Core Concepts
고차원 뇌파 데이터로부터 저차원 잠재 공간을 추출하고, 이를 통해 뇌전증 발작의 조기 경보 지표를 개발하였다.
Abstract
본 연구에서는 고차원 뇌파 데이터로부터 저차원 잠재 공간을 추출하기 위해 방향성 비등방 확산 맵 기법을 활용하였다. 이를 통해 뇌전증 발작 전 단계(pre-ictal)와 발작 단계(ictal)를 효과적으로 구분할 수 있었다.
다음으로 잠재 공간에서 확률 동역학 모델을 학습하였으며, 이를 바탕으로 Onsager-Machlup 지표, 샘플 엔트로피 지표, 전이 확률 지표 등 3가지 조기 경보 지표를 개발하였다.
이 지표들은 뇌전증 발작의 임박한 상태 변화를 효과적으로 감지할 수 있었다. 특히 방향성 비등방 확산 맵을 활용한 경우, 기존 등방 확산 맵 대비 더욱 뚜렷한 조기 경보 신호를 제공하였다.
본 연구 결과는 고차원 시계열 데이터로부터 잠재 동역학 모델을 추출하고, 이를 활용한 조기 경보 시스템 개발에 기여할 것으로 기대된다.
Stats
뇌전증 환자의 뇌파 데이터에서 발작 전 단계와 발작 단계를 구분하는 시점은 약 Time = 500 부근이다.
방향성 비등방 확산 맵을 활용한 경우, 잠재 공간의 표준편차 지표가 Time = 600 부근에서 급격히 증가하는 것을 확인할 수 있다.
Quotes
"본 연구에서는 고차원 뇌파 데이터로부터 저차원 잠재 공간을 추출하기 위해 방향성 비등방 확산 맵 기법을 활용하였다."
"Onsager-Machlup 지표, 샘플 엔트로피 지표, 전이 확률 지표 등 3가지 조기 경보 지표를 개발하였으며, 이는 뇌전증 발작의 임박한 상태 변화를 효과적으로 감지할 수 있었다."