선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 따라서 본 연구의 목적은 맥진을 컴퓨터화하여 정상인과 만성위염 환자를 구분할 수 있는 파라미터를 도출하고, FCM을 이용하여 임의의 맥파를 정상인과 환자 맥파로 분류하고자 한다.
제안 방법
- 따라서 본 연구에서는 오른쪽 손목의 ‘관’ 부위에 30mmHg 부터 230mmHg 까지 다른 5개의 압력을 순차적으로 가하여 맥파를 측정하였다.
- 컴퓨터화 된 맥파 진단은 크게 데이터 수집, 파라미터 추출, 패턴 분류 단계로 나눌 수 있다. 본 연구에서 첫번째 단계는 7개의 압력센서로 구성된 센서모듈을 이용하여 맥파를 수집하였고, 전처리 과정을 하였다. 두번째 단계에서는 측정된 맥파 신호들의 특징을 나타내는 파라미터들을 추출하였다.
- 본 연구에서 첫번째 단계는 7개의 압력센서로 구성된 센서모듈을 이용하여 맥파를 수집하였고, 전처리 과정을 하였다. 두번째 단계에서는 측정된 맥파 신호들의 특징을 나타내는 파라미터들을 추출하였다. 파라미터들은 가우시안 모델을 맥파에 적용시킨 후 추출하였다.
- 파라미터들은 가우시안 모델을 맥파에 적용시킨 후 추출하였다. 마지막 단계는 추출된 파라미터들을 비교 분석하여 정상인과 환자간의 차이가 가장 큰 파라미터를 분류기의 입력으로 하였다. 데이터를 두개의 클러스터로 분류하기 위해 Fuzzy C-means(FCM) [9] 을 사용하였다.
- 따라서 본 연구에서는 오른쪽 손목의 ‘관’ 부위에 30mmHg 부터 230mmHg 까지 다른 5개의 압력을 순차적으로 가하여 맥파를 측정하였다. 맥파는 각 단계별로 최소 5개 이상의 파형을 얻기 위해서 10초 동안 압력을 가했으며 7개의 압력센서로 구성된 센서모듈로 측정하였다. 본 연구에서는 그림 1.
- (b) 의 센서모듈에서 4번째 센서는 7 개 중 가운데에 있는 압력센서를 가리킨다. 선택한 그래프를 5개의 가압 단계로 나눈 후 각 단계 파형들의 시작점을 일치시키기 위하여 저역통과 필터 처리를 하였다. 필터 처리를 한 후 각 단계 별로 5개의 한 주기 파형들을 추출하였다.
- 선택한 그래프를 5개의 가압 단계로 나눈 후 각 단계 파형들의 시작점을 일치시키기 위하여 저역통과 필터 처리를 하였다. 필터 처리를 한 후 각 단계 별로 5개의 한 주기 파형들을 추출하였다.
- 위의 전처리 과정에서 각 단계별로 필터링을 한 후 5개의 파형을 추출하였다. 정상인과 환자간의 차이점을 비교분석하기 위해서 파형에서 파라미터를 추출해야 한다.
- 앞서 가우시안 모델을 적용시켜 구한 파라미터 외에도 두 파형간의 파라미터를 조합시켜서 새로운 파라미터를 추출하였다. 일반적으로 두 개 파형간의 상대 값은 더 확실한 정보를 제공한다.
- 위에서 파라미터를 생성한 후 t-검증과 통계적 차이를 구하여 정상인과 환자를 구분할 수 있는 파라미터를 결정하였다. 선택한 파라미터를 분류기의 입력으로 하여 데이터가 정상인의 것인지 환자의 것인지 분류를 한다.
- 멤버십 함수는 데이터가 클러스터에 속하는 정도를 알려주는 함수이다. 본 연구에서는 FCM 을 이용하여 정상인과 환자 데이터를 섞어서 두개의 클러스터로 분류하는 작업을 하였다.
- 정상인 46명과 만성위염 환자 46명의 맥파 신호들은 맥파 측정 기기로 측정하였다. 전처리 과정을 거친 후 가우시안 모델을 적용시켜 파라미터를 추출하였다.
- 정상인 46명과 만성위염 환자 46명의 맥파 신호들은 맥파 측정 기기로 측정하였다. 전처리 과정을 거친 후 가우시안 모델을 적용시켜 파라미터를 추출하였다. 실험 결과 5단계 압력에서는 맥파 신호가 온전하지 않아서 파라미터들이 추출되지 않았다.
- 통계적인 과정을 거쳐 정상인과 환자 데이터간의 유의미한 차이가 있는 파라미터는 총 7개가 나왔다. 7개의 파라미터 중 2개를 FCM 의 X축, Y 축 입력으로 하여 클러스터링을 하고 정상인과 환자 데이터를 분류 하였다. FCM 클러스터링을 하면 그림 5와 같다.
- 정상인과 만성위염을 가진 환자 각각 46명의 맥파가 측정되었다. 각각의 맥파들은 전처리과정을 거친 후 단계별로 한 주기 신호를 추출하였다. 가우시안 모델을 한 주기 신호에 적용시켜 기본 7개의 파라미터를 추출하였고 이것을 조합하여 새로운 7개 파라미터를 생성하였다.
- 각각의 맥파들은 전처리과정을 거친 후 단계별로 한 주기 신호를 추출하였다. 가우시안 모델을 한 주기 신호에 적용시켜 기본 7개의 파라미터를 추출하였고 이것을 조합하여 새로운 7개 파라미터를 생성하였다. 총 14개의 파라미터 중에서 t-검증과 통계적 차이를 계산하여 정상인과 환자를 구분 할 수 있는 파라미터를 선택하였다.
- 가우시안 모델을 한 주기 신호에 적용시켜 기본 7개의 파라미터를 추출하였고 이것을 조합하여 새로운 7개 파라미터를 생성하였다. 총 14개의 파라미터 중에서 t-검증과 통계적 차이를 계산하여 정상인과 환자를 구분 할 수 있는 파라미터를 선택하였다. 선택한 파라미터를 2개씩 짝지은 다음 FCM 클러스터링을 하여 정상인과 환자 데이터를 분류하였다.
- 총 14개의 파라미터 중에서 t-검증과 통계적 차이를 계산하여 정상인과 환자를 구분 할 수 있는 파라미터를 선택하였다. 선택한 파라미터를 2개씩 짝지은 다음 FCM 클러스터링을 하여 정상인과 환자 데이터를 분류하였다. 그 결과 (1단계-A1 , 4단계-t1), (1단계 -A2 , 4단계-t1), (1단계-t2, 4단계-t1), (4단계-t1 , 4단계-t1/L) 4가지 파라미터 조합에서 정상인 은 95%, 환자는 87% 분류가 되었다.
- 본 연구에서는 만성위염이 없는 사람과 통계적으로 유의한 차이를 보이는 7개의 파라미터 중 2 개씩 짝지어 FCM을 이용하여 만성위염 환자를 분류하였다. 추후에는 2개의 파라미터가 아닌 다중 파라미터를 이용하여 만성위염 환자를 분류하고자 한다.
대상 데이터
- 맥파는 만성위염을 가진 환자 46명 (남자 : 19, 여자 : 27) 과 정상인 46명 (남자 : 15, 여자 : 31) 에게 측정하였다. 피험자의 평균연령은 67.
- 본 연구에서는 맥진을 객관화하기 위하여 정상인과 환자를 분류할 수 있는 파라미터 추출을 컴퓨터화 하였다. 정상인과 만성위염을 가진 환자 각각 46명의 맥파가 측정되었다. 각각의 맥파들은 전처리과정을 거친 후 단계별로 한 주기 신호를 추출하였다.
데이터처리
- 14개의 파라미터가 두 그룹 간 차이가 있는지를 확인하기 위하여 t검증을 실시하였으며, 유의 수준을 p<0.01로 설정 하였다.
이론/모형
- 두번째 단계에서는 측정된 맥파 신호들의 특징을 나타내는 파라미터들을 추출하였다. 파라미터들은 가우시안 모델을 맥파에 적용시킨 후 추출하였다. 마지막 단계는 추출된 파라미터들을 비교 분석하여 정상인과 환자간의 차이가 가장 큰 파라미터를 분류기의 입력으로 하였다.
- 마지막 단계는 추출된 파라미터들을 비교 분석하여 정상인과 환자간의 차이가 가장 큰 파라미터를 분류기의 입력으로 하였다. 데이터를 두개의 클러스터로 분류하기 위해 Fuzzy C-means(FCM) [9] 을 사용하였다.
- 전자의 경우 혈관의 탄성도에 따라 파라미터가 명확하게 추출되지 않는 문제가 발생한다. 따라서 본 연구에서는 파라미터를 추출하기 위해서 가우시안 모델을 사용하였다.
- 선택한 파라미터를 분류기의 입력으로 하여 데이터가 정상인의 것인지 환자의 것인지 분류를 한다. 본 연구에서 분류를 하기 위해서 Fuzzy C-means (FCM) 클러스터링 방법을 사용하였다.
성능/효과
- 7개의 그래프 중에서 각 단계별로 파형의 형태가 온전하고 단계가 증가할수록 크기가 증가하는 그래프 하나를 선택하였다. 대체적으로 4번째 센서에서 측 정된 데이터 파형이 신호 대 잡음비가 가장 좋았다. 그림 1.
- 전처리 과정을 거친 후 가우시안 모델을 적용시켜 파라미터를 추출하였다. 실험 결과 5단계 압력에서는 맥파 신호가 온전하지 않아서 파라미터들이 추출되지 않았다. 따라서 1~4단계의 맥파 신호에서만 파라 미터들을 추출하였다.
- 그 결과 (1단계-A1 , 4단계-t1), (1단계 -A2 , 4단계-t1), (1단계-t2, 4단계-t1), (4단계-t1 , 4단계-t1/L) 4가지 파라미터 조합에서 정상인 은 95%, 환자는 87% 분류가 되었다.
후속연구
- 본 연구에서는 만성위염이 없는 사람과 통계적으로 유의한 차이를 보이는 7개의 파라미터 중 2 개씩 짝지어 FCM을 이용하여 만성위염 환자를 분류하였다. 추후에는 2개의 파라미터가 아닌 다중 파라미터를 이용하여 만성위염 환자를 분류하고자 한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.