서지주요정보
(A) chaos wavelet analysis of the EEG in patients with panic disorder = 혼돈 이론과 웨이브렛 변환을 이용한 공황장애 환자의 EEG 분석
서명 / 저자 (A) chaos wavelet analysis of the EEG in patients with panic disorder = 혼돈 이론과 웨이브렛 변환을 이용한 공황장애 환자의 EEG 분석 / Adedoyin Olumuyiwa Aderinwale.
저자명 Aderinwale, Adedoyin Olumuyiwa ; Aderinwale, Adedoyin Olumuyiwa
발행사항 [대전 : 한국과학기술원, 2019].
Online Access 원문보기 원문인쇄

소장정보

등록번호

8033623

소장위치/청구기호

학술문화관(도서관)2층 패컬티라운지(학위논문)

MBIS 19010

SMS전송

도서상태

이용가능

대출가능

반납예정일

초록정보

Panic disorder is a debilitating disease that has been reported to have a lifetime prevalence of about 4% and has been recurrently linked with the instance of other mental disorders, such as depression with which it has reportedly significant comorbidity. However, there have been a number of reports about the current state of underdiagnoses of panic disorder, because of its largely prominent somatic symptoms, which cause afflicted individuals to seek clinical care as opposed to mental health consultation and treatments. This study aimed to explore the plausibility of creating an EEG-based machine learning classifier that could serve as a diagnostic aid for panic disorder and address the underdiagnoses. In addition to this, by applying a non-linear dynamical analysis procedure towards studying the effects of panic disorder on the brain using the method of chaos-wavelets that allows insights into the changes in each EEG sub-band, this study aims to show insights to panic disorder using techniques that have largely not been used to explore panic disorder in the brain. The results from this study showed an SVM based classifier for Panic vs. Depression with 86% classification accuracy and a KNN based classifier for panic vs Controls with 76% Classification accuracy. Differences in Approximate entropy between panic disorder and MDD patients were also observed along with Potential channel asymmetry differences in the correlation dimension after Bonferroni correction, between panic disorder patients and the control group.

공황장애는 약 4%의평생 유행으로 보고된 쇠약하게 하는 질병이며, 우울증 등 심각한 혼수상태와 같은 다른 정신 질환의 사례와 반복적으로 연관되어 왔다.예측했다.그러나, 패닉 장애의 현 상태에 대한 다수의 보고가 있었는데, 그 이유는 주로 두드러진 체증 때문인데, 이는 정신 건강 상담과 치료와는 반대로, 환자가 임상 치료를 받도록 하는 것이다. 본 연구는 공황 장애에 대한 진단 보조 역할을 할 수 있는 EEG 기반 기계 학습 분류기를 만들 수 있는 타당성을 탐색하고 과소 진단에 대처하기 위한 것이었다. 이와 더불어, 본 연구는 각 EEG 하위 대역의 변화에 대한 통찰력을 제공하는 혼돈-파틀렛 방법을 사용하여 뇌에 공황 장애의 영향을 연구하는 비선형 동적 분석 절차를 적용함으로써, 패닉 장애를 탐구하는 데 주로 사용되지 않은 기술을 사용하여 패닉 장애에 대한 통찰력을 보여주는 것을 목표로 한다.두뇌를 정돈하다 이 연구의 결과는 패닉 vs를 위한 SVM 기반 분류기를 보여주었다. 86% 분류 정확도를 가진 우울증과 76% 분류 정확도를 가진 패닉 대 제어용 KNN 기반 분류기. 패닉 장애와 MDD 환자 사이의 대략적인 엔트로피 차이도 관찰되었으며, 패닉 장애 환자와 대조군 사이의 보네페로니 보정 후 상관 관계 차원에 잠재적인 채널 비대칭 차이도 관찰되었다.

서지기타정보

서지기타정보
청구기호 {MBIS 19010
형태사항 iv, 45 p. : 삽도 ; 30 cm
언어 영어
일반주기 저자명의 한글표기 : Aderinwale Adedoyin Olumuyiwa
지도교수의 영문표기 : Jaeseung Jeong
지도교수의 한글표기 : 정재승
학위논문 학위논문(석사) - 한국과학기술원 : 바이오및뇌공학과,
서지주기 References : p. 37-43
주제 Panic disorder
depression
machine learning
chaos wavelets
Electroencephalograph (EEG)
공황장애
우울증
기계학습
중요한 뉴런
웨이브렛 변환
혼돈 이론
EEG
QR CODE qr code