대한의용생체공학회:의공학회지 (Journal of Biomedical Engineering Research)

  • 제20권6호
  • /
  • Pages.555-560
  • /
  • 1999
  • /
  • 1229-0807(pISSN)
  • /
  • 2288-9396(eISSN)
대한의용생체공학회 (The Korean Society of Medical and Biological Engineering)
권호 표지

신경망과 웨이브렛 변환을 이용한 뇌전도의 간질 극파 검출

The Detection of Epileptic Spikes in EEG using Neural Network

  • 최혜원 (연세대학교 보건과학대학 의용전자공학과) ;
  • 이성수 (연세대학교 의공학연구소) ;
  • 윤영로 (연세대학교 원주의과대학 신경과학교실)
  • 발행 : 1999.12.01
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

간질은 신경세포의 일부가 짧은 시간동안 과도한 전기를 발생시킴으로써 일어나는 신경계의 발작적 증상으로 배경 활동파와는 구별되는 극파, 예파, 예파와 서파를 동반한 극서파 복합(sharp and slow complexes)의 뇌파 특징파를 갖는다. 장시간의 뇌파기록에서 시간의 절약과, 정량화를 위해 컴퓨터를 이용한 간질 파형의 자동 검출은 객관성을 높이고 정량적인 해석을 위해 필수적이다. 본 연구에서는 간질 뇌파를 검출하기 위해 웨이브렛 변환과 신경망을 사용하였다. 웨이브렛 변환은 잡음을 제거하고 간질 뇌파의 특징을 강조하며 신경망의 입력노드수를 줄였다. 전문가에 의해서 분류된 간질특성과 정상뇌파를 신경망에 입력시켜 최적의 신경망구조를 선택하였고, 검출 문턱치를 설정하였다. 신경망은 200ms(26개의 데이터포인트)신호의 웨이브렛 결과와 웨이브렛 변환후 데이터 상의 최대, 최소 기울기가 입력되어 전체 28개의 입력 노드로 구성하였다. 은닉층은 18노드, 문턱치값은 민감도와 선택도가 일치하는 0.65가 사용되었다. 결과로 임상 환자 데이터에 입력되어 78.54% 의 검출률을 보였다.

키워드

참고문헌

  1. 임상 생리학 최규식
  2. Adv. Behab. Biol v.5 Pattern recognition in EEG D.S.L.Lloyd;C.D.Binnie;B.G.Batchelor
  3. Cean: Computerized EEG analysis Detection of nonstationarities in EEGs using the Autoregressive model. An application to EEGS of Epileptics F.H.Lopes;Da Silva;A.Dijk;H.Smits
  4. Medical and Biological Engineering and Computing Expert system approach to detection of epileptiform activity in the EEG B.L.K.Davey;W.R.Fright;G.J.Carroll;R.D.Jones
  5. Computers and Biomedical Research v.29 Feature extraction and Clustering of EEG epileptic Spikes Patrik Wahlberg;Goran Salomonsson
  6. Neuroreport no.8 Simultaneous spike detection and topographic classification in pediatric surface EEGs Feucht,M.;Hoffmann,K.;Steinberger,K.;Witte,H.;Benninger,F.;Arnold,M.;Doering,A.
  7. J. Clin. Neurophysiol no.2 Automatic recognition and characterization of epileptiform discharges in the human EEG J.D.Jr.Frost
  8. Electroencephalogr Clin Neurophysiol Suppl no.37 Automatic recognition of spike and wave bursts Principe,J.C.;Smith,J.R.;
  9. Electroencephalogr. Clin. Neurophysiol. no.56 Spike detection based on a pattern recognition approach using a microcomputer Guedes de Oliveira,P.;Quciroz,C.;Lopes da Silva,F.;
  10. Electroencephalogr. Clin. Neurophysiol. no.46 Automatic analysis of interictal epileptic activity related to its morphological aspects P,Pola;O.Romagnoli
  11. IEEE Engineering in Medicine and Biology v.14 no.2 Wavelet Preprocessing for Autornated Neural network Detection of Spikes T.Kalayci;O.Ozdamar
  12. Electroenceph. Clin. Neurophysiol. v.83 Automated interictal spike detection using artificial neural networks A.J.Gobor;M.Seyal
  13. Electroenceph. Clin. Neurophysiol. v.91 no.6 Fast Wavelet Transform of EEG S.J.Schiff;A.Aldroubi;M.Unser;S.Sato
  14. Electroenceph. Clin. Neurophysiol. v.91 Practical detection of epileptiform dischargers(EDs) in the EEG using an artificial neural network: A comparision of raw and parameterized EEG data W.R.S.Webber;B.Litt;K.Wilson;R.P.Lesser
  15. J. Neurosci Methods no.70 Realtime spike detection in EEG signals using the wavelet transform and a dedicated digital signal processor card D.ClarenOcon;M.Renaudin;P.Gourmelon;A.Kerckhoevc;R.Caterini;E.Boivin;P.Ellis;B.Hille;M.FatTHome
  16. Annels of Biomedical Engineering v.23 Wavelets in BIomedical Engineering Metin,Akay
  17. Wavelet and Subband Coding Mattin,Vetterli;Jelena,Kovacevic
  18. 뉴로 컴퓨터 오창석
  19. IEEE Int. Joint Conf. on Neural Networks v.3 Strictly Local Backpropagation Fausett,D.