초록 ▼

□연구개요
- 알츠하이머 질병 조기 진단을 위한 EEG 데이터(뇌파 측정 및 분석)의 클라우드 기반 기계학습
- EEG 데이터 분석 (데이터 분석을 통한 특징 추출 및 선택)
- 조기 진단을 위한 여러 기계학습 기법 개발
- 알츠하이머 진단 지능형 시스템 개발
- (EEG 데이터 수집) 정상인들과 알츠하이머 질병인들의 대한 충분한 양의 EEG 데이터를 수집
- (신호 처리) EEG 데이터로부터 알츠하이머 질병의 특징을 추출하기 위한 신호처리 기법
- (기계학습) 최근 다양한 분야에서 적용되고 있

□연구개요
- 알츠하이머 질병 조기 진단을 위한 EEG 데이터(뇌파 측정 및 분석)의 클라우드 기반 기계학습
- EEG 데이터 분석 (데이터 분석을 통한 특징 추출 및 선택)
- 조기 진단을 위한 여러 기계학습 기법 개발
- 알츠하이머 진단 지능형 시스템 개발
- (EEG 데이터 수집) 정상인들과 알츠하이머 질병인들의 대한 충분한 양의 EEG 데이터를 수집
- (신호 처리) EEG 데이터로부터 알츠하이머 질병의 특징을 추출하기 위한 신호처리 기법
- (기계학습) 최근 다양한 분야에서 적용되고 있는 딥 러닝을 포함한 여러 기계학습 알고리즘을 적용하여 진단할 수 있는 알고리즘 개발
- 많은 양의 데이터를 저장하고 높은 계산 자원으로 데이터를 실시간으로 처리 할 수 있는 안전한 저장소가 요구됨

□연구 목표대비 연구결과
- 데이터 수집 : 다양한 EEG 데이터를 이용하여 연구를 수행해 왔으며 알츠하아머와 관련된 데이터는 구하지 못하였으나 최근 업무 협약을 통하여 데이터 공유를 하게됨
- EEG 데이터 수집 (미국 Advanced Brain Monitoring회사와 데이터 공유 협약)
- EEG 데이터 분석 (EEG 신호에서 웨이블릿을 수행하고 주파수 영역의 다차원 특징을 추출)
- 특징 추출 (EEG 원시 데이터를 웨이블릿 변환한 후 4레벨 웨이블릿 상수를 다차원 특징으로 사용)
- 특징 선택 (특징벡터의 차원을 줄이기 위해서 서브 밴드 Cd2와 Cd3의 웨이블릿 계수에 대한 일련의 통계를 구하여 사용)
- 시스템 설계 (신경망 퍼시 시스템 설계)
- (현재 진행 중인 내용) 알츠하이머 데이터를 미국 회사와 공유하여 데이터 분석 중(Raw 데이터를 공유함 – 전처리 데이터의 경유 고비용을 요구하여 연구비 문제로 본 연구진이 직접 수행 중임 )
- 데이터 분석이 끝나면 본 연구에서 개발한 다양한 방법으로 수행하여 결과를 가지고 미국 회사와 협의할 예정임
- 내년 상반기 정도면 다양한 연구 결과를 도출 될 것으로 예상됨

□연구개발결과의 중요성
- 퍼지 추론 시스템을 이용한 사용자 의도 분류 (웨이블릿 변환을 이용한 뇌파 신호 해석을 통한 특징 추출)
- 소프트 컴퓨팅 (신경망, 퍼지, 유전자 알고리즘을 이용한 시스템 모델링)을 이용한 신경망-퍼지 시스템 설계 (인공지능에서 사용하는 모델을 융합하여 최적의 예측 시스템 설계)
- BCI에서 기계 학습을 위한 간질 뇌파 특징 선택을 통한 차원 감소 방법 분석 (차원 감소를 통한 학습 시간 단축과 시스템 효율 향상을 기대)
- LSTM/RNN을 사용한 감정인식 (본 연구에서 사용한 모델이 성능 비교 평가에서 우수)
- LSTM을 사용한 간질 EEG 신호 분류 최적의 웨이블릿 특징 선택 ( 알츠하이머 데이터를 DWT (Discrete Wavelet Transform)를 이용해 신호의 잡음제거를 수행 중)
- Advanced Brain Monitoring, Inc 회사와 공유한 데이터 진행

(출처 : 요 약 문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 2. 연구수행내용 및 연구결과 ... 5
• 1. 퍼지 추론 시스템을 이용한 사용자 의도 분류 ... 5
• 2. 소프트 컴퓨팅 (신경망, 퍼지, 유전자 알고리즘을 이용한 시스템 모델링)을 이용한 신경망-퍼지 시스템 설계 ... 6
• 3. BCI에서 기계 학습을 위한 간질 뇌파 특징 선택을 통한 차원 감소 방법 분석 ... 7
• 4. LSTM/RNN을 사용한 감정인식 ... 8
• 5. LSTM을 사용한 간질 EEG 신호 분류 최적의 웨이블릿 특징 선택 ... 9
• 6. Advanced Brain Monitoring, Inc 회사와 공유한 데이터 진행 현황 ... 10
• 3. 연구개발결과의 중요성 ... 13
• 4. 참고문헌 ... 14
• 5. 연구성과 ... 14
• 끝페이지 ... 14