인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
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.
피인용 0
초록·키워드
치매는 기억, 인지장애를 동반하는 노인질환으로, 증상 완화와 중증화 지연을 위해선 조기진단이 매우 중요하다. 그러나 현재 치매의 진단은 큰 비용과 높은 전문성을 요구하여 조기진단 및 치료가 어려운 실정이다. 본 연구에서는 건식 방식으로 수집된 19채널 뇌파(electroencephalogram) 데이터(정상군 50명, 경도인지장애군 175명)를 머신러닝 및 딥러닝 모델의 학습 및 테스트에 사용하여 치매의 조기진단에 적합한 모델 및 하이퍼파라미터 세팅을 제안한다. 기존의 연구들이 습식 방식으로 수집된 64채널 고해상도 뇌파 데이터를 활용한 반면, 본 연구는 연구자 및 환자의 측정부담이 적은 건식 방식의 19채널 뇌파 데이터를 활용했다는 점에서 차별성을 가진다. 실험은 앙상블 기반의 AutoML 머신러닝 알고리즘인 Auto-sklearn과 딥러닝 모델 3종(ShallowFBCSPNet, Deep4Net, EEGNet)으로 이진 분류기를 훈련한 후 성능을 비교하는 방식으로 진행되었다. 그 결과, EEGNet이 가장 우수한 성능 (정확도=68.9%)을 냈다. 다음으로, 데이터 불균형으로 인한 과적합 문제를 해결하기 위해 EEGNet에 데이터 불균형 처리 알고리즘 4종(class weight, Gaussian noise, frequency shift, undersampling)을 각각 적용한 뒤 성능 개선 여부를 확인했다. 그 결과, EEGNet에 Gaussian Noise를 적용했을 때 가장 우수한 성능 (정확도=78.9%)을 냈다. 본 연구 결과는 19채널 건식 뇌파 데이터와 제안된 방법의 조합이 치매의 조기진단에 활용될 가능성이 있음을 보인다.
본문·목차
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
