OFF
생몰정보
소속
직위
직업
활동분야
주기
서지
국회도서관 서비스 이용에 대한 안내를 해드립니다.
검색결과 (전체 1건)
원문 있는 자료 (1) 열기
원문 아이콘이 없는 경우 국회도서관 방문 시 책자로 이용 가능
목차보기더보기
Title Page
ABSTRACT
Contents
Chapter 1. Introduction 9
1.1. Related Background 9
1.2. Related Research 10
1.3. Research Purpose 11
1.4. Thesis organization 11
Chapter 2. Feature Selection 12
2.1. Subjects 12
2.2. EEG Recording & preprocessing 13
2.3. Feature Selection 14
Chapter 3. SVM application 16
3.1. SVM Application for ADHD brainwave classification 17
3.2. Implementation of SVM 19
Chapter 4. Data to Sound Mapping algorithm 20
4.1. Principle and algorithm 20
4.2. Implementation 22
4.3. Evaluation Test 23
Chapter 5. Result 24
5.1. SVM classification result & Music evaluation test 24
5.1.1. Distance & SVM classification result 24
5.1.2. Music made from the algorithm 25
5.1.3. Music validation test result 26
5.2. Feature Selection part (further findings) 28
5.2.1. Power Spectrum density results 28
Chapter 6. Discussion 32
6.1. The possibility of a brainwave stethoscope 32
6.2. Other findings 32
6.2.1. feature aspect 32
6.2.2. High classification result in eye open condition 34
6.2.3. The first application of SVM in data to sound mapping area for diagnosis 35
6.2.4. The first trial to classify ADHD brainwaves via sound 35
6.2.5. Possibility for biofeedback use 36
6.2.6. Application for diagnosing other neurophysiological disease 36
Chapter 7. Conclusion 36
7.1. Conclusion 36
Reference 37
국문요약 41
Table 1. Finally selected 11 features for classification 16
Table 2. SVM classification result 25
Table 3. Power Spectrum density result A 30
Table 4. Power Spectrum density result B 30
Figure 1. 19 EEG electrode positions in brain for recording EEG brainwave 13
Figure 2. 16 EEG segments per each channel and person 14
Figure 3. Margin between Support vectors 20
Figure 4. Distance to Pitch Mapping function 22
Figure 5. Brainwave Mapping Range 23
Figure 6. Distribution of distance from optimal hyperplane 25
Figure 7. Music samples derived from 10 healthy people 26
Figure 8. Music samples derived from 10 ADHD people 26
Figure 9. Music valitity survey result 27
Figure 10. precision of diagnosis with brainwave music 28
Figure 11. Other features' distribution 31
Figure 12. Distribution of 6 finally selected 11 features 31
초록보기 더보기
본 논문은 주의력 결핍 과잉 행동 장애인을 위하여 EEG 를 활용한 뇌파 청진기용 알고리즘 개발과 사운드 제작을 목적으로 한다. 기존 연구는 ADHD 환자 진단을 위해서 여러가지 수학적 메소드들이 개발 또는 활용되었고 특히 ERP 뇌파를 가지고 진단을 시도하였으나 본 연구는 처음으로, ERP 가 아닌 Eye-Open Resting 상태에서의 EEG 뇌파를 가지고 Feature 들을 선택한 후 SVM 머신 러닝을 통한 적절한 hyper plane 의 parameter 값을 찾은 후 그 것을 가지고 향후에 들어오는 환자를 진단 하기 위한 메소드를 제시하였다, ERP 가 아닌 Eye-Open 상태에서의 뇌파는 향후 real time 으로 쓰일 수 있는 뇌파 청진기의 알고리즘으로 보다 쉽게 활용될 수 있다. 또한 이 연구는 수학적인 분류 알고리즘을 제시할 뿐만 아니라 더 나아가 실질적으로 뇌파 청진기용 사운드 매핑 함수 알고리즘을 제시하고 직접 ADHD patients 의 뇌파를 활용하여 듣기 좋은 사운드(음악) 을 생성함으로써 실질적인 뇌파 청진기의 가능성을 실험적으로 검증 및 제시하였다. 첫번째 방법인 수학적인 분류 메소드 뿐만 아니라 sonification 두 가지 방법 모두 실험적으로 96% 이상의 정확도를 보인다는 것을 실험적으로 검증하였으며, 두번째 메소드인 sonifciation 입력 데이터는 첫번째 수학적 메소드의 출력값에 실질적으로 의존하기 때문에 첫번째 분류 메소드의 성능이 뇌파 청진기의 정확도에 있어서 가장 중요하다. 차후에 더 많은 피 실험자를 (환자 데이터를) 모집하게 된다면 보다 정확한 parameter 를 찾을 수 있어 보다 실질적이고 정확한 분류기 즉 ADHD 환자용 뇌파 진단기로 이용 될 수 있을 것이다.
도서위치안내: / 서가번호:
우편복사 목록담기를 완료하였습니다.
* 표시는 필수사항 입니다.
* 주의: 국회도서관 이용자 모두에게 공유서재로 서비스 됩니다.
저장 되었습니다.
로그인을 하시려면 아이디와 비밀번호를 입력해주세요. 모바일 간편 열람증으로 입실한 경우 회원가입을 해야합니다.
공용 PC이므로 한번 더 로그인 해 주시기 바랍니다.
아이디 또는 비밀번호를 확인해주세요
