인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
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.
학술대회자료
Full-text
오류 신고하기해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
초록·키워드
Mild cognitive impairment (MCI) is an intermediate stage between normal aging and Alzheimer’s disease (AD) and is the only chance to stop progression to AD. Therefore, there is a need for research on biomarkers that can advance the early screening of MCI. In this study, electroencephalogram (EEG) data were recorded from six healthy controls, 10 MCI patients, and six AD patients while experiencing intermittent photic stimulation for two minutes. Steady-state visual evoked potential (SSVEP) was quantified from the collected EEG data. Using these EEG-SSVEP data, we proposed a concatenated structure of a convolutional long short-term memory and convolutional neural network. Our proposed model was evaluated by 5-fold cross validation (i.e., 87.86% accuracy, 87.86% sensitivity, 97.92% specificity, and 88.79% F1-score). Overall, our findings showed that deep learning model analysis of EEG-SSVEP data is useful for early screening of patients with AD and MCI.
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
