최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기전기전자학회논문지 = Journal of IKEEE, v.22 no.4, 2018년, pp.1109 - 1114
윤종섭 (Dept. of Computer Engineering, Seokyeong University) , 김진헌 (Dept. of Computer Engineering, Seokyeong University)
Electroencephalogram (EEG) is a tool used to study brain activity caused by external stimuli. In this process, artifacts are mixed and it is easy to distort the signal, so post-processing is necessary to remove it. Independent Component Analysis (ICA) is a widely used method for removing artifact. T...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
잡파 제거를 위해 독립성분분석 방법을 사용하는 경우 어떤 문제점이 발생하는가? | 독립성분 분석은뇌파 신호의 비 가우시안 특성을 증폭시켜 뇌파 각채널 간의 데이터 상관관계를 최소화함으로써 신호들을 분리해 뇌파 신호들을 여러 개의 독립성분(Independent Component, IC)들로 분해하는 방법이다[9]. 잡파 제거를 위해 독립성분분석 방법을 사용하는 경우 뇌파의 독립성분에서 잡파에 해당하는 독립성분을 제거한 후 역변환하여 깨끗한 뇌파를 얻게 되는데 뇌파와 잡파 성분이 독립성분분해과정에서 완벽하게 분리되지 않기 때문에 제거되는 독립성분에 뇌파 정보가 포함되어있어 원본 신호 정보를 훼손한다는 단점이 존재한다. 이러한 단점을 보완하기 위해 독립성분을 제거하지 않고 독립성분에 잡파 성분을 제거하는 처리를 하여 복원함으로써 원본 신호 훼손을 줄이는 방법에 관한 연구가 진행되어왔다[10]-[11]. | |
뇌파의 잡파 성분을 제거하는 방법중 독립성분 분석은 무엇인가? | 뇌파 외의 신호를 추가로 요구하지 않는 잡파 제거방법으로 독립성분 분석이 있다. 독립성분 분석은뇌파 신호의 비 가우시안 특성을 증폭시켜 뇌파 각채널 간의 데이터 상관관계를 최소화함으로써 신호들을 분리해 뇌파 신호들을 여러 개의 독립성분(Independent Component, IC)들로 분해하는 방법이다[9]. 잡파 제거를 위해 독립성분분석 방법을 사용하는 경우 뇌파의 독립성분에서 잡파에 해당하는 독립성분을 제거한 후 역변환하여 깨끗한 뇌파를 얻게 되는데 뇌파와 잡파 성분이 독립성분분해과정에서 완벽하게 분리되지 않기 때문에 제거되는 독립성분에 뇌파 정보가 포함되어있어 원본 신호 정보를 훼손한다는 단점이 존재한다. | |
독립성분분석 방법의 단점을 보완하기 위해 어떤 연구가 진행되어 왔는가? | 잡파 제거를 위해 독립성분분석 방법을 사용하는 경우 뇌파의 독립성분에서 잡파에 해당하는 독립성분을 제거한 후 역변환하여 깨끗한 뇌파를 얻게 되는데 뇌파와 잡파 성분이 독립성분분해과정에서 완벽하게 분리되지 않기 때문에 제거되는 독립성분에 뇌파 정보가 포함되어있어 원본 신호 정보를 훼손한다는 단점이 존재한다. 이러한 단점을 보완하기 위해 독립성분을 제거하지 않고 독립성분에 잡파 성분을 제거하는 처리를 하여 복원함으로써 원본 신호 훼손을 줄이는 방법에 관한 연구가 진행되어왔다[10]-[11]. |
W. Zheng, "Multichannel EEG-Based Emotion Recognition via Group Sparse Canonical Correlation Analysis," IEEE Trans. Cogn. Develop. Syst, Vol.9, No.3, pp.281-290, 2017. DOI:10.1109/TCDS.2016.2587290
M. Li and B.L. Lu, "Emotion classification based on gamma-band EEG," in Proc. of the 2009 Annual International Conference of the IEEE Engineering in Medicine and Biology Society, pp.1223-1226, 2009. DOI:10.1109/IEMBS.2009.5334139
Y. Yuan, G. Xun, F. Ma, Q. Suo, H. Xue, K. Jia et al., "A novel channel-aware attention framework for multi-channel EEG seizure detection via multi-view deep learning," in Proc. of the 2018 IEEE EMBS International Conference on Biomedical & Health Informatics (BHI), pp.206-209, 2018. DOI:10.1109/BHI.2018.8333405
E. Kim and D. Shin, "Nonlinear and Independent Component Analysis of EEG with Artifacts," J. Fuzzy Log. Intell. Syst., Vol.12, No.5, pp.442-450, 2002.
N. P. Castellanos and V. A. Makarov, "Recovering EEG brain signals: Artifact suppression with wavelet enhanced independent component analysis," J. Neurosci. Methods, Vol.158, No.2, pp.300-312, 2006. DOI:10.5391/JKIIS.2002.12.5.442
M. A. Klados, C. Papadelis, C. Braun, and P. D. Bamidis, "REG-ICA: A hybrid methodology combining Blind Source Separation and regression techniques for the rejection of ocular artifacts," Biomed. Signal Process. Control, Vol.6, No.3, pp.291-300, 2011. DOI:10.1016/j.bspc.2011.02.001
※ AI-Helper는 부적절한 답변을 할 수 있습니다.