Utilization of EEG-SSVEP Neurological Biomarkers and Machine Learning for Early Detection of Mild Cognitive Impairment :경도인지장애의 조기 검출을 위한 EEG-SSVEP 신경학적 생체표지자와 기계 학습의 활용

김도현

학위논문

저자정보: 김도현 (서울과학기술대학교 )

이용 2 피인용 0

검색

초록·키워드

제목: 경도인지장애의 조기 검출을 위한 EEG-SSVEP 신경학적 생체표지자와 기계 학습의 활용
알츠하이머병(Alzheimer''s Disease, AD)은 비가역적인 질환으로 정상으로 회복이 힘든 질환입니다. 따라서 AD를 예방하기 위해 인지 저하 단계를 지연시키고 회복할 수 있는 경도인지장애(Mild Cognitive Impairment, MCI)의 조기 발견이 매우 중요합니다. 그러나 기존의 MCI 조기 발견 방법으로 종합 신경 검사가 활용되고 있지만, 환자의 주관적인 소견에 따라 해석이 달라질 수 있어 객관적인 측정을 위해 바이오마커를 통한 MCI 선별 연구가 필요합니다. 최근 MCI 조기 발견을 위한 바이오마커 연구에서는 인식 및 행동을 평가할 수 있는 바이오마커가 MCI 조기 선별에 효과적인 성능을 보였습니다. 이러한 결과는 뇌의 시각 정보를 처리하는 시각 경로에 손상이 있음을 시사합니다. 이런 맥락에서, 실시간 신경 변화를 관측할 수 있는 비침습적 측정 도구인 뇌파(EEG)는 시각 자극 패러다임인 안정 상태 시각 유발 전위(EEG-SSVEP)와 결합할 때 시각 자극에 대한 시각 경로의 시각 처리 활동을 정량화하는 데 용이합니다. 본 연구에서는 24명의 건강한 대조군과 25명의 MCI 환자를 대상으로 EEG-SSVEP 데이터를 기반으로 한 MCI 조기 발견을 위한 머신러닝 모델을 개발하고 검증하였습니다. 시각 처리를 평가하기 위해 시각경로의 시각 자극 반응 관점에서 lobe power ratio를, 시각 자극 전달 관점에서 lobe connectivity ratio를 평가하였으며, 각 lobe의 시각자극의 전달을 정밀하게 측정하기 위해 frequency band별 자극 전달을 평가하는 band connectivity ratio를 biomarker로 추출하였습니다. 추출된 biomarker들은 바이오마커 선택을 통해 MCI 환자를 구별하는 데 가장 관련성이 높은 6개의 EEG-SSVEP 바이오마커를 식별하였습니다. 이후, 서포트 벡터 머신으로 훈련시킨 결과 정확도 96.27%, 민감도 94.12%, 특이도 98.74%를 보였습니다. 이 연구는 EEG-SSVEP 데이터와 머신러닝을 활용하여 시각 경로의 ventral 및 dorsal stream 내의 인지 저하를 평가함으로써 MCI 조기 발견을 향상시키는 귀중한 통찰을 제공합니다.

Title: Utilization of EEG-SSVEP Neurological Biomarkers and Machine Learning for Early Detection of Mild Cognitive Impairment
Alzheimer''s disease (AD) is marked by its gradual and irreversible progression that is difficult to recover from. Therefore, early detection of Mild Cognitive Impairment (MCI), which can delay and potentially reverse cognitive decline, is crucial for preventing AD. However, current methods for early detection of MCI typically rely on comprehensive neuropsychological test, which can vary in interpretation depending on the patient''s subjective findings. Therefore, there is an urgent need for research into MCI screening using biomarkers to ensure objective measurement. Recent biomarker research for early detection of MCI has shown that biomarkers capable of evaluating object and spatial recognition demonstrate effective performance in early MCI screening. These findings suggest compromise in the visual pathway responsible for processing visual information in the brain. In this context, electroencephalography (EEG), a non-invasive measurement tool capable of observing real-time neural changes, facilitates the quantification of visual processing activity in visual pathway when combined with the visual stimulation paradigm, the steady-state visual evoked potential (EEG-SSVEP). In this study, we developed and validated a machine learning model for the early detection of MCI based on EEG-SSVEP data, using 24 healthy controls and 25 patients with MCI. To extract biomarker from visual processing of visual pathway, we evaluated lobe power ratio from the perspective of visual stimulus response and lobe connectivity ratio from the viewpoint of visual stimulus transmission. For a more precise measurement of visual transmission in each lobe, the band connectivity ratio utilized the differences in frequency bands via transmission of visual stimuli. These extracted biomarkers quantified cognitive decline within the visual pathway, and through biomarker selection, we identified six EEG-SSVEP biomarkers most relevant for distinguishing between healthy controls and MCI patients. Subsequently, a support vector machine was trained using these six biomarkers for early MCI detection. The results showed an accuracy of 96.27%, sensitivity of 94.12%, and specificity of 98.74%. This study provides valuable insights into enhancing the early detection of MCI by leveraging EEG-SSVEP data and machine learning to evaluate cognitive decline within the dorsal and ventral streams of the visual pathway.

#brain computer interface #human cognition #steady-state visual evoked potentials

Abstract i
List of tables v
List of figures vi
List of equations viii
1. Introduction 1
1.1. Background 1
1.2. Objectives of the dissertation 2
1.3. Layout of the dissertation 3
2. Related work 3
2.1. The importance of early screening mild cognitive impairment 3
2.2. The importance of visual pathway as biomarkers 5
3. Method 7
3.1. Participants 7
3.2. EEG recording 9
3.3. EEG preprocessing 11
3.4. Biomarker extraction 13
3.4.1. Lobe power ratio analysis 16
3.4.2. Lobe & Band connectivity ratio analysis 17
3.5. Biomarker selection 18
3.5.1. Filter method 19
3.5.2. Embedded method 20
3.6. Machine learning analysis 20
4. Results 23
4.1. Comparative analysis between healthy controls and MCI patients using a filter method 23
4.1.1. Lobe power ratio analysis results 23
4.1.2. Lobe connectivity ratio analysis results 24
4.1.3. Band connectivity ratio analysis results 24
4.2. Evaluation of linear separability for selected biomarkers 26
4.3. Performance of the models trained with the selected biomarkers 27
4.4. Comparative analysis of early mild cognitive impairment detection 30
5. Discussion 32
5.1. Neurophsiological insights into EEG-SSVEP related to cognitive decline in MCI 32
5.2. Limitations and future work 39
6. Conclusion 40
References 41
국문초록 47
Acknowledgments 48

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

목차

최근 본 자료 전체보기

댓글(0)