생체신호의 엔트로피 정량화 기반의 사람의 상태 인식 기법 = Recognition of human states based on entropy quantification of physiological signals
저자
발행사항
서울: 광운대학교 대학원, 2020
학위논문사항
학위논문(석사)-- 광운대학교 대학원: 전자통신공학과 2020.8
발행연도
2020
작성언어
한국어
DDC
621.38028 판사항(23)
발행국(도시)
서울
형태사항
x, 90 p.: 삽도, 표; 27 cm.
일반주기명
지도교수 : 최영석
참고문헌 수록
UCI식별코드
I804:11012-200000346641
소장기관
생리학적 시스템의 복잡도는 끊임없이 변화하는 환경에서 적응하고 기능하
는 능력을 반영함으로써 복잡한 동적 모델의 특성을 지닌다. 그러한 이유로
생리학적 시계열의 복잡도를 분석하는 것은 질병, 노화, 감정 등 사람의 내부
상태 변화 속에서 동적 관계에 대한 귀중하고 숨겨진 정보를 추출하기 위해
사용될 수 있다. 생리학적 시계열의 분석 방법으로서 다중스케일 엔트로피
(Multiscale Entropy) 기반의 방법은 시계열의 복잡도 분석을 통해 여러 시
간적 스케일에 걸친 생리적 시계열의 특성을 확인함으로써 중요한 정보를 얻
을 수 있다. 이를 바탕으로, 본 연구에서는 생리학적 시계열의 복잡도를 정량
화하기 위한 새로운 엔트로피 방법을 제안한다.
먼저 , 제안된 Moving-Averaging 절차 기반의 멀티스케일 분배 엔트로피
(Moving-Averaging based Multiscale Distribution Entropy,
MA-MDistEn)는 기존의 엔트로피 방법이 단기 시계열 분석에서 편차가 크
거나 유효하지 않은 엔트로피 값(또는 정의되지 않은 값)을 출력하는 문제를
보완할 수 있다. MA-MDistEn 방법은 실제 심전도(Electrocardiogram,
ECG)로부터 추출된 심박 박동 비트 간 간격(R-R interval)으로 심박변이도
(Heart Rate Variability, HRV) 시계열을 생성한 뒤, 병리학적 상태에 따른
HRV 시계열의 분석에 사용된다. 분석 결과, 기존 방법에 비해 제안된
MA-MDistEn 방법은 시계열의 길이에 관계없이 HRV 시계열의 동적 특성을
효율적으로 정량화할 수 있으며, 병리학적 상태에 따른 세 그룹의 복잡도 분
류에서 향상된 분류 성능을 보여준다.
또한, 뇌전도(Electroencephalogram, EEG) 신호의 채널 내 및 교차 채널
간 상관관계를 고려하면서 다중스케일의 복잡도 측정을 위해 다변량 경험적
모드 분해(Multivariate Empirical Mode Decomposition, MEMD) 기반의
다변량 다중스케일 분산 엔트로피(MEMD based Multivariate Multiscale
Dispersion Entropy, MEMD-MDispEn)를 제안한다. MEMD-MDispEn 방
법은 MEMD 알고리즘을 사용한 주파수 분해를 통해 다중스케일 과정을 수행
함으로써 원 시계열의 길이를 줄이지 않고 EEG의 복잡한 동적 특성을 효율
적으로 정량화할 수 있다. 제안된 방법의 성능을 평가하기 위해, 실제 두 종류
의 EEG 데이터셋을 활용하여 감정 상태 인식을 진행한다. 그 결과 고주파 성
분에 각 시계열의 구별 가능하고 유용한 정보가 포함된다는 것을 확인할 수
있으며, 제안된 MEMD-mvMDispEn 방법은 적은 채널과 짧은 길이의 시계
열을 사용하였음에도 선행연구와 비교하여 향상된 분류 성능을 나타낸다.
The complexity of physiological system has the characteristics of
complex dynamical model by reflecting ability to adapt and function in
ever-changing environment. For that reason, analyzing the complexity
of physiological time series can be used to extract valuable hidden
information about the dynamics from changes in a human's internal
states, such as disease, aging, and emotion. As a method for the
analysis of physiological time series, the multiscale entropy based
method can obtain important information by identifying the
characteristics of physiological time series over multiple temporal
scales through the analysis of the complexity for time series. Based
on this, this study proposes a new entropy method to quantify the
complexity of physiological time series.
First, the proposed Moving-Averaging procedure based multiscale
distribution entropy can overcome the problems of conventional
entropy methods, such as higher deviation or invalid entropy values
(or undefined values) in short-term time series analysis. The
MA-MDistEn method is used to analyze the heart rate variability
(HRV) according to pathological conditions after creating a HRV time
series with R-R intervals extracted from the actual Electrocardiogram
(ECG). As a result of the analysis, the proposed MA-MDistEn
method, compared to the existing method, can efficiently quantify the
dynamic characteristics of the HRV time series regardless of the
length of the time series, and shows improved classification
performance in the classification of complexity of three groups with
different pathological conditions.
In addition, the Multivariate Empirical Mode Decomposition based
Multivariate Multiscale Dispersion Entropy (MEMD-mvMDispEn) is
proposed for multiscale complexity measurement, taking into account
the correlation between the in-channel and cross-channel of the
electroencephalogram (EEG) signals. The MEMD-MDispEn method
can efficiently quantify the complex dynamic properties of EEG
without reducing the length of the original time series by performing
multiscale processes through frequency decomposition using MEMD
algorithm. To evaluate the performance of the proposed method, two
types of EEG datasets are used for the emotional state recognition
As a result, the high frequency component of the time series contains
distinguishable and useful information about each emotional state. In
addition, the proposed MEMD-mvMDispEn method shows improved
classification performance compared to prior studies, even with fewer
channels and shorter time series.
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)