상세검색
최근 검색어 전체 삭제
다국어입력
즐겨찾기0
한국전자통신학회 논문지 제17권 제5호.jpg
KCI등재 학술저널

CNN 모델 기반의 소아 ADHD 분류 기법

주의력결핍장애는 산만함, 과잉행동을 보여주는 질환으로 소아청소년기에 진단 시 성인까지 증상이 지속되기 때문에 조기에 진단 및 치료를 시작하는 것이 중요하다. 그러나 소아는 정신적으로 미성숙하기 때문에 자가진단법 또는 측정 장비를 이용할 때 올바른 진단 데이터를 획득하기 어려운 문제가 있다. 이 논문에서는 ADHD 진단의 객관성과 정확도를 높이기 위하여 게임 콘텐츠를 이용하여 측정된 뇌전도 데이터에 대하여 CNN 모델링을 기반으로 분류하는 기법을 제시하고 실험하였다. 실험을 위하여 3D 네트워크 모델을 구성하였으며 평균적으로 97%의 정확도를 보여주었다.

ADHD is a disorder showing inattentiveness and hyperactivity. Since symptoms diagnosed in childhood continue to the adulthood, it is important to diagnose ADHD and start treatments in early stages. However, it has the problems to acquire enough and accurate data for the diagnosis because the mental state of children is immature using the self-diagnosis method or the computerized test. In this paper, we present the classification method based on the CNN model and execute experiment using the EEG data to improve the objectiveness and the accuracy of ADHD diagnosis. For the experiment, we build the 3D convolutional networks model and exploit the 5-folds cross validation method. The result shows the 97% accuracy on average.

I. 서론

II. 관련 연구

III. 데이터 전처리

IV. 데이터 분석

V. 구현 및 실험

V. 결론 및 향후개선 방향

References

로딩중