[EEG Signal Analysis: A Survey] - 3) Effect of various events on EEG signal 내용 정리-2
원 논문은 여기를 참고해 주세요.
이전 글에 이어서 EEG signal에 영향을 주는 다양한 events에 대해 이야기합니다.
EEG signal and diseases (질병)
-- Dementia
In study [48],
dementia* 환자와 normal subject (정상인) 에게서 complex demodulation (복조)의 time-frequency 기법을 사용해
sleep spindles* 의 순간적인 envelope와 frequency waveforms 를 측정했다.
그 결과, dementia와 normal subject 간의 sleep spindle 순간의 frequency dynamics (주파수 역동성)의 차이가 발견되었다.
* dementia : 인지증, 흔히 치매라고 알려져 있다.
* sleep spindles : 2~4단계의 수면 시간동안 분당 2~5번 정도 관찰되는, 낮은 진폭과 12~14Hz의 주파수를 가진 뇌파
In study [69],
dementia 환자의 상당한 비율이 정상적인 "깨어 있는" 피험자보다 낮은 바이스펙트럼 지수를 보인다.
알츠하이머 환자나 혈관성 dementia 환자들은
EEG 활동에서 느린 파동은 증가 (increase in slow wave)하고,
빠른 파동은 감소하는 (decrease in fast wave activity) 모습을 보인다.
-- Dementia - Alzheimer’s
In study [57],
EEG의 정량 지표(quantitative indicators)로부터 알츠하이머병에 의한 인지 손상의 정도를 측정하는 방법 제안함.
alpha coherence (알파 일관성)의 감소와 delta coherence (델타 일관성)의 증가는 dementia 정도와 가장 유의한 상관관계가 있었다.
In study [33],
신경망과 하이브리드 시스템을 사용하여 AD*, MCI*, CN* 차별화
환자는 EEG 동기화 결과(synchronization results)와 선택된 임상 매개변수 (clinical parameters)의 조합을 사용해 정확하게 분류되는 것을 보였다.
* AD : Alzheimer’s Disease (알츠하이머 병)
* MCI : Minimal Cognitive Impairment (or mild ~ 경도 인지 장애)
* CN : Cognitive Normal (정상 대조군)
In study [88],
Haar 웨이블릿은 알츠하이머병의 정확한 감지와 안구 인공물의 존재를 제거하기 위해 EEG 신호에 사용됨.
기존의 방법에 비해 이 방식으로 알츠하이머의 EEG 신호를 기록하는 것이 놀라운 성능을 보임.
-- Autism
In study [76],
자폐증 환자의 EEG background activity를
- 바이스펙트럼 변환 : bispectrum transform
- 단시간 푸리에 변환(STFT) : short time Fourier transform
- 전체 스펙트럼의 대역폭에서 STFT(STFT-BW) : STFT at bandwidth of total spectrum
를 활용해 계산
결과 : STFT-BW가 정상인과 자폐증 환자를 82.4%의 정확도로 구별할 수 있음.
EEG signal and meditation (명상)
In study [37],
CD, LLE 및 H와 같은 nonlinear parameters (비선형 매개변수)를 사용하여 다양한 명상 단계에서
EEG 신호의 역학(dynamics)을 분석함
결과 : 쿰바카 단계 (kumbaka stage) 에서 EEG 신호의 변동성이 크게 감소
In study [30],
초월명상(transcedental meditation, TM)을 시행하면
주로 전치부(anterior)와 후치부(posterior) 사이에서 알파 위상 동시성(alpha phase synchrony*)이 증가함
이는 기능 통합을 향상시킴 (기능 통합이 무엇일까요..)
alpha phase synchrony* : alpha frequency의 위상 동시성
In study [38],
다양한 명상 상태를 나타내기 위해 추출된 특징에서 뚜렷한 그레이 스케일 차트 (gray-scale chart)를 제안함.
In study [62],
브라마리 bhramari (이완을 위한 프라나야마 호흡의 일부, pranayama-breathing) 동안 뇌의 병렬 기능 활동 감소
CD, LLE, ApEn 및 z-점수 값 (CD, LLE, ApEn and z-score value)과 같은 비선형 측정값은 이 기간 동안 감소했습니다.
EEG signal and music (음악)
EEG signals 은 음악 종류마다 다르게 반응한다.
In study [53],
EEG의 특성과 다양한 음악 유형이 뇌에 미치는 영향을 연구함.
결과 : 다양한 유형의 음악에 대한 EEG 신호의 주파수 변경
이 연구에서는 뇌의 폰 쪽 중간 복부 ( middle abdomen area in the pon’s side ) 영역에 초점을 맞춤
In study [7],
Bhattacharya 등은 5개의 표준 주파수 대역 (delta, theta, alpha, beta, gamma)에서
EEG의 위상 동기 분석 (phase synchrony analysis) 을 제시함.
분석은 음악가와 비음악가의 두 그룹에서 일관성 및 상관관계(coherence and correlation)와 같은 지표를 사용.
그들은 음악가에게서 더 높은 수준의 감마 밴드 동기화 (gamma band synchrony)를 관찰했습니다.
In study [90],
주파수 분포 분석 (Frequency distribution analysis) 및 독립 성분 분석(ICA, independent component analysis)을 사용해
다양한 음악적 자극에 대한 피험자의 EEG 반응을 분석했습니다.
이러한 EEG 특징 중 일부는 다른 음악 신호 자극에 대해 고유한 것으로 나타났습니다.
EEG and artifacts (인위적 요소..?)
인공물 (Artifacts) 은 뇌 이외의 소스에서 나오는 바람직하지 않은 전위 (electrical potentials)입니다.
EEG 신호는 작은 진폭을 갖기에 artifacts에 매우 민감합니다.
artifacts 종류
electro galvanic signals : 느린 아티팩트 (slow artifact)로,
movement artifact (움직임) :
frequency artifacts (주파수) :
EEG 신호의 해석(interpretation) 개선을 위해 artifacts를 찾아서 제거해야 함
In study [73],
EEG artifacts detection을 위해 AR model 대신 확장 칼만 필터 접근법(Kalman filter) 과 신경망을 제안.
이 알고리즘은 90%의 specificity (특이성) 과 65%의 sensitivity (민감도)로 artifacts를 올바르게 detect 함.
In study [19],
수면다원검사(polysomnographic) 기록에서 EEG artifacts의 자동 감지를 위한 효율적인 parametric system 연구.
주어진 epoch에서 선택된 artifacts에서 관련 특징을 추출하고, artifacts를 감지하기 위해 임계값 (threshold)과 비교.
In study [12],
신호 대 잡음 지수(SNR, signal-to-noise quotient)를 최적화하여
다중 채널 EEG 신호(multichannel EEG signals)를 components로 분리하기 위해
단일 값 분해(singular-value decomposition)를 사용.
이후 분리된 components는 artifacts를 필터링하는 데 사용되었습니다.
Figure 1 shows a typical normal EEG signal. _그림 1은 일반적인 정상 EEG 신호를 보여줍니다.
References in this post
(나중에 추가하겠습니다..!)
[48]
[69]
[57]
[33]
[88]
[76]
[37]
[30]
[38]
[62]
[53]
[7]
[90]
[73]
좋아요와 댓글은 저에게 아주 큰 힘이 됩니다 :)