$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] 뇌파진단 시스템에서 artifact 제거를 위한 신경망 최적화
Optimizing neural network for artifact reduction in electroencephalogram diagnostic system 원문보기

대한전기학회 2008년도 제39회 하계학술대회, 2008 July 16, 2008년, pp.1981 - 1982  

전수열 (광운대학교 전기공학과 신호처리연구실) ,  조상흠 (광운대학교 전기공학과 신호처리연구실) ,  안창범 (광운대학교 전기공학과 신호처리연구실)

초록
AI-Helper 아이콘AI-Helper

뇌파신호 측정 시에는 환자의 움직임 등으로 artifact가 발생하게 된다. 따라서 정확한 진단에는 이와 같은 artifact를 제거하는 것이 중요하다. 본 논문에서는 뇌파신호에서 발생할 수 있는 artifact 중 EOG(Electrooculogram: 안전위도)를 검출하고 제거하기 위한 방법으로 EOG 필터링(EOG filtering)을 제안하며, 나머지 근전도를 제거하기 위해 신경망(neural network)를 사용한다. 이때 입력신호의 특징이 신경망에 보다 잘 적용될 수 있도록 비선형 양자화기를 적응적으로 동작시키는 방법을 제안한다. 제안하는 방법을 통해 뇌파신호의 artifact를 효과적으로 제거할 수 있다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 논문에서는 뇌파진단 시스템에서 artifact를 제거하는 위해 입력신호의 에너지 분포와 신경망을 이용하는 방법을 제안한다. 환자의 안전 위도에 의한 움직임이 있을 경우 전두엽에서의 에너지 분포를 통해 양질의 신호를 구별할 수 있으며, EMG(근전위도)와 같은 artifact는 신경망을 통해 제거한다.
  • 필요하다. 본 논문에서는 객관적인 성능을 위해 7개의 실험적으로 측정한 뇌파신호 set에 대하여 성능을 평가하였다.
  • 본 논문에서는 비선형 양자기가 신경망의 성능에 큰 영향을 줄 수 있기 때문에 적절한 Qstep을 제안하였다. 입력 신호의 평균 에너지를 이용한 Qstep 선택은 환자나 측정 장비의 차이에 무관하게 신경망을 최적화한다.
본문요약 정보가 도움이 되었나요?

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로