닫기
Loading..

전자정보연구정보센터 ICT 융합 전문연구정보의 집대성

국내 논문지

홈 홈 > 연구문헌 > 국내 논문지 > 한국정보과학회 논문지 > 정보과학회논문지 (Journal of KIISE)

정보과학회논문지 (Journal of KIISE)

Current Result Document : 1 / 15

한글제목(Korean Title) 간질 환자 분류를 위한 DNN 기반 간질 뇌파 검출 시스템
영문제목(English Title) A DNN-based Epileptic EEG Detection System for Epileptic Patient Classification
저자(Author) 박원준   박진혁   이영호   Won Jun Park   Jin Hyeok Park   Young Ho Lee  
원문수록처(Citation) VOL 46 NO. 12 PP. 1291 ~ 1295 (2019. 12)
한글내용
(Korean Abstract)
간질은 발작으로 온몸이 꼬이고 입에 거품을 물며 의식을 잃는 뇌 질환으로 전 세계적으로 4~5천만에 이르는 인구가 앓고 있는 흔한 질병이다. 간질은 예측이 불가능하기 때문에 간질 환자는 항상 신체 손상의 위험에 노출되어 있다. 따라서 간질 환자를 발작 전에 분류해내어 사고를 예방하는 것이 중요하다. 본 연구에서는 간질 환자를 진단하기 위한 DNN 기반 간질 뇌파 검출 시스템을 제안한다. 정상인과 간질 환자의 뇌파 데이터를 사용하여 연구를 진행하였다. 데이터의 불균형 문제를 해결하기 위해 ADASYN 기법을 사용하였고, IPCA 기법을 사용하여 간질 뇌파 검출 시에 필요한 중요한 특징들을 추출하였다. 추출된 특징들을 DNN기반의 4가지 최적화 알고리즘에 적용하여 모델을 구축하고 성능평가를 진행하였다. 실험 결과 Nadam 알고리즘을 사용한 최적화 모델이 97.6%의 정확도와 0.997의 AUC 값으로 가장 높은 성능을 나타냈다. 이 최적화 모델을 사용하여 의사는 뇌파검사 시에 높은 정확도로 간질 환자를 분류할 수 있을 것이다.
영문내용
(English Abstract)
Epilepsy is a brain disease that causes the whole body to twist with bubbles around the mouth. Patient with epilepsy can lose consciousness. About 40 to 50 million people around the world suffer from epilepsy. Because epilepsy is unpredictable, epileptic patients are always exposed to the risk of physical damage. Therefore, it is important to classify epileptic patients before they have seizures to prevent accidents. In this study, we propose a DNN - based epileptic EEG detection system to classify epilepsy patients. EEG data from normal and epileptic patients were used for this study. In data preprocessing, the ADASYN technique was used to reduce data imbalance and important features were extracted using the IPCA technique. These extracted features were applied to four optimization algorithms of deep learning. A model was constructed and its performance was evaluated. Experimental results showed that the optimized model using the Nadam algorithm had the highest performance with an accuracy of 97.6% and an AUC value of 0.997. Using this optimized model, physicians will be able to diagnose epilepsy patients with high accuracy during EEG.
키워드(Keyword) 간질 뇌파   ADASYN   IPCA   DNN   IPCA   DNN   optimization algorithm   최적화 알고리즘   epileptic EEG   ADASYN  
원문 PDF 다운로드