Genetic fuzzy classifier and nonlinear analysis for sleep stage identification based on single EEG signal

Abstract

[한글]

지금까지 수면다원검사는 1968년에 정리된 R-K기준을 기반으로 전문의가 직접 눈으로 보고 판단하는, 장시간의 작업을 필요로 하는 검사로 진행되어 왔다. 그러나 R-K 기준을 적용하기 위해서는 여러 전극을 두피와 얼굴 주위에 부착 해야 하기 때문에 일상의 수면을 유도하기가 어렵고, 수면단계를 나누는 기준이 명확하지 않아 전문가들 사이에서도 높은 정확도를 보여주지 못하고 있다. 이러한 근본적인 문제점을 개선하기 위하여 컴퓨터를 기반으로 수면다원검사를 하는 여러 방법들이 제안되고 있으나, 아직 까지도 R-K기준을 대체할만한 성능을 보여주지 못하고 있다.

따라서, 본 연구에서는 한 채널의 뇌파를 이용하여 개인의 수면 특성에 맞는 컴퓨터 기반 수면평가 알고리즘을 디자인하는 새로운 방법을 제안 함으로서, R-K기준의 단점을 보완하고 기존의 컴퓨터 기반 수면평가 알고리즘의 성능을 향상시키고자 하였다. 이를 위하여 불분명한 수면단계를 구분하기 위한 목적으로 퍼지추론 시스템을 적용하였으며, 유전자알고리즘을 이용하여 퍼지추론 시스템의 소속함수와 퍼지규칙을 개인에게 최적화시켰다. 그 결과 본 연구에서 제안한 알고리즘은 수면단계를 4단계로 구분하는데 약 84.6%의 정확도를 보였다.

또한, 뇌파를 주파수 대역별로 분석하여 개인별 수면단계의 특성 차이를 확인할 수 있었다. 그리고 비선형 분석방법인 카오스 분석을 적용하여 수면단계에 따른 차원의 복잡성과 초기의 민감성을 분석하여, 깊은 수면으로 갈수록 상관차원과 리아푸노프 지수가 낮아지고, REM 단계에서는 상관차원 값이 증가하는 현상이 나타나는 것을 확인하였다.

[영문]Soft-computing techniques are commonly used to detect medical phenomena and help with clinical diagnoses and treatment. This thesis proposes a design for a computerized sleep scoring method which is based on a fuzzy classifier and a genetic algorithm (GA). The proposed method was designed with the fuzzy classifier based on the GA using a single electroencephalogram (EEG) signal that detects differences in spectral features. Polysomnography was performed on four healthy young adults (males with a mean age of 27.5 years). The sleep classifier was designed using a sleep record and tested on the sleep records of the subjects. The results show that the genetic fuzzy classifier (GFC) agreed with visual sleep staging approximately 84.6% of the time in detection of wakefulness (WA), shallow sleep (SS), deep sleep (DS), and rapid eye movement (REM) stages.

The change of correlation dimension (D2) and largest lyapunov exponent (L1) over the whole night sleep EEG was also studied. The results show that D2 and L1 decreased from shallow sleep to deep sleep and D2 increased at REM stage.