파킨슨병 진단 및 치료 보조를 위한 뇌전도 신호 분류 모델의 입력데이터 유형과 딥러닝 모델 아키텍처에 따른 분류 성능에 관한 연구

Abstract

파킨슨병의 EEG 신호를 분류하는 모델은 파킨슨병의 진단과 치료를 보조하는 데 사용될 수 있다. 이러한 분류 모델의 성능은 입력데이터와 모델 아키텍처의 유형에 영향을 받는다. 그러나 아직 파킨슨병 EEG 신호 분류 작업에 대해서 어떠한 입력과 모델의 조합이 가장 적합한지 비교한 연구는 부족하다. 따라서, 본 논문에서는 동일한 전처리 과정을 거치되, 서로 다른 시간 및 주파수 해상도를 갖는 입력데이터에 대해서 여러 모델 아키텍처 (CNN, RNN, ANN)를 적용하고, 모델 최적화 과정을 동일하게 통제함으로써 성능을 비교하였다. 결과적으로, 시간 및 주파수 해상도가 동시에 높은 입력데이터와 CNN 의 조합이 가장 뛰어난 분류 정확도를 가짐을 확인하였다.