http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
심희동(Hee-Dong Sim),정미리(Mi-Ri Jeong),이미현(Mi-Hyun Lee),양석조(Seok-Jo Yang) 대한기계학회 2020 大韓機械學會論文集B Vol.44 No.4
대부분의 치매는 비가역적이기 때문에 조기 진단이 매우 중요하다. 하지만 현재 사용되고 있는 치매 진단 방법은 많은 한계점들을 가지고 있다. 이러한 문제를 해결하기 위해 치매와 정상인을 분류하기 위한 다양한 연구가 진행되어 왔다. 본 연구에서는 뇌파를 사용하여 정상인과 치매 환자를 분류하기 위해 신호 처리 방법과 일차원 합성곱 인공신경망 분류기를 제안한다. 치매 환자 13명과 정상인 115명의 뇌파 신호를 사용하였으며, 국소 푸리에 변환된 데이터셋으로 제안된 분류기의 성능을 교차 검증하였다. 제안된 인공신경망의 분류 성능은 두 개의 전극만으로 정확도 86.04%, 민감도 82.53%, 특이도 88.69%의 높은 성능을 나타내었다. 이를 통해 본 연구에서 제안된 일차원 합성곱 인공신경망 분류기와 신호 처리 방법이 정상인과 치매 환자의 뇌파를 높은 정확도로 분류할 수 있음을 확인하였다. Since most dementia cases are irreversible, early diagnosis is critical. However, dementia diagnosis methods have several limitations. In this regard, numerous studies have tried to classify dementia patients and healthy persons. In this study, we propose a 1-dimensional (1D) convolution neural network classifier and signal processing methods to distinguish between dementia patients and healthy persons through electroencephalography (EEG). We used EEG data from 13 dementia patients and 115 healthy people. In addition, a dataset transformed by the short-time Fourier transform was used to cross-validate the proposed artificial neural network classifier. The performance of the proposed classifier was 86.04 % accuracy, 82.53 % sensitivity, and 88.69 % specificity. This is a remarkable performance for only two electrodes. These results confirmed that EEG of healthy persons and dementia patients can be classified accurately with the 1D convolution neural network classifier and the signal processing methods proposed in this study.