메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Vasily Sachnev (The Catholic University of Korea) Belathur Suresh Mahanand (JSS Science and Technology University)
저널정보
한국디지털콘텐츠학회 디지털콘텐츠학회논문지 디지털콘텐츠학회논문지 제25권 제2호
발행연도
2024.2
수록면
475 - 483 (9page)
DOI
10.9728/dcs.2024.25.2.475

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
본 논문은 Structural MRI를 기반으로 한 효율적인 주의력결핍 과잉행동장애(ADHD) 진단 시스템을 제시한다. 이 시스템은 Region-of-Interest(ROI) 접근 방식을 사용하여 ADHD-200 데이터베이스에 존재하는 7개 뇌 영역(Amygdala, Caudate, Cerebellar Vermis, Corpus Callosum, Hippocampus, Striatum, and Thalamus)의 Structural MRI에서 특징들을 추출한다. 추출된 특징들을 활용하여 ADHD를 세 가지 하위 유형(ADHD-C, ADHD-H, ADHD-I)와 TDC(Typical Development Controls)을 분류하기 위해 효율적인 분류기의 훈련을 시도한다. 효율적인 훈련을 위해 유전 알고리즘을 기반으로 특별히 맞춤화된 ROI 선택 방법(roiFSM)을 통해 ~40000개의 추출된 ROI 세트를 처리하고 가장 중요한 ROI의 하위 세트를 선택한다. 선택된 ROI 하위 집합은 Extreme Learning Machine을 사용하여 효율적인 ADHD 분류기를 훈련한다. 실험 결과는 제안된 본 접근 방식이 전반적인 테스트 정확도의 관점에서 기존 기술보다 우수한 성능을 지닌다는 점을 분명하게 보여준다.

목차

요약
Abstract
Ⅰ. Introduction
Ⅱ. ADHD-200 database
III. Proposed Efficient ADHD Diagnostic Technique
IV. Extreme Learning Machine
V. Experimental Results
VI. Conclusion
참고문헌

참고문헌 (0)

참고문헌 신청

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-24-02-089440455