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 : 장진흥(Zhen-Xing Zhang) (검색결과 4 건)
- 무료
- 기관 내 무료
- 유료
-
-
감성콘텐츠 자극에 의한 HRV 신호와 피로의 연관성에 관한 연구
장진흥(Zhen-Xing Zhang),임준식(Joon S. Lim) 한국지능시스템학회 2011 한국지능시스템학회 학술발표 논문집 Vol.21 No.1
본 연구에서는 감성콘텐츠 자극에 의한 심박수변이도(HRV) 분석을 통하여 자율신경계의 변화에 따라 피로와의 연관성을 알아보고, HRV 평가지표 중 피로와 관련성 있는 지표를 살펴본다. 본 논문의 실험방법은 Krupp의 자가평가 피로도 설문지(SFS, Self-rating Fatigue Scale)를 통해 15명의 피로 환자와 15명의 건강한 피험자들을 구별해내고, 이 피험자들이 13분의 감성 콘텐츠를 보면서 무선 홀터 심장모니터를 이용하여 ECG 신호를 수집하였다. 13분 동안 수집된 ECG신호에서 R-R간격 추출 알고리즘 통해 HRV를 얻었다. 자율신경계와 HRV 연관성을 분석하기 위하여, HRV의 시간영역 특징 SDNN, RMSSD와 주파수영역 특징 VLF, LF, HF, LF/HF rate 6개의 특징을 추출한다. 이런 HRV특징들은 통계기법에 따라 주파수 영역 특징 VLF가 높을 때와 LF가 낮을 때 피로상태를 가지고 있었다. 향후에는 퍼지신경망 기반에 이러한 HRV 시간-주파수 특징들을 이용하여 실시간 피로 검출 알고리즘을 개발할 수 있다.
-
Neuro-Fuzzy Network-based Depression Diagnosis Algorithm Using Optimal Features of HRV
장진흥(Zhen-Xing Zhang),전설위(Xue-Wei Tian),임준식(Joon S. Lim) 한국콘텐츠학회 2012 한국콘텐츠학회논문지 Vol.12 No.2
본 논문은 가중 퍼지소속함수 기반 신경망 (Neural Network with Weighted Fuzzy Membership functions, NEWFM)과 심박수 변이도(Heart Rate Variability, HRV)를 이용하여 우울증 진단알고리즘을 제안하고 있다. 본 알고리즘에서 사용할 NEWFM의 입력특징을 추출하기 위해서 주파수도메인 특징추출, 시간도메인 특징추출, 웨이블릿변환 특징추출, 포인케어변환 특징추출 방법을 이용하여 22개의 초기 HRV특징들을 추출하였다. 또한 NEWFM에서 제공하는 비중복면적 분산측정법 (Non-overlap Area Distribution Measurement, NADM)에 의해 입력특징의 중요도를 평가하여 22개의 초기특징으로부터 중요도가 가장 높은 6개 최적입력특징을 선택하였다. 이 6개 특징을 이용하여 우울증을 진단한 결과는 95.8%의 정확도를 나타내었다. This paper presents an algorithm for depression diagnosis using the Neural Network with Weighted Fuzzy Membership functions (NEWFM) and heart rate variability (HRV). In the algorithm, 22 different features were initially extracted from the HRV signal by frequency domain, time domain, wavelet transformed, and Poincare transformed feature extraction methods; of these 6 optimal features were selected by significance evaluation using Non-overlap Area Distribution Measurement (NADM) based on NEWFM. The proposed algorithm uses these 6 optimal features to diagnose depression with an accuracy of 95.83%.
-
Comparison of HRV Time and Frequency Domain Features for Myocardial Ischemia Detection
전설위(Xue-Wei Tian),장진흥(Zhen-Xing Zhang),이상홍(Sang-Hong Lee),임준식(Joon S. Lim) 한국콘텐츠학회 2011 한국콘텐츠학회논문지 Vol.11 No.3
심박 변이도 (HRV) 분석은 심근허혈 (MI)를 평가하기 위한 편리한 도구이다. HRV에 대한 분석법은 시간 영역과 주파수 영역 분석으로 나눠질 수 있다. 본 논문은 단기간의 HRV 분석에 있어서 웨이블릿 변환을 주파수 영역 분석과 시간 영역 분석 비교하기 위하여 사용하였다. ST-T와 정상 에피소드는 각각 European ST-T 데이터베이스와 MIT-BIH Normal Sinus Rhythm 데이터베이스에서 각각 수집되었다. 한 에피소드는 32개 연속하는 RR 간격으로 나눠질 수 있다. 18개 HRV 특징은 시간과 주파수 영역 분석을 통하여 추출된다. 가종 퍼지소속함수 신경망 (NEWFM)은 추출된 18개의 특징을 이용하여 심근허혈을 진단하였다. 결과는 보여주는 평균 정확도로부터 시간영역과 주파수영역의 특징은 각각 75.29%와 80.93%이다. Heart Rate Variability (HRV) analysis is a convenient tool to assess Myocardial Ischemia (MI). The analysis methods of HRV can be divided into time domain and frequency domain analysis. This paper uses wavelet transform as frequency domain analysis in contrast to time domain analysis in short term HRV analysis. ST-T and normal episodes are collected from the European ST-T database and the MIT-BIH Normal Sinus Rhythm database, respectively. An episode can be divided into several segments, each of which is formed by 32 successive RR intervals. Eighteen HRV features are extracted from each segment by the time and frequency domain analysis. To diagnose MI, the Neural Network with Weighted Fuzzy Membership functions (NEWFM) is used with the extracted 18 features. The results show that the average accuracy from time and frequency domain features is 75.29% and 80.93%, respectively.
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
