334 0

경막외 뇌피질전도에서의 딥러닝 기술을 통한 눈 움직임 예측

Title
경막외 뇌피질전도에서의 딥러닝 기술을 통한 눈 움직임 예측
Other Titles
Saccadic Eye Movement Prediction using Deep Learning Technique from Epidural Electrocorticography
Author
이세호
Alternative Author(s)
Seho Lee
Advisor(s)
장동표
Issue Date
2019-02
Publisher
한양대학교
Degree
Master
Abstract
많은 연구에서 다양한 전극을 이용하여 뇌파를 측정하고 있다. 두피 위에서 측정하는 EEG와 피질에 전극은 낮은 신호 잡음비를 가지고 있고 전극을 피질에 직접 삽입하여 측정하는 Depth Electrode 방식은 높은 신호 잡음비를 가지고 있지만 뇌의 손상을 주는 단점을 가지고 있다. 이러한 단점들을 보완하기 위해 피질위에 전극을 놓고 뇌파를 측정하는 방식인 ECoG를 이용하여 많은 연구들이 진행되고 있다. 이러한 ECoG의 방식 중 뇌경막을 손상시키지 않는 경막외 ECoG를 이용하여 뇌파를 측정하는 연구가 최근에 많이 진행되고 있다. 많은 연구에서 사용하던 머신러닝의 한 종류로 머신러닝에는 서포트 벡터 머신(Support Vector Machine, SVM), 랜덤 포레스트, 선형 회기(Linear Discriminant Analysis, LDA)등 많은 머신러닝 기법이 있고 지금까지 많은 연구에서 사용하고 있다. 최근 몇 년 사이 많은 연구에서 기존의 머신러닝의 한계를 넘어 높은 정확도의 분류 및 회기 성능을 가진 딥러닝을 이용하여 많은 성과를 내고 있다. 우선 엄청난 계산량을 빠르게 처리할 수 있는 그래픽 처리장치의 개발로 인해 빠른 시간에 많은 데이터를 분석할 수 있는 기초를 다지게 되었다. 또한 드랍아웃과 렐루와 같은 활성 함수등의 개발로 많은 부분 극복을 하였다. 마지막으로 인터넷의 발달로 인해 라벨이 달려진 이미지를, 즉 빅데이터, 손쉽게 구할 수 있어지면서 입력 데이터의 확보를 수월하게 한 점도 딥러닝의 발전에 큰 기여를 하였다 . 본 연구는 원숭이의 선택적 눈 움직임 (Choice Saccadic Eye Movement, CS) 실험을 통해 경막외 뇌피질전도 (Epidural ECoG, eECoG)를 이용하여 얻은 데이터를 이용하여 진행되었다. 연구에 사용된 데이터 구조에 맞게 오픈소스인 VGG 16의 모델을 차용하여 딥러닝 구조를 만들어 학습을 진행하였다. 눈의 움직임과 움직이지 않은 2가지의 상황을 구별하는데 있어서 Loss의 값이 0에 가깝게 떨어지는 것을 확인 할 수 있었으며 움직이지 않은 상태와 눈의 움직임 상태에 따른 5가지의 상황를 구별하는데도 국소 최소치에 빠지지 않는 것을 확인하였다. 5 겹 교차검증을 진해였을 때 눈의 실제 움직임에 대한 정확도는 99 ± 0.9 %를 가지고 있는 것을 확인했으며 눈의 움직임에 대한 예측의 정확도는 97 ± 4 %를 가지고 있는 것을 확인하였다. 눈 움직임 데이터를 이용하여 SVM과 딥러닝을 이용하여 분석한 결과 SVM의 정확도가 딥러닝의 정확도가 SVM 보다 50 % 이상 높게 나오는 것을 확인하였다. 눈이 실제로 움직였을 때 95% 이상의 정확도를 가지고 있어 분류가 잘 되는 것을 확인할 수 있었다. 또한 눈이 실제로 움직이 않고 방향 지시에 대한 움직임을 대기 하고 있는 상태에서도 89% 이상의 분류를 가지고 있음을 확인하였다. 추후 학습된 모델의 커널과 웨이트를 이용하여 디컨볼루션(Deconvolution)을 진행할 예정이며 활성화 되는 잠재 시간(latency)과 주파수 영역을 확인할 수 있을 것으로 예상한다. 또한 알고있는 채널의 위치와 매칭시켜 뇌의 어느 부분에서 활성이 일어나는지 Topography를 이용하여 확인할 수 있을 것이기 때문에 앞으로의 연구를 진행해 볼 수 있을 것으로 보인다.
URI
https://repository.hanyang.ac.kr/handle/20.500.11754/99339http://hanyang.dcollection.net/common/orgView/200000434828
Appears in Collections:
GRADUATE SCHOOL[S](대학원) > BIOMEDICAL ENGINEERING(생체공학과) > Theses (Master)
Files in This Item:
There are no files associated with this item.
Export
RIS (EndNote)
XLS (Excel)
XML


qrcode

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

BROWSE