MFCC를 특징 벡터로 이용한 리커런트 뉴럴 네트워크 기반 수면 각성 상태 탐지 모델

김현섭; 전태준; 김대영; Hyunseob Kim; Tae Joon Jun; Daeyoung Kim

연구문헌

학술대회 프로시딩

홈 > 연구문헌 > 학술대회 프로시딩 > 한국정보과학회 학술대회 > KSC 2018

KSC 2018

Current Result Document : 6 / 42 이전건 다음건

한글제목(Korean Title)	MFCC를 특징 벡터로 이용한 리커런트 뉴럴 네트워크 기반 수면 각성 상태 탐지 모델
영문제목(English Title)	Recurrent neural networks-based sleep arousal detection model using MFCC as a feature vector
저자(Author)	김현섭 전태준 김대영 Hyunseob Kim Tae Joon Jun Daeyoung Kim
원문수록처(Citation)	VOL 45 NO. 02 PP. 0880 ~ 0882 (2018. 12)
한글내용 (Korean Abstract)	수면은 사람의 건강과 밀접한 관계를 갖고 있기 때문에 수면 패턴을 파악하고 장애를 탐지하는 연구는 지속적으로 이루어져왔다. 특히 수면 상태 판별과 보편적인 수면 장애 중 하나인 무호흡증에 대한 연구 는 가장 활발히 연구된 분야이며 높은 정확도를 보여주고 있다. 하지만 수면 장애의 원인은 보다 다양한 곳에 있으며 그 중 하나인 각성 상태는 여러 종류로 나타나고 있음에도 연구는 미흡한 편이다. 최근, 연 구자들을 위해 다양한 생체 신호 데이터셋을 제공하고 있는 Physionet에서는 이에 대한 일환으로 각성 상태 판별을 위한 13개의 생체 신호 데이터를 공개했다. 본 연구는 제공된 데이터셋에서 Melfrequency cepstrum coefficients를 추출하여 특징 벡터로 학습해 수면 중 각성 상태를 탐지하는 리 커런트 뉴럴 네트워크 모델을 제시한다. 학습 결과 Area Under Receiver Operating Characteristic Curve 기준 0.858의 성능을 보이며 복합적이고 연속적인 생체 신호 데이터에 대해 Mel-frequency cepstrum coefficients를 특징 벡터로 학습한 리커런트 뉴럴 네트워크가 적합한 모델이 될 수 있음을 보였다.
영문내용 (English Abstract)
키워드(Keyword)
파일첨부	PDF 다운로드