뉴로-퍼지 신경망 기반 최적의 HRV특징을 이용한 우울증진단 알고리즘

Neuro-Fuzzy Network-based Depression Diagnosis Algorithm Using Optimal Features of HRV

본 논문은 가중 퍼지소속함수 기반 신경망 (Neural Network with Weighted Fuzzy Membership functions, NEWFM)과 심박수 변이도(Heart Rate Variability, HRV)를 이용하여 우울증 진단알고리즘을 제안하고 있다. 본 알고리즘에서 사용할 NEWFM의 입력특징을 추출하기 위해서 주파수도메인 특징추출, 시간도메인 특징추출, 웨이블릿변환 특징추출, 포인케어변환 특징추출 방법을 이용하여 22개의 초기 HRV 특징들을 추출하였다. 또한 NEWFM에서 제공하는 비중복면적 분산측정법 (Non-overlap Area Distribution Measurement, NADM)에 의해 입력특징의 중요도를 평가하여 22개의 초기특징으로부터 중요도가 가장 높은 6개 최적입력특징을 선택하였다. 이 6개 특징을 이용하여 우울증을 진단한 결과는 95.8% 의 정확도를 나타내었다.

This paper presents an algorithm for depression diagnosis using the Neural Network with Weighted Fuzzy Membership functions (NEWFM) and heart rate variability (HRV). In the algorithm, 22 different features were initially extracted from the HRV signal by frequency domain, time domain, wavelet transformed, and Poincar$\acute{e}$ transformed feature extraction methods; of these 6 optimal features were selected by significance evaluation using Non-overlap Area Distribution Measurement (NADM) based on NEWFM. The proposed algorithm uses these 6 optimal features to diagnose depression with an accuracy of 95.83%.