EEG Time Series Analysis

EEG Time Series Analysis

 

 

CNN (Convolutional Neural Networks)을 사용하여 뇌파 (EEG) 기록을 분석하여 자폐증의 영향을 받는지 여부를 식별하는 방법에 대한 연구 접근 방식이다.

 

CNN

 

Keras Python 라이브러리에서 분류 성능이 높은 CNN 모델을 사용한다. CNN은 일반적으로 이미지 인식 / 분류에 사용되는 신경망 클래스이지만 시계열 분석에도 사용할 수 있다. 이것은 형식과 같은 회색조 이미지의 시계열을 변환하여 수행할 수 있다.

 

64개 필터, 5x5 커널 크기, ReLU (Rectified Linear Unit, Eq. 1) 기능 및 동일한 패딩으로 구성된 하나의 2D conv layer 32개의 필터, 5x5의 커널 크기, ReLU (정류 선형 단위) 기능, 동일한 패딩 및 0.01(과적합 방지)의 L2 정규화 계수가 있는 또 다른 2D conv layer 2x2 크기의 2D MaxPooling layer 0.2 강도의 dropout layer (데이터 과적합을 방지하기 위해) 3차원의 데이터를 1차원으로 평면화한 다음 분류기 128 기능에 제공하기 위해 입력을 압축하는 또 다른 계층 (항상 ReLU 기능 및 L2 정규화 사용) 강도 0.5의 두 번째 dropout layer Softmax 활성화 함수를 사용하여 분류 결과를 생성하기 위한 Dense layer (2개의 뉴런). Softmax 함수 (Eq. 2)는 이 경우 뉴런에서 두 개의 입력을 받아 합이 1인 두 개의 확률로 변환한다. 더 큰 확률은 CNN 출력 선택을 나타내기 위해 1 또는 0으로 반올림 / 내림된다.

 

훈련을 최적화하기 위해 Adam (Adaptive Moment Estimation) 경사하강법 알고리즘을 사용하고 교차 엔트로피 함수를 사용하여 모델 손실을 계산한다. 이진 분류의 경우 교차 엔트로피 함수는 Eq. 3을 사용하여 계산할 수 있다.

 

 

https://towardsdatascience.com/disability-diagnostic-using-eeg-time-series-analysis-8035300837ac

Disability diagnostic using EEG Time Series Analysis