Abstract
In this paper, a method of discriminating EEG for diagnoses of mental activity is proposed. The proposed method for classification of schizophrenia and normal EEG is based on the wavelet transform and the artificial neural network. The wavelet coefficients of $\alpha$ band, $\beta$ band, $\theta$ band, and $\delta$ band are obtained using the wavelet transform. The magnitude, mean, and variance of wavelet coefficients for each EEG band are applied to the input data of the system's ANN. The architecture of the ANN s a four layered feedforward network with two hidden layer which implements the error back propagation learning algorithm. Through the classification of schizophrenia composed of 19 ANNs corresponding to 19 channels, the classifying system show that it can classify the 100% of the normal EEG group and the 86.67% of the schizophrenia EEG group.
본 논문에서는 정신질환 진단을 위하여 뇌파신호를 판별하는 방법을 제안하였다. 정신질환의 한 종류인 정신분열증 환자의 뇌파와 정상인의 뇌파를 분류하기 위하여 제안한 방법에서는 기본적으로 웨이블릿 변환과 인공 신경망을 이용하였다. 뇌파 신호에 웨이블릿 변환을 적용하여 각각 알파. 베타. 세타 그리고 델타파에 해당하는 주파수 대역의 웨이블릿 계수를 구한 다음. 각각의 주파수 대역에 대한 웨이블릿 계수들의 크기 평균 및 분산들을 인공 신경망의 입력 데이터로 이용하였다. 인공 신경망은 2개의 은닉층을 갖는 4층의 피드포워드 회로망 구조를 가지며 학습에는 역전파 학습 알고리듬을 이용하였다. 정신분열증의 판별시스템은 19 채널의 뇌파신호에 대응하는 19개의 인공신경망으로 구성되었고 정상인과 정신분열증 환자에 대하여 각각 100%와 86.67%의 정확도를 보여주었다.
