최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기반도체디스플레이기술학회지 = Journal of the semiconductor & display technology, v.19 no.2, 2020년, pp.92 - 95
류상욱 (한양대학교 공과대학 컴퓨터소프트웨어학부) , 이남화 (한양대학교 공과대학 컴퓨터소프트웨어학부) , 이연수 (한양대학교 공과대학 컴퓨터소프트웨어학부) , 조인휘 (한양대학교 공과대학 컴퓨터소프트웨어학부) , 민경육 (한양대학교 공과대학 융합전자공학부) , 김택수 ((주)이디에이엘리텍)
In this paper, the new architecture of seizure prediction using CNN and LSTM and DWT was presented. In the proposed architecture, EEG data was labeled into a preictal and interictal section, and DWT was adopted to the preprocessing process to apply the characteristics of the time and frequency domai...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
scalp EEG는 어디에 사용되는가? | 한편, scalp EEG는 다양한 뇌의 생리분석과 뇌전증 발작 분석에 사용되며, 수술 없이 데이터를 수집할 수 있지만, 노이즈가 많아 seizure(발작)신호의 분석을 방해하는 요소가 존재한다. 뇌전증의 진단 및 치료를 위해서는 발작 초기에 뇌파를 관찰하고 분석하는 것이 중요하다. | |
CNN은 무엇을 통합한 모델인가? | CNN은 픽셀 이미지에서 최소한의 전처리(Preprocessing) 방법을 적용하여 패턴 분류방식으로 다양한 이미지 인식에 적용될 수 있다[5]. 이 model은 기존 패턴 인식 방법에서 두 단계의 feature extraction 및 classification을 한 단계로 결합한 통합 모델이다. Fig. | |
CHB-MIT 데이터셋은 무엇인가? | CHB-MIT 데이터셋[6]은 EEG를 이용한 발작 탐지 및 예측 관련 논문에서 주로 사용되는 검증된 데이터이며, Children’s Hospital of Boston에서 수집된 연속적인 Scalp EEG 를 기록한 데이터로 844시간과 245번의 Ictal을 가진 24명의 소아 환자의 데이터이다. 기록된 신호는 sampling rate 256Hz인 22개의 전극을 사용하였고 bipolar 방법으로 추출하였다. |
Kandel E, Schwartz J, Jessell T. Principles of Neural Science. New York: McGraw-Hill, Health Professions Division, 2000
Lee, Y., & Lee, Y. H. (2018). Implementation of Moving Object Recognition based on Deep Learning. Journal of the Semiconductor & Display Technology, 17(2), 67-70.
Reuber, M., Fernandez, G., Bauer, J., Singh, D. D., & Elger, C. E. (2002). Interictal EEG abnormalities in patients with psychogenic nonepileptic seizures. Epilepsia, 43(9), 1013-1020.
Li, S., Zhou, W., Yuan, Q., Geng, S., & Cai, D. (2013). Feature extraction and recognition of ictal EEG using EMD and SVM. Computers in Biology and Medicine, 43(7), 807-816.
Lee, Y. H., & Kim, Y. (2020). Comparison of CNN and YOLO for Object Detection. Journal of the Semiconductor & Display Technology, 19(1), 85-92.
A. H. Shoeb, "Application of machine learning to epileptic seizure onset detection and treatment," Ph.D. dissertation, Massachusetts Inst. Technol., Cambridge, MA, USA, 2009. [Online]. Available: http://hdl.handle.net/1721.1/54669
Cho, E. D., & Kim, G. B. (2018). A Study on Illumination Mechanism of Steel Plate Inspection Using Wavelet Synthetic Images. Journal of the Semiconductor & Display Technology, 17(2), 26-31.
Truong, N. D., Nguyen, A. D., Kuhlmann, L., Bonyadi, M. R., Yang, J., Ippolito, S., & Kavehei, O. (2018). Convolutional neural networks for seizure prediction using intracranial and scalp electroencephalogram. Neural Networks, 105, 104-111.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.