주성분 분석과 수면 2기를 이용한 수면 장애 분류

국문 초록 (Abstract)

본 논문은 수면 2기의 EEG 선호와 주성분 분석(principle component analysis)을 이용하여 수면 장애를 분류하는 방안을 제안하고 있다. 초기 특징을 추출하기 위해서 첫 번째 단계에서는 수면 2기의 EEG 신호가 고속 푸리에 변환(fast Fourier transforms)에 의해서 잡음을 제거하는 과정이 수행되었다. 잡음이 제거 된 EEG 신호를 두 번째 단계에서는 주성분 분석을 이용하여 5개의 차원으로 축소하였다. 마지막 단계에서는 축소된 5개의 차원을 가중 퍼지소속함수 기반 신경망(neural network with weighted fuzzy membership functions, NEWFM)의 입력으로 사용하여 분류성능을 측정하였다. 분류성능에 있어서 정확도(accuracy), 특이도(specificity), 민감도(sensitivity)가 모두 100%로 나타났다.

다국어 초록 (Multilingual Abstract)

This paper presents a methodology for classifying sleep disturbance using electroencephalogram (EEG) signal at sleep stage 2 and principal component analysis. For extracting initial features, fast Fourier transforms(FFT) were carried out to remove some noise from EEG signal at sleep stage 2. In the second phase, we used principal component analysis to reduction from EEG signal that was removed some noise by FFT to 5 features. In the final phase, 5 features were used as inputs of NEWFM to get performance results. The proposed methodology shows that accuracy rate, specificity rate, and sensitivity were all 100%.

목차 (Table of Contents)

• 요약
• Abstract
• Ⅰ. 서론
• Ⅱ. 수면 장애(Sleep Disturbance) 분류모델의 설계
• Ⅲ. 가중 퍼지소속함수 기반 신경망 (Neural Network with Weighted Fuzzy Membership Function, NEWFM)
• Ⅳ. 실험 결과 (Experimental Results)
• Ⅴ. 결론
• 참고문헌
• 저자소개

참고문헌 (Reference)

1 이상홍, "운동 형상 분류를 위한 웨이블릿 기반 최소의 특징 선택" 한국콘텐츠학회 10 (10): 27-34, 2010

2 이상홍, "걸음걸이 분석 기반의 파킨슨병 분류를 위한 특징 추출" 한국인터넷정보학회 11 (11): 13-20, 2010

3 D. J. Dijk, "Variation of electroencephalographic activity during non-rapid eye movement and rapid eye movement sleep with phase of circadian melatonin rhythm in humans" 505 : 851-858, 1997

4 Y. S. Chung, "Pathophysiology and Diagnosis of Sleep Apnea" 20 (20): 2010

5 Rajendra Acharya, "Non-linear analysis of EEG signals at various sleep stages" 80 : 37-45, 2005

6 E. O. Bixler, "Nocturnal sleep and wakefulness: effects of age and sex in normal sleeper" 23 : 33-42, 1984

7 T.L.Baker, "Medical clinics of north america" Saunders 1985

8 S. H. Lee, "Forecasting KOSPI based on a neural network with weighted fuzzy membership functions" PERGAMON-ELSEVIER SCIENCE LTD 38 (38): 4259-4263, 201104

9 J.S.Lim, "Finding Features for Real-Time Premature Ventricular Contraction Detection Using a Fuzzy Neural Network System" 20 : 522-527, 2009

10 Salih Güneş, "Efficient sleep stage recognition system based on EEG signal using k-means clustering based feature weighting" 37 : 7922-7928, 2010

11 J. M. Lee, "Detrended fuctuation analysis of EEG in sleep apnea using MIT=BIH polysomnography data" 32 : 37-47, 2002

12 Elif Derya Übeyli, "Adaptive neuro-fuzzy inference system employing wavelet coefficients for detection of alterations in sleep EEG activity during hypopnoea episodes" 20 : 678-691, 2010

13 J. S. Lim, "A neuro-fuzzy approach for diagnosis of antibody deficiency syndrome" 69 : 969-974, 2006