 다중
스케일 엔트로피 기법과 비교하였다. 실험 결과는 MDE가 단기 뇌전증 EEG
데이터에 대하여 기존 엔트로피 기법들보다 정상, 발작 간기, 발작 EEG 데이
터의 구별에 뛰어난 성능을 보이는 것을 보여준다.
목차
제 1장. 서론 ····································································································11.1 연구 배경 및 목표 ·························································································11.2 연구의 필요성 ·································································································5제 2장. 기존 엔트로피 기법 ······································································ 82.1 샘플 엔트로피(Sample Entropy) ·······························································82.2 분배 엔트로피(Distribution Entropy) ····················································112.3 다중스케일 샘플 엔트로피(Multiscale Sample Entropy) ················ 13제 3장. 제안하는 다중스케일 분배 엔트로피 기법 ·························· 163.1 Coarse Graining 절차 기반의 다중스케일 분배 엔트로피 (Multiscale Distribution Entropy) ····································································163.2 Moving Averaging 절차 기반의 다중스케일 분배 엔트로피(Multiscale Distribution Entropy) ····································································17제 4장. 실험 결과 ·······················································································214.1 검증에 사용된 데이터 ················································································214.2 엔트로피(Entropy) 분석 결과 ··································································234.3 통계적 분석 결과 ·························································································324.3.1 Mann-Whitney 검증 결과 ····························································324.3.2 수신자 조작 특성(Receiver Operating Characteristic) 분석 결과 ··························································································································45제 5장. 결론 ··································································································55참고문헌 ·········································································································57
최근 본 자료
댓글(0)
0