KR101581552B1 - System and method for detecting spikes whose widths are within a certain range in time-series data - Google Patents
System and method for detecting spikes whose widths are within a certain range in time-series data Download PDFInfo
- Publication number
- KR101581552B1 KR101581552B1 KR1020140058590A KR20140058590A KR101581552B1 KR 101581552 B1 KR101581552 B1 KR 101581552B1 KR 1020140058590 A KR1020140058590 A KR 1020140058590A KR 20140058590 A KR20140058590 A KR 20140058590A KR 101581552 B1 KR101581552 B1 KR 101581552B1
- Authority
- KR
- South Korea
- Prior art keywords
- finite impulse
- spike
- filters
- window
- filter
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
시계열 데이터에서 너비가 특정 범위내인 스파이크의 구간을 자동 검출하는 방법 및 시스템이 제시된다.
본 발명에서 제안하는 시계열 데이터에서 너비가 특정 범위내인 스파이크의 구간을 자동 검출하는 시스템에 있어서, 상기 원 신호에서 특정 윈도우 너비를 가지는 스파이크를 증폭하고, 다른 신호를 감쇄시키는 단일 윈도우를 사용하는 복수의 단일 유한 임펄스 필터; 상기 복수의 단일 유한 임펄스 필터를 통해 나온 신호들을 하나로 통합하는 다중 윈도우를 사용하는 다중 유한 임펄스 필터; 및 상기 다중 유한 임펄스 필터를 통해 나온 상기 신호로부터 상기 스파이크의 구간을 결정하는 규칙기반 의사결정 시스템을 포함한다. A method and system for automatically detecting an interval of a spike whose width is within a certain range in time series data is presented.
The present invention provides a system for automatically detecting an interval of a spike whose width is within a specific range in the time series data proposed by the present invention, the system comprising: a plurality of spikes each having a single window for amplifying a spike having a specific window width in the original signal, Single finite impulse filter; A multiple finite impulse filter using multiple windows to combine signals from the plurality of single finite impulse filters into one; And a rule-based decision system for determining an interval of the spike from the signal output via the multiple finite impulse filter.
Description
본 발명은 시계열 데이터에서 너비가 특정 범위내인 스파이크의 구간을 자동 검출하는 방법 및 시스템에 관한 것이다. 더욱 상세하게는 시계열 데이터에서 스파이크의 구간을 검출하여 오염된 신호를 분석에서 제외시키는 시계열 데이터에서 너비가 특정 범위내인 스파이크의 구간을 자동 검출하는 방법 및 시스템에 관한 것이다. The present invention relates to a method and system for automatically detecting a section of a spike whose width is within a certain range in time series data. And more particularly, to a method and system for automatically detecting a section of a spike whose width is within a specific range in time series data by detecting a section of spike in time series data and excluding the contaminated signal from analysis.
뇌파 또는 뇌전도(Electroencephalogram: EEG) 신호는 뇌에서 발생하는 전기적 신호를 측정한 것으로 뇌활성도 감시에 사용된다. 마취뿐만 아니라, 일시적 심정지, 뇌사, 사망, 간질 등의 상태에서도 뇌활성도가 크게 변하게 되어, 이를 감시하기 위해서 뇌파 분석이 많이 활용되고 있다.The Electroencephalogram (EEG) signal is a measure of the electrical signal from the brain that is used to monitor brain activity. In addition to anesthesia, cerebral activity has been widely used in situations such as temporary cardiac arrest, brain death, death, and epilepsy.
이러한 데이터를 분석하기 위한 방법에는 독립 성분 분석, 임계치 처리법, 그리고 템플릿 매칭 등이 있다.Methods for analyzing such data include independent component analysis, thresholding, and template matching.
독립 성분 분석(Independent Component Analysis; ICA)은 N개의 독립적인 발신원을 가지는 데이터가 서로 섞여 있는 경우에, N개의 서로 다른 지점에서 데이터를 측정하여 원 신호를 추정해 내는 방법이다. 뇌파 데이터에서 인공물의 발신원과 뇌파의 발신원이 다르다는 성질을 이용하여 뇌파데이터에서 인공물을 자동 검출하고 제거하는 데 사용된다. Independent Component Analysis (ICA) is a method of estimating an original signal by measuring data at N different points when data having N independent sources are mixed with each other. EEG data are used to automatically detect and remove artifacts from EEG data using the fact that the sources of artifacts are different from the sources of EEGs.
그리고, 임계치 처리법(Amplitude thresholding)은 데이터를 임의의 길이로 구간을 나누고(이 때, 나누어진 구간을 에폭(epoch)이라고 한다), 에폭(epoch) 단위에서 최대 진폭 값을 기준으로 스파이크의 포함 여부를 결정하는 방법이다. 방법의 단순성과 에폭(epoch) 단위 검출에서의 비교적 높은 정확도로 인해 널리 사용되고 있다.Amplitude thresholding divides the data into arbitrary lengths (in this case, divided intervals are referred to as epochs), and whether the spikes are included or not based on the maximum amplitude value in units of epochs . It is widely used due to the simplicity of the method and the relatively high accuracy in detecting epoch units.
또한, 템플릿 매칭(Template matching)은 스파이크의 대표적인 형태를 템플릿으로 정하고, 이 템플릿과 테스트 신호와의 상관관계, 혹은 거리 값을 바탕으로 스파이크를 검출하는 방법으로, 스파이크의 범위를 결정할 수 있다는 장점이 있다. Template matching is a method of detecting a spike based on a correlation between a template and a test signal or a distance value and defining a spike range. have.
그러나, 종래의 독립 성분 분석(ICA)은 신호를 검출하는 지점의 수가 원 신호의 수와 동일하여야 한다는 제약을 가지고 있어, 뇌파신호(EEG) 등에서의 정확한 검출을 위해서는 다수의 채널정보가 필요하다. 이에 따라, 배터리, 부품의 개수 등에 민감한 모바일 장치의 개발 등에 적용하기 어렵다. 또한, 복잡한 알고리즘으로 인해 처리시간이 많이 걸리므로 실시간 처리에 적용하기 어렵다However, the conventional independent component analysis (ICA) has a restriction that the number of points for detecting a signal should be the same as the number of original signals, and therefore, a lot of channel information is required for accurate detection in an EEG signal or the like. Accordingly, it is difficult to apply to the development of mobile devices sensitive to the number of batteries and parts. Also, since it takes a lot of processing time due to complicated algorithms, it is difficult to apply to real-time processing
그리고, 임계치 처리법은 에폭(epoch) 단위로 판별이 가능할 뿐, 스파이크의 구간을 검출할 수 없으며, 스파이크의 정점(Peak point)이 에폭(epoch)에 포함되지 않은 경우에는 정점과 에폭(epoch)과의 거리가 멀어짐에 따라 검출률이 급속히 감소한다.If the peak point of the spike is not included in the epoch, the threshold processing method can be discriminated by the epoch unit, and the peak, epoch, The detection rate is rapidly reduced as the distance between the target and the target becomes larger.
또한, 템플릿 매칭은 템플릿의 선택이 성능을 결정하는 매우 중요한 요소이며, 템플릿 선정은 개인별로 전문가에 의해 이루어져야 하므로 실제 제품에 적용하여 사용하기에는 어려움이 많다. In addition, template matching is a very important factor that determines the performance of the template selection. Since the template selection must be made by the individual experts, it is difficult to apply the template matching to the actual product.
본 발명이 이루고자 하는 기술적 과제는 시계열 데이터에서 복수의 유한 임펄스 필터와 규칙기반 의사결정 시스템의 조합으로 스파이크의 구간을 검출하여 오염된 신호를 분석에서 제외함으로써, 간단한 구조에 의해 분석의 정확도를 높일 수 있는 시계열 데이터에서 너비가 특정 범위내인 스파이크의 구간을 자동 검출하는 방법 및 시스템을 제공하는데 있다. SUMMARY OF THE INVENTION The object of the present invention is to improve the accuracy of analysis by a simple structure by detecting a period of spikes by combining a plurality of finite impulse filters and a rule-based decision system in time series data, And a method and system for automatically detecting an interval of a spike whose width is within a specific range in time series data.
일 측면에 있어서, 본 발명에서 제안하는 시계열 데이터에서 너비가 특정 범위내인 스파이크의 구간을 자동 검출하는 시스템에 있어서, 상기 원 신호에서 특정 윈도우 너비를 가지는 스파이크를 증폭하고, 다른 신호를 감쇄시키는 단일 윈도우를 사용하는 복수의 단일 유한 임펄스 필터; 상기 복수의 단일 유한 임펄스 필터를 통해 나온 신호들을 하나로 통합하는 다중 윈도우를 사용하는 다중 유한 임펄스 필터; 및 상기 다중 유한 임펄스 필터를 통해 나온 상기 신호로부터 상기 스파이크의 구간을 결정하는 규칙기반 의사결정 시스템을 포함한다.According to an aspect of the present invention, there is provided a system for automatically detecting an interval of a spike whose width is within a specific range in the time series data proposed in the present invention, the system comprising: amplifying a spike having a specific window width in the original signal, A plurality of single finite impulse filters using windows; A multiple finite impulse filter using multiple windows to combine signals from the plurality of single finite impulse filters into one; And a rule-based decision system for determining an interval of the spike from the signal output via the multiple finite impulse filter.
상기 복수의 단일 유한 임펄스 필터는 복수의 상기 윈도우 너비에 대해 각각 연산하여 상기 원 신호를 변형시킬 수 있다.The plurality of single finite impulse filters can transform each of the plurality of window widths to transform the original signal.
상기 복수의 단일 유한 임펄스 필터는 상기 원 신호를 변형시키는 상기 연산을 하기 식으로 나타내며,Wherein the plurality of single finite impulse filters represent the operation for transforming the original signal by the following equation,
여기서, t는 특정 시간 인덱스이고, n은 상기 윈도우 너비일 수 있다.Here, t is a specific time index, and n may be the window width.
상기 다중 유한 임펄스 필터는 임의의 시간에서의 상기 복수의 단일 유한 임펄스 필터 중 최대값인 것을 특징으로 할 수 있다.Wherein the multiple finite impulse filter is a maximum value among the plurality of single finite impulse filters at a certain time.
상기 규칙기반 의사결정 시스템은 상기 스파이크의 구간을 하기 식으로 나타내며,Wherein the rule-based decision system is configured to:
여기서, 와 이 다중 윈도우를 사용하는 다중 유한 임펄스 필터(MSDW)의 번째 국소최소값(local minimum)과 국소최대값(local maximum)이고, 와 는 각각 와 의 시간 인덱스이며, W는 윈도우 크기이고 MSDW는 상기 다중 유한 임펄스 필터에 의해 통합된 신호이며, 는 임의의 임계치(threshold)이고, 가 상기 임계치의 편측 가중치일 수 있다.here, Wow The multiple finite impulse filter (MSDW) using this multiple window Th local minimum value and a local maximum value, Wow Respectively Wow Where W is the window size and MSDW is the signal integrated by the multiple finite impulse filter, Is a certain threshold, May be a unilateral weight of the threshold value.
다른 측면에 있어서, 본 발명에서 제안하는 시계열 데이터에서 너비가 특정 범위내인 스파이크의 구간을 자동 검출하는 방법에 있어서, 원 신호를 입력하는 단계; 입력된 상기 원 신호를 복수의 단일 유한 임펄스 필터를 이용하여 각각 신호를 변형하는 단계; 상기 복수의 단일 유한 임펄스 필터에 의해 변형된 상기 신호들을 다중 유한 임펄스 필터를 이용하여 하나로 통합하는 단계; 및 규칙기반 의사결정 시스템을 이용하여 상기 다중 유한 임펄스 필터에서 나온 상기 신호부터 상기 스파이크의 구간을 결정하는 단계를 포함한다.According to another aspect of the present invention, there is provided a method of automatically detecting an interval of a spike having a width within a specific range in time series data proposed by the present invention, the method comprising: inputting an original signal; Transforming the input original signal by using a plurality of single finite impulse filters; Integrating the signals transformed by the plurality of single finite impulse filters into one using a multiple finite impulse filter; And determining a duration of the spike from the signal from the multiple finite impulse filter using a rule-based decision system.
상기 복수의 단일 유한 임펄스 필터를 이용하여 각각 신호를 변형하는 단계는 복수의 윈도우 너비에 대해 각각 상기 복수의 단일 유한 임펄스 필터에서 연산하여 상기 원 신호를 변형시킬 수 있다.The step of modifying the respective signals using the plurality of single finite impulse filters may transform the original signal by operating the plurality of single finite impulse filters for a plurality of window widths.
상기 복수의 단일 유한 임펄스 필터에서 상기 원 신호를 변형시키는 상기 연산을 하기 식으로 나타내며,Wherein the operation of transforming the original signal in the plurality of single finite impulse filters is represented by the following equation,
여기서, t는 특정 시간 인덱스이고, n은 상기 윈도우 너비일 수 있다.Here, t is a specific time index, and n may be the window width.
상기 신호들을 다중 유한 임펄스 필터를 이용하여 하나로 통합하는 단계는 임의의 시간에서의 상기 복수의 단일 유한 임펄스 필터 중 최대값일 수 있다.Integrating the signals into one using a multiple finite impulse filter may be the maximum of the plurality of single finite impulse filters at any time.
상기 규칙기반 의사결정 시스템을 이용하여 상기 다중 유한 임펄스 필터에서 나온 상기 신호부터 상기 스파이크의 구간을 결정하는 단계는 상기 스파이크의 구간을 하기 식으로 나타내며,Wherein the step of determining the interval of the spike from the signal from the multi-finite impulse filter using the rule-based decision system comprises the steps of:
여기서, 와 이 다중 윈도우를 사용하는 다중 유한 임펄스 필터(MSDW)의 번째 국소최소값(local minimum)과 국소최대값(local maximum)이고, 와 는 각각 와 의 시간 인덱스이며, W는 윈도우 크기이고 MSDW는 상기 다중 유한 임펄스 필터에 의해 통합된 신호이며, 는 임의의 임계치(threshold)이고, 가 상기 임계치의 편측 가중치일 수 있다.here, Wow The multiple finite impulse filter (MSDW) using this multiple window Th local minimum value and a local maximum value, Wow Respectively Wow Where W is the window size and MSDW is the signal integrated by the multiple finite impulse filter, Is a certain threshold, May be a unilateral weight of the threshold value.
본 발명의 실시예들에 따르면 시계열 데이터에서 복수의 유한 임펄스 필터와 규칙기반 의사결정 시스템의 조합으로 스파이크의 구간을 검출하여 오염된 신호를 분석에서 제외함으로써, 간단한 구조에 의해 분석의 정확도를 높일 수 있는 시계열 데이터에서 너비가 특정 범위내인 스파이크의 구간을 자동 검출하는 방법 및 시스템을 제공할 수 있다. According to the embodiments of the present invention, the accuracy of analysis can be improved by a simple structure by detecting the interval of spikes by combining a plurality of finite impulse filters and a rule-based decision system in the time series data, It is possible to provide a method and system for automatically detecting an interval of a spike whose width is within a specific range in the time series data.
도 1은 본 발명의 일 실시예에 따른 단일 윈도우를 사용하는 단일 유한 임펄스 필터를 이용한 신호 변형을 나타낸 도이다.
도 2는 본 발명의 일 실시예에 따른 시계열 데이터에서 너비가 특정 범위내인 스파이크의 구간을 자동 검출하는 시스템을 나타낸 도이다.
도 3은 본 발명의 일 실시예에 따른 시계열 데이터에서 너비가 특정 범위내인 스파이크의 구간을 자동 검출 방법을 나타낸 순서도이다.
도 4는 본 발명의 일 실시예에 따른 데이터에서 검출된 눈 깜빡임 인공물을 나타낸 그래프이다.
도 5는 본 발명의 일 실시예에 따른 연속구간에서 인공물의 검출 정확도를 나타낸 그래프이다.1 is a diagram illustrating signal modification using a single finite impulse filter using a single window according to an embodiment of the present invention.
FIG. 2 is a diagram illustrating a system for automatically detecting an interval of a spike whose width is within a specific range in time series data according to an embodiment of the present invention.
3 is a flowchart illustrating a method of automatically detecting a section of a spike whose width is within a specific range in time series data according to an embodiment of the present invention.
4 is a graph illustrating blink artifacts detected in data according to an embodiment of the present invention.
5 is a graph illustrating detection accuracy of an artifact in a continuous section according to an embodiment of the present invention.
이하, 본 발명의 실시 예를 첨부된 도면을 참조하여 상세하게 설명한다.
DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings.
시계열 데이터에서 너비가 특정 범위내인 스파이크의 구간을 자동 검출하는 시스템 및 방법을 제시한다. A system and a method for automatically detecting an interval of a spike whose width is within a specific range in time series data are proposed.
기존의 방법들은 다수의 채널 데이터를 요구하거나, 스파이크(Spike)의 구간을 검출하지 못하고 임의의 정해진 구간에서 스파이크의 포함 여부만을 판별하거나, 전문가의 개별설정이 필요하다는 단점이 있었다. 본 발명은 단일 채널의 시계열 데이터에서, 복수의 유한 임펄스 필터와 규칙기반 의사결정 시스템의 조합으로 스파이크의 구간을 검출하여 분석에서 제외시킬 수 있다.
Conventional methods have disadvantages in that they require a plurality of channel data, can not detect a spike interval, determine only whether spikes are included in a predetermined interval, or require individual setting of an expert. In the present invention, in a single-channel time-series data, a spike interval can be detected and excluded from analysis by a combination of a plurality of finite impulse filters and a rule-based decision system.
도 1은 본 발명의 일 실시예에 따른 단일 윈도우를 사용하는 단일 유한 임펄스 필터를 이용한 신호 변형을 나타낸 도이다.1 is a diagram illustrating signal modification using a single finite impulse filter using a single window according to an embodiment of the present invention.
도 1을 참조하면, 단일 윈도우를 사용하는 디지털 유한 임펄스 필터인 단일 유한 임펄스 필터를 이용하여, 윈도우 안에서 인접한 신호간 미분의 합을 구함으로써, 특정 너비를 가지는 스파이크를 필터링할 수 있다. Referring to FIG. 1, a single finite impulse filter, which is a digital finite impulse filter using a single window, can be used to filter spikes having a specific width by calculating the sum of differentials between adjacent signals in a window.
이 때, 유한 임펄스 필터는 신호들을 더하고 뺀 것의 총합을 의미할 수 있다. At this time, the finite impulse filter can mean the sum of the signals added and subtracted.
전두엽의 뇌파신호(EEG) 신호에서 눈 깜빡임은 일반적으로 200~400ms 동안 영향을 주는데, 이를 검출하기 위하여, 100~200 범위 너비의 다중 윈도우를 사용하는 유한 임펄스 필터를 나타낼 수 있다. Blinking in the frontal EEG signal typically affects 200 to 400 ms. To detect this, a finite impulse filter using multiple windows with a range of 100 to 200 can be shown.
따라서, 이전 값에서 다음 값을 차감하는 방법으로 특정 윈도우 구간 사이에서 미분의 합을 구할 수 있다. 여기서, 윈도우 구간 내에서 인접한 신호간 미분의 합을 구함으로써, 도 1에 도시한 바와 같이 그래프가 동일한 크기로 상승 및 하강하는 경우에는 그 합은 0(zero)이 될 수 있다. 또한, 그래프가 최고점을 나타낼 때 총합이 최고가 되며, 그래프가 최저점을 나타낼 때 총합이 최저가 되므로 원하는 신호는 증폭시키고, 원하지 않는 신호는 강제시킬 수 있다.
Therefore, the sum of differentials can be obtained between specific window sections by subtracting the next value from the previous value. Here, when the sum of differentials between adjacent signals in the window section is calculated, as shown in FIG. 1, when the graphs rise and fall to the same magnitude, the sum can be zero. Also, when the graph shows the peak, the summation is the highest, and when the graph shows the bottom, the summation is the lowest, so the wanted signal can be amplified and the unwanted signal can be forced.
도 2는 본 발명의 일 실시예에 따른 시계열 데이터에서 너비가 특정 범위내인 스파이크의 구간을 자동 검출하는 시스템을 나타낸 도이다.FIG. 2 is a diagram illustrating a system for automatically detecting an interval of a spike whose width is within a specific range in time series data according to an embodiment of the present invention.
도 2를 참조하면, 시계열 데이터에서 너비가 특정 범위내인 스파이크의 구간을 자동 검출하는 시스템은 복수의 단일 유한 임펄스 필터, 다중 유한 임펄스 필터, 그리고 규칙기반 의사결정 시스템을 포함할 수 있다.Referring to FIG. 2, a system for automatically detecting an interval of a spike whose width is within a specific range in time series data may include a plurality of single finite impulse filters, multiple finite impulse filters, and a rule-based decision system.
단일 유한 임펄스 필터(110)는 원 신호에서 특정 윈도우 너비를 가지는 스파이크를 증폭하고, 다른 신호를 감쇄시키는 단일 윈도우를 사용하는 디지털 유한 임펄스 필터(SDW)이다. The single
복수의 단일 유한 임펄스 필터는 복수의 윈도우 너비에 대해 각각 연산하여 원 신호를 변형시킬 수 있다.A plurality of single finite impulse filters can transform the original signal by calculating each of the plurality of window widths.
복수의 단일 유한 임펄스 필터는 원 신호를 변형시키는 연산을 하기 식으로 표현할 수 있다.A plurality of single finite impulse filters can be expressed by the following equation for transforming the original signal.
여기서, t는 특정 시간 인덱스를 나타내고, n은 윈도우 구간의 너비이다.Here, t represents a specific time index, and n is the width of the window section.
따라서, 특정 시간 인덱스 t에서 윈도우 구간의 너비가 n인 필터를 나타낼 수 있으며, 이것은 이전 값에서 다음 값을 차감하는 간단한 형태의 디지털 주파수 필터로 이해될 수 있다.Thus, a filter with a window interval width n at a particular time index t can be represented, which can be understood as a simple form of a digital frequency filter that subtracts the next value from the previous value.
다중 유한 임펄스 필터(120)는 다중 윈도우를 사용하는 디지털 유한 임펄스 필터(MSDW)로, 복수의 단일 유한 임펄스 필터를 통해 나온 신호들을 하나로 통합할 수 있다. The multiple finite impulse filter (120) is a digital finite impulse filter (MSDW) using multiple windows, and can integrate signals from a plurality of single finite impulse filters into one.
그리고, 다중 유한 임펄스 필터는 임의의 시간에서의 복수의 단일 유한 임펄스 필터 중 최대값으로 정의할 수 있다.The multiple finite impulse filter can be defined as a maximum value among a plurality of single finite impulse filters at any time.
예를 들어, 눈 깜빡임 인공물의 너비가 동일하다고 가정한다면 단일 윈도우를 사용하는 단일 유한 임펄스 필터를 사용하여 인공물을 손쉽게 검출해 낼 수 있으나, 눈 깜빡임 인공물의 너비는 일정 범위 안에서 변동이 매우 심한 편이다. For example, assuming that the width of the blinking artifact is the same, a single finite impulse filter using a single window can be used to easily detect artifacts, but the width of the blinking artifacts is highly variable within a certain range .
따라서, 눈 깜빡임 범위 내의 모든 윈도우 구간에 대해 단일 윈도우를 사용하는 단일 유한 임펄스 필터를 구하고, 이를 규칙기반 의사결정 시스템(Rule-based system)을 사용하여 인공물(스파이크)의 범위를 한정하도록 할 수 있다. Thus, a single finite impulse filter using a single window for all window sections within the blink range can be obtained, which can be used to define a range of artifacts (spikes) using a rule-based system .
규칙기반 의사결정 시스템(130)은 다중 유한 임펄스 필터를 통해 나온 신호로부터 스파이크의 구간을 결정할 수 있다. 따라서, 스파이크 구간을 결정하여 오염된 신호를 제외함으로써, 정확한 데이터 분석을 가능하게 할 수 있다. The rule-based
이상에서 설명한 규칙기반 의사결정 시스템의 의사결정 순서는 다음과 같이 나타낼 수 있다.The decision order of the rule-based decision system described above can be expressed as follows.
먼저, 범위의 윈도우 크기(W)에 대해 단일 윈도우를 사용하는 단일 유한 임펄스 필터(SDW)를 계산할 수 있다. 를 크기가 인 윈도우에 대한 단일 윈도우를 사용하는 단일 유한 임펄스 필터(SDW)로 정의할 수 있다.first, A single finite impulse filter (SDW) using a single window for the window size (W) of the range can be calculated. Size Can be defined as a single finite impulse filter (SDW) using a single window for a window.
다음으로, MSDWt를 임의의 시간 에서의 중 최대값으로 정의할 수 있다. 단, 다음의 두 가지 조건을 만족하는 것이 바람직하다. 조건 1은 시간 와 에서 원 신호의 일차 미분 값은 같은 부호를 가져야 하는 것이고, 조건 2는 범위 에서 원 신호의 값은 시간 와 의 값 사이에 존재해야 하는 것이다.Next, MSDW t is calculated at an arbitrary time In The maximum value can be defined. However, it is preferable that the following two conditions are satisfied.
마지막으로, 규칙기반 의사결정 시스템은 스파이크의 구간(R)을 하기 식으로 나타낼 수 있다.Finally, the rule-based decision system can express the interval (R) of the spike by the following equation.
여기서, 와 이 다중 윈도우를 사용하는 다중 유한 임펄스 필터(MSDW)의 번째 국소최소값(local minimum)과 국소최대값(local maximum)이고, 와 는 각각 와 의 시간 인덱스이며, W는 윈도우 크기이고 MSDW는 상기 다중 유한 임펄스 필터에 의해 통합된 신호이며, 는 임의의 임계치(threshold)이고, 가 상기 임계치의 편측 가중치일 수 있다.here, Wow The multiple finite impulse filter (MSDW) using this multiple window Th local minimum value and a local maximum value, Wow Respectively Wow Where W is the window size and MSDW is the signal integrated by the multiple finite impulse filter, Is a certain threshold, May be a unilateral weight of the threshold value.
상기 식은 스파이크의 추정된 끝점 (T(mini))과 추정된 피크(peak) (T(maxi-j))를 가지도록 함으로써 구간을 추정하는 방법이다. 따라서, 여기서 정의된 구간을 그대로 사용할 수도 있지만, 목적에 따라 구간을 타이트하게 또는 여유 있게 조절할 수 있다.The above equation is a method of estimating a section by having an estimated end point (T (min i )) of a spike and an estimated peak (T (max ij )). Therefore, although the section defined here can be used as it is, the section can be adjusted tightly or with a margin depending on the purpose.
이를 통해, 다른 신호인 스파이크의 구간을 검출하여 데이터 분석에서 제외시킬 수 있다.
Through this, it is possible to detect the interval of another signal, spike, and exclude it from the data analysis.
도 3은 본 발명의 일 실시예에 따른 시계열 데이터에서 너비가 특정 범위내인 스파이크의 구간을 자동 검출 방법을 나타낸 순서도이다.3 is a flowchart illustrating a method of automatically detecting a section of a spike whose width is within a specific range in time series data according to an embodiment of the present invention.
도 3을 참조하면, 시계열 데이터에서 너비가 특정 범위내인 스파이크의 구간을 자동 검출할 수 있다.Referring to FIG. 3, it is possible to automatically detect an interval of a spike whose width is within a specific range in time series data.
단계(210)에서, 분석하고자 하는 시계열 데이터의 원 신호를 입력할 수 있다.In
단계(220)에서, 입력된 원 신호를 복수의 단일 유한 임펄스 필터를 이용하여 각각 신호를 변형할 수 있다. 즉, 입력되는 원 신호는 특정 범위 내의 모든 윈도우 의 구간에 대해 다수의 단일 윈도우를 사용하는 단일 유한 임펄스 필터를 통해 각각 신호가 변형될 수 있다.In
그리고, 복수의 윈도우 너비에 대해 각각 복수의 단일 유한 임펄스 필터에서 연산하여 원 신호를 변형시켜 변형된 신호를 얻을 수 있다. 이 때, 복수의 단일 유한 임펄스 필터에서의 연산 방법은 시계열 데이터에서 너비가 특정 범위내인 스파이크의 구간을 자동 검출하는 시스템에서 기재하였으므로, 반복된 설명은 생략하기로 한다. Then, the modified signal can be obtained by modifying the original signal by a plurality of single finite impulse filters for a plurality of window widths. At this time, the calculation method in the plurality of single finite impulse filters is described in the system for automatically detecting the interval of spikes whose width is within a specific range in the time-series data, and thus repeated explanation will be omitted.
단계(230)에서, 복수의 단일 유한 임펄스 필터에 의해 변형된 신호들을 다중 유한 임펄스 필터를 이용하여 하나의 신호로 통합할 수 있다. 그리고, 신호들을 다중 유한 임펄스 필터를 이용하여 하나로 통합하는 단계는 임의의 시간에서의 복수의 단일 유한 임펄스 필터 중 최대값으로 정의할 수 있다.In
단계(240)에서, 규칙기반 의사결정 시스템을 이용하여 다중 유한 임펄스 필터를 거쳐 나온 신호부터 스파이크의 구간을 결정할 수 있다. 이 때, 스파이크 구간을 결정하는 연산 방법은 시계열 데이터에서 너비가 특정 범위내인 스파이크의 구간을 자동 검출하는 시스템에서 기재하였으므로, 반복된 설명은 생략하기로 한다. In
따라서, 스파이크의 구간을 자동 검출하여, 오염된 신호를 데이터 분석에서 제외시켜 분석의 정확도를 높일 수 있다.
Therefore, the accuracy of the analysis can be improved by automatically detecting the interval of the spike and excluding the contaminated signal from the data analysis.
(실시예)(Example)
도 4는 본 발명의 일 실시예에 따른 데이터에서 검출된 눈 깜빡임 인공물을 나타낸 그래프이다.4 is a graph illustrating blink artifacts detected in data according to an embodiment of the present invention.
도 4를 참조하면, 24명으로부터 60초간 측정된 뇌파신호(EEG) 데이터로부터 검출된 눈 깜빡임 인공물을 표시할 수 있다. 여기서, 전체 데이터는 약 5분간 뇌파신호(EEG)를 측정하였으나, 편의상 일부분만을 표시하였다. 피험자에 따라 뇌파신호(EEG) 원 신호의 웨이브가 평평하지 않은 경우도 있고, 눈 깜빡임의 너비와 크기가 다르지만 대부분의 눈 깜빡임을 정상적으로 측정한 것을 볼 수 있다.
Referring to FIG. 4, eye blink artifacts detected from EEG data measured for 60 seconds from 24 can be displayed. Here, the entire data was measured for EEG for about 5 minutes, but only a part thereof was shown for convenience. Depending on the subject, the wave of the EEG source signal may not be flat, and the eye flicker may have a different width and magnitude, but most eye blinks are normally measured.
표 1은 에폭 단위에서의 눈 깜빡임 인공물 검출 에러를 비교하여 나타낸 것이다.Table 1 compares eye blink artifact detection errors in epoch units.
표 1을 참조하면, 에폭(epoch) 단위의 눈 깜빡임 인공물 검출을 위해 흔히 사용되는 방법(Simple thresholding)과 에폭 단위로 인공물 검출을 비교 테스트한 결과를 나타낼 수 있다. 여기서, 오검출률(FPR)은 제안된 알고리즘이 0.5% 가량 높게 나왔으나 큰 차이가 없으며, 인공물의 정점(top) 부분이 에폭에 포함되어 있지 않은 경우의 미검출률(FNR)은 제안된 알고리즘이 현저하게 낮은 수준으로, 전체 검출 시에는 3.46%를 보이고 있다. Referring to Table 1, it can be shown that a simple thresholding method for detection of eye blink artifacts in epoch units and a comparison test of artifact detection in epoch units can be shown. Here, the false detection rate (FPR) is 0.5% higher than the proposed algorithm, but there is no significant difference, and the undetected rate (FNR) when the top part of the artifact is not included in the ephemeris, And 3.46% for the whole detection.
따라서, 제안된 본 발명을 따르면, 전체 검출 시에도 정확한 결과를 얻을 수 있다.
Therefore, according to the proposed invention, accurate results can be obtained even in the entire detection.
도 5는 본 발명의 일 실시예에 따른 연속구간에서 인공물의 검출 정확도를 나타낸 그래프이다.5 is a graph illustrating detection accuracy of an artifact in a continuous section according to an embodiment of the present invention.
도 5를 참조하면, 에폭 단위가 아닌 전체의 연속된 구간을 대상으로 테스트하여 템플릿 매칭을 사용하는 방법들과 비교한 결과를 나타낼 수 있다. 템플릿은 랜덤으로 5개가 선택될 수 있다. Referring to FIG. 5, it is possible to show a result of comparison with methods using template matching by testing a whole continuous section rather than an epoch unit. Five templates can be selected randomly.
한편, 표 1에서 비교를 위해 사용된 방법은 에폭 단위에서만 적용 가능하므로 이 비교에 도시되지 않았다. On the other hand, the method used for comparison in Table 1 is not shown in this comparison because it is applicable only in epoch units.
제안된 방법(MSDW)이 (EER 시점에서) 94% 가량의 인식률을 보인 반면, 다른 알고리즘들은 동적 계획법(DTW)이 72%, 첨도, 평균자승오차(MSE), 상관도(correlation) 는 각각 11%, 49%, 34%의 낮은 정확도를 보인다.
While the proposed method (MSDW) showed 94% recognition rate (at EER time), other algorithms showed 72% of dynamic programming method (DTW), the kurtosis, mean squared error (MSE) %, 49% and 34%, respectively.
표 2는 최적의 템플릿을 사용한 경우의 검출 결과를 나타낸 것이다.Table 2 shows the detection results when an optimal template is used.
표 2를 참조하면, 20회의 반복을 통해 최적의 템플릿을 사용한 경우의 검출 결과를 나타낼 수 있다. 이 때, 검출률은 정확도(Precision)와 리콜(Recall)이 같은 시점의 정확도를 사용할 수 있다. 그 결과, 유한 임펄스 필터를 사용한 결과가 92.38%로 템플릿의 적절한 선정에 의해 성능이 향상될 수 있음이 보이지만, 여전히 제안된 본 방법에 비하여 낮은 수치를 보이는 것을 알 수 있다.Referring to Table 2, it is possible to display the detection result when an optimal template is used by repeating 20 times. At this time, the detection rate can use the accuracy at the same point of accuracy (Precision) and recall (Recall). As a result, it can be seen that the performance using the finite impulse filter can be improved by appropriately selecting the template at 92.38%, but it is still lower than the proposed method.
따라서, 단일 채널의 시계열 데이터로부터 높은 정확도로 스파이크 구간을 검출할 수 있으며, 템플릿 선정과 같이 추가적인 전문가의 설정 없이도 높은 성능을 기대할 수 있다.Therefore, it is possible to detect the spike section from the time-series data of a single channel with high accuracy, and high performance can be expected without additional expert setting such as template selection.
그리고, 단일 패스의 간단한 구조로 인해 실시간 처리가 가능할 뿐만 아니라, 모바일 뇌파신호(EEG) 장치 등의 다양한 분야에 적용할 수 있다.
In addition to being capable of real-time processing due to the simple structure of a single pass, it can be applied to various fields such as a mobile EEP device.
시계열 데이터에서 스파이크의 검출은 다양한 분야에서 사용 가능하다. Detection of spikes in time series data can be used in various fields.
예를 들어, 두피에서 측정되는 뇌파신호(Electroencephalogram: EEG)에는 눈 깜빡임 또는 눈 움직임과 같은 생체신호가 유입되는데 이런 외부신호가 스파이크의 형태를 보이므로 특정 너비의 스파이크를 검출함으로 오염된 신호를 데이터 분석에 사용하지 않을 수 있다. For example, the electroencephalogram (EEG) measured in the scalp includes a biological signal such as eye blinking or eye movement. Since the external signal shows a spike shape, a spike of a specific width is detected, It may not be used for analysis.
그리고, 간질환자는 뇌의 이상부위에서 불규칙한 스파이크 형태의 이상신호(이하 간질패턴)를 발생시키는 것으로 알려져 있는데, 이러한 이상신호를 검출하고 분석함으로 병변을 발견할 수 있다.In addition, patients with epilepsy are known to produce irregular spike-like abnormalities (hereinafter referred to as epilepsy patterns) in abnormal regions of the brain. These abnormal signals can be detected and analyzed to detect lesions.
또한, 심전도(Electrocardiogram; ECG)에서 스파이크과 스파이크 사이의 거리를 나타내는 RR 인터벌(Interval) 등을 자동 분석하는 데 사용할 수 있다It can also be used to automatically analyze the RR interval, which is the distance between the spike and the spike in the electrocardiogram (ECG)
이에 따라, 본 발명에 따라 뇌파신호(EEG) 데이터 분석에 이용할 수 있다. 즉, 뇌파신호에 유입된 다른 생체신호(이하 인공물)를 제거하는 것은 대부분의 뇌파신호(EEG) 분석에 필요한 전처리 과정이며, 특히 배터리, 비용 등의 문제로 뇌파를 수집하는 채널 수가 적은 모바일 장비의 경우 단일 채널의 데이터로부터 인공물을 제거하는 알고리즘은 제품 구현에 있어 필요조건이다.Accordingly, the present invention can be used for analyzing EEG data according to the present invention. In other words, the removal of other bio-signals (artifacts) introduced into the EEG signals is a pre-processing process required for analyzing most EEG signals. Especially, since there are problems such as battery and cost, Algorithms for removing artifacts from a single channel of data are a prerequisite for product implementation.
그리고, 간질패턴은 숙련된 의사에 의해 육안으로 검출 가능하지만 데이터의 길이가 긴 경우 이를 육안으로 모두 체크하는 것은 여간 어려운 일이 아니다. 여기에 본 발명의 방법을 사용하여 자동화함으로써, 의사의 데이터 검사시간을 단축시킬 수 있다.The epilepsy pattern can be detected visually by a skilled physician, but if the length of the data is long, it is not difficult to visually check the epilepsy pattern. By automating using the method of the present invention, it is possible to shorten the data inspection time of the doctor.
또한, ECG의 RR 인터벌을 자동 계산함으로써, 대용량의 ECG 데이터 분석을 보다 간편하게 할 수 있다.In addition, by automatically calculating the RR interval of the ECG, it is possible to more easily analyze a large-capacity ECG data.
그리고, 눈 깜빡임 신호를 이용하는 안구 키보드 및 마우스를 구현할 수 있는데, 카메라 대신 눈 주위에 붙인 전극을 사용하여 눈 깜빡임 신호를 인식하고, 이를 이용하여 키보드 및 마우스를 구현함으로써, 눈 깜빡임을 검출하여 사용자가 눈만으로 의사표현을 할 수 있도록 하는 것이 가능하다.In addition, it is possible to implement an eyeball keyboard and a mouse using a blinking signal. By recognizing blinking signals using electrodes attached to the eyes instead of a camera, and implementing a keyboard and a mouse by using the blinking signals, It is possible to make the expression of the doctor's eye possible.
그러므로, 뇌파신호(EEG), ECG, 피질전도(Electrocorticogram; ECoG) 등의 분석이 필요한 의료 분야에 적용이 가능하며, 신체마비 환자를 대상으로 하는 눈 깜빡임 신호를 이용한 안구 키보드 및 마우스 등의 분야에도 적용이 가능하다.
Therefore, the present invention can be applied to a medical field requiring analyzes such as EEG, ECG, and ECoG. In addition, it can be applied to a field of an eyeball keyboard and a mouse using an eye flicker signal It is applicable.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 컨트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 컨트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.The apparatus described above may be implemented as a hardware component, a software component, and / or a combination of hardware components and software components. For example, the apparatus and components described in the embodiments may be implemented within a computer system, such as, for example, a processor, controller, arithmetic logic unit (ALU), digital signal processor, microcomputer, field programmable array (FPA) A programmable logic unit (PLU), a microprocessor, or any other device capable of executing and responding to instructions. The processing device may execute one or more software applications that are executed on an operating system (OS) and an operating system. The processing device may also access, store, manipulate, process, and generate data in response to execution of the software. For ease of understanding, the processing apparatus may be described as being used singly, but those skilled in the art will recognize that the processing apparatus may have a plurality of processing elements and / As shown in FIG. For example, the processing apparatus may comprise a plurality of processors or one processor and one controller. Other processing configurations are also possible, such as a parallel processor.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.The software may include a computer program, code, instructions, or a combination of one or more of the foregoing, and may be configured to configure the processing device to operate as desired or to process it collectively or collectively Device can be commanded. The software and / or data may be in the form of any type of machine, component, physical device, virtual equipment, computer storage media, or device , Or may be permanently or temporarily embodied in a transmitted signal wave. The software may be distributed over a networked computer system and stored or executed in a distributed manner. The software and data may be stored on one or more computer readable recording media.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.The method according to an embodiment may be implemented in the form of a program command that can be executed through various computer means and recorded in a computer-readable medium. The computer readable medium may include program instructions, data files, data structures, and the like, alone or in combination. Program instructions to be recorded on the medium may be those specially designed and constructed for the embodiments or may be available to those skilled in the art of computer software. Examples of computer-readable media include magnetic media such as hard disks, floppy disks and magnetic tape; optical media such as CD-ROMs and DVDs; magnetic media such as floppy disks; Magneto-optical media, and hardware devices specifically configured to store and execute program instructions such as ROM, RAM, flash memory, and the like. Examples of program instructions include machine language code such as those produced by a compiler, as well as high-level language code that can be executed by a computer using an interpreter or the like. The hardware devices described above may be configured to operate as one or more software modules to perform the operations of the embodiments, and vice versa.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it is to be understood that the invention is not limited to the disclosed exemplary embodiments. For example, it is to be understood that the techniques described may be performed in a different order than the described methods, and / or that components of the described systems, structures, devices, circuits, Lt; / RTI > or equivalents, even if it is replaced or replaced.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.Therefore, other implementations, other embodiments, and equivalents to the claims are also within the scope of the following claims.
Claims (10)
원 신호에서 특정 윈도우 너비를 가지는 스파이크를 증폭하고, 다른 신호를 감쇄시키는 단일 윈도우를 사용하는 복수의 단일 유한 임펄스 필터;
상기 복수의 단일 유한 임펄스 필터를 통해 나온 신호들을 하나로 통합하는 다중 윈도우를 사용하는 다중 유한 임펄스 필터; 및
상기 다중 유한 임펄스 필터를 통해 나온 상기 신호로부터 상기 스파이크의 구간을 결정하는 규칙기반 의사결정 시스템을 포함하고,
상기 다중 유한 임펄스 필터는
임의의 시간에서의 상기 복수의 단일 유한 임펄스 필터 중 최대값인 것
을 특징으로 하는 스파이크의 구간을 자동 검출하는 시스템.A system for automatically detecting an interval of a spike whose width is within a specific range in time series data,
A plurality of single finite impulse filters using a single window for amplifying spikes having a specific window width in the original signal and attenuating other signals;
A multiple finite impulse filter using multiple windows to combine signals from the plurality of single finite impulse filters into one; And
And a rule-based decision system for determining a duration of the spike from the signal output via the multiple finite impulse filter,
The multi-finite impulse filter
A maximum value among the plurality of single finite impulse filters at any time
The system automatically detecting the section of the spike.
상기 복수의 단일 유한 임펄스 필터는
복수의 상기 윈도우 너비에 대해 각각 연산하여 상기 원 신호를 변형시키는 것
을 특징으로 하는 스파이크의 구간을 자동 검출하는 시스템.The method according to claim 1,
The plurality of single finite impulse filters
And transforming the original signal by calculating each of the plurality of window widths
The system automatically detecting the section of the spike.
원 신호에서 특정 윈도우 너비를 가지는 스파이크를 증폭하고, 다른 신호를 감쇄시키는 단일 윈도우를 사용하는 복수의 단일 유한 임펄스 필터;
상기 복수의 단일 유한 임펄스 필터를 통해 나온 신호들을 하나로 통합하는 다중 윈도우를 사용하는 다중 유한 임펄스 필터; 및
상기 다중 유한 임펄스 필터를 통해 나온 상기 신호로부터 상기 스파이크의 구간을 결정하는 규칙기반 의사결정 시스템을 포함하고,
상기 복수의 단일 유한 임펄스 필터는
복수의 상기 윈도우 너비에 대해 각각 연산하여 상기 원 신호를 변형시키며, 상기 원 신호를 변형시키는 상기 연산을 하기 식으로 나타내고,
여기서, t는 특정 시간 인덱스이고, n은 상기 윈도우 너비인 것
을 특징으로 하는 스파이크의 구간을 자동 검출하는 시스템.A system for automatically detecting an interval of a spike whose width is within a specific range in time series data,
A plurality of single finite impulse filters using a single window for amplifying spikes having a specific window width in the original signal and attenuating other signals;
A multiple finite impulse filter using multiple windows to combine signals from the plurality of single finite impulse filters into one; And
And a rule-based decision system for determining a duration of the spike from the signal output via the multiple finite impulse filter,
The plurality of single finite impulse filters
And transforming the original signal and transforming the original signal is represented by the following equation,
Where t is a specific time index and n is the window width
The system automatically detecting the section of the spike.
원 신호에서 특정 윈도우 너비를 가지는 스파이크를 증폭하고, 다른 신호를 감쇄시키는 단일 윈도우를 사용하는 복수의 단일 유한 임펄스 필터;
상기 복수의 단일 유한 임펄스 필터를 통해 나온 신호들을 하나로 통합하는 다중 윈도우를 사용하는 다중 유한 임펄스 필터; 및
상기 다중 유한 임펄스 필터를 통해 나온 상기 신호로부터 상기 스파이크의 구간을 결정하는 규칙기반 의사결정 시스템을 포함하고,
상기 규칙기반 의사결정 시스템은
상기 스파이크의 구간(R)을 하기 식으로 나타내며,
여기서, 와 이 다중 윈도우를 사용하는 다중 유한 임펄스 필터(MSDW)의 번째 국소최소값(local minimum)과 국소최대값(local maximum)이고, 와 는 각각 와 의 시간 인덱스이며, W는 윈도우 크기이고 MSDW는 상기 다중 유한 임펄스 필터에 의해 통합된 신호이며, 는 임의의 임계치(threshold)이고, 가 상기 임계치의 편측 가중치인 것
을 특징으로 하는 스파이크의 구간을 자동 검출하는 시스템.A system for automatically detecting an interval of a spike whose width is within a specific range in time series data,
A plurality of single finite impulse filters using a single window for amplifying spikes having a specific window width in the original signal and attenuating other signals;
A multiple finite impulse filter using multiple windows to combine signals from the plurality of single finite impulse filters into one; And
And a rule-based decision system for determining a duration of the spike from the signal output via the multiple finite impulse filter,
The rule-based decision system
The section R of the spike is represented by the following equation,
here, Wow The multiple finite impulse filter (MSDW) using this multiple window Th local minimum value and a local maximum value, Wow Respectively Wow Where W is the window size and MSDW is the signal integrated by the multiple finite impulse filter, Is a certain threshold, Is a unilateral weight of the threshold value
The system automatically detecting the section of the spike.
원 신호를 입력하는 단계;
입력된 상기 원 신호를 복수의 단일 유한 임펄스 필터를 이용하여 각각 신호를 변형하는 단계;
상기 복수의 단일 유한 임펄스 필터에 의해 변형된 상기 신호들을 다중 유한 임펄스 필터를 이용하여 하나로 통합하는 단계; 및
규칙기반 의사결정 시스템을 이용하여 상기 다중 유한 임펄스 필터에서 나온 상기 신호부터 상기 스파이크의 구간을 결정하는 단계를 포함하고,
상기 신호들을 다중 유한 임펄스 필터를 이용하여 하나로 통합하는 단계는
임의의 시간에서의 상기 복수의 단일 유한 임펄스 필터 중 최대값인 것
을 특징으로 하는 스파이크의 구간을 자동 검출하는 방법.A method for automatically detecting a section of a spike whose width is within a specific range in time series data,
Inputting an original signal;
Transforming the input original signal by using a plurality of single finite impulse filters;
Integrating the signals transformed by the plurality of single finite impulse filters into one using a multiple finite impulse filter; And
Determining a duration of the spike from the signal from the multiple finite impulse filter using a rule-based decision system,
The step of combining the signals into one using a multiple finite impulse filter
A maximum value among the plurality of single finite impulse filters at any time
Characterized in that the step of automatically detecting the section of the spike.
상기 복수의 단일 유한 임펄스 필터를 이용하여 각각 신호를 변형하는 단계는
복수의 윈도우 너비에 대해 각각 상기 복수의 단일 유한 임펄스 필터에서 연산하여 상기 원 신호를 변형시키는 것
을 특징으로 하는 스파이크의 구간을 자동 검출하는 방법.The method according to claim 6,
The step of transforming each of the signals using the plurality of single finite impulse filters
Transforming the original signal by operating on the plurality of single finite impulse filters for a plurality of window widths
Characterized in that the step of automatically detecting the section of the spike.
원 신호를 입력하는 단계;
입력된 상기 원 신호를 복수의 단일 유한 임펄스 필터를 이용하여 각각 신호를 변형하는 단계;
상기 복수의 단일 유한 임펄스 필터에 의해 변형된 상기 신호들을 다중 유한 임펄스 필터를 이용하여 하나로 통합하는 단계; 및
규칙기반 의사결정 시스템을 이용하여 상기 다중 유한 임펄스 필터에서 나온 상기 신호부터 상기 스파이크의 구간을 결정하는 단계를 포함하고,
상기 복수의 단일 유한 임펄스 필터를 이용하여 각각 신호를 변형하는 단계는
복수의 윈도우 너비에 대해 각각 상기 복수의 단일 유한 임펄스 필터에서 연산하여 상기 원 신호를 변형시키며,
상기 복수의 단일 유한 임펄스 필터에서 상기 원 신호를 변형시키는 상기 연산을 하기 식으로 나타내고,
여기서, t는 특정 시간 인덱스이고, n은 상기 윈도우 너비인 것
을 특징으로 하는 스파이크의 구간을 자동 검출하는 방법.A method for automatically detecting a section of a spike whose width is within a specific range in time series data,
Inputting an original signal;
Transforming the input original signal by using a plurality of single finite impulse filters;
Integrating the signals transformed by the plurality of single finite impulse filters into one using a multiple finite impulse filter; And
Determining a duration of the spike from the signal from the multiple finite impulse filter using a rule-based decision system,
The step of transforming each of the signals using the plurality of single finite impulse filters
Transforming the original signal by operating on the plurality of single finite impulse filters for a plurality of window widths,
Wherein the operation of transforming the original signal in the plurality of single finite impulse filters is represented by the following equation,
Where t is a specific time index and n is the window width
Characterized in that the step of automatically detecting the section of the spike.
원 신호를 입력하는 단계;
입력된 상기 원 신호를 복수의 단일 유한 임펄스 필터를 이용하여 각각 신호를 변형하는 단계;
상기 복수의 단일 유한 임펄스 필터에 의해 변형된 상기 신호들을 다중 유한 임펄스 필터를 이용하여 하나로 통합하는 단계; 및
규칙기반 의사결정 시스템을 이용하여 상기 다중 유한 임펄스 필터에서 나온 상기 신호부터 상기 스파이크의 구간을 결정하는 단계를 포함하고,
상기 규칙기반 의사결정 시스템을 이용하여 상기 다중 유한 임펄스 필터에서 나온 상기 신호부터 상기 스파이크의 구간을 결정하는 단계는
상기 스파이크의 구간을 하기 식으로 나타내며,
여기서, 와 이 다중 윈도우를 사용하는 다중 유한 임펄스 필터(MSDW)의 번째 국소최소값(local minimum)과 국소최대값(local maximum)이고, 와 는 각각 와 의 시간 인덱스이며, W는 윈도우 크기이고 MSDW는 상기 다중 유한 임펄스 필터에 의해 통합된 신호이며, 는 임의의 임계치(threshold)이고, 가 상기 임계치의 편측 가중치인 것
을 특징으로 하는 스파이크의 구간을 자동 검출하는 방법.A method for automatically detecting a section of a spike whose width is within a specific range in time series data,
Inputting an original signal;
Transforming the input original signal by using a plurality of single finite impulse filters;
Integrating the signals transformed by the plurality of single finite impulse filters into one using a multiple finite impulse filter; And
Determining a duration of the spike from the signal from the multiple finite impulse filter using a rule-based decision system,
Determining a duration of the spike from the signal from the multiple finite impulse filter using the rule-based decision system,
The section of the spike is represented by the following equation,
here, Wow The multiple finite impulse filter (MSDW) using this multiple window Th local minimum value and a local maximum value, Wow Respectively Wow Where W is the window size and MSDW is the signal integrated by the multiple finite impulse filter, Is a certain threshold, Is a unilateral weight of the threshold value
Characterized in that the step of automatically detecting the section of the spike.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020140058590A KR101581552B1 (en) | 2014-05-15 | 2014-05-15 | System and method for detecting spikes whose widths are within a certain range in time-series data |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020140058590A KR101581552B1 (en) | 2014-05-15 | 2014-05-15 | System and method for detecting spikes whose widths are within a certain range in time-series data |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20150132692A KR20150132692A (en) | 2015-11-26 |
KR101581552B1 true KR101581552B1 (en) | 2016-01-12 |
Family
ID=54847278
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020140058590A KR101581552B1 (en) | 2014-05-15 | 2014-05-15 | System and method for detecting spikes whose widths are within a certain range in time-series data |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR101581552B1 (en) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050059874A1 (en) | 2003-01-27 | 2005-03-17 | Manfred Fuchs | Online source reconstruction for EEG/MEG and ECG/MCG |
-
2014
- 2014-05-15 KR KR1020140058590A patent/KR101581552B1/en active IP Right Grant
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050059874A1 (en) | 2003-01-27 | 2005-03-17 | Manfred Fuchs | Online source reconstruction for EEG/MEG and ECG/MCG |
Non-Patent Citations (2)
Title |
---|
한국통신학회 종합 학술 발표회 논문 (동계) |
한국통신학회논문지 제34권 제11호(네트워크 및 서비스) |
Also Published As
Publication number | Publication date |
---|---|
KR20150132692A (en) | 2015-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bigdely-Shamlo et al. | The PREP pipeline: standardized preprocessing for large-scale EEG analysis | |
Çınar et al. | A novel system for automatic removal of ocular artefacts in EEG by using outlier detection methods and independent component analysis | |
US7263467B2 (en) | Multi-dimensional multi-parameter time series processing for seizure warning and prediction | |
Boubchir et al. | A review of feature extraction for EEG epileptic seizure detection and classification | |
Gonzalez-Moreno et al. | Signal-to-noise ratio of the MEG signal after preprocessing | |
US20160106331A1 (en) | Fractal index analysis of human electroencephalogram signals | |
JP7187473B2 (en) | Medical system and method for detecting changes in electrophysiological evoked potentials | |
US20240057888A1 (en) | Method And System For Determining Brain-State Dependent Functional Areas Of Unitary Pooled Activity And Associated Dynamic Networks With Functional Magnetic Resonance Imaging | |
Khamis et al. | Frequency–moment signatures: a method for automated seizure detection from scalp EEG | |
Durantin et al. | Processing functional near infrared spectroscopy signal with a Kalman filter to assess working memory during simulated flight | |
JP2022536552A (en) | Seizure detection system and method based on changes in electroencephalogram (EEG) nonlinearity | |
Duc et al. | Microstate functional connectivity in EEG cognitive tasks revealed by a multivariate Gaussian hidden Markov model with phase locking value | |
Cong et al. | Validating rationale of group-level component analysis based on estimating number of sources in EEG through model order selection | |
JP7562745B2 (en) | Seizure detection system and method based on changes in electroencephalography (EEG) nonlinearity | |
Szibbo et al. | Removal of blink artifacts in single channel EEG | |
US20060287607A1 (en) | Multi-dimensional dynamical analysis | |
Omidvarnia et al. | Automatic detection of generalized paroxysmal fast activity in interictal EEG using time-frequency analysis | |
WO2022004841A1 (en) | Estimation system, estimation method, program, estimation model, brain activity training device, brain activity training method, and brain activity training program | |
Bisht et al. | Detection of muscle artifact epochs using entropy based M-DDTW technique in EEG signals | |
Grivel et al. | Benefits of Zero-Phase or Linear Phase Filters to Design Multiscale Entropy: Theory and Application | |
Scarciglia et al. | Physiological noise: Definition, estimation, and characterization in complex biomedical signals | |
KR101581552B1 (en) | System and method for detecting spikes whose widths are within a certain range in time-series data | |
Sardouie et al. | Interictal EEG noise cancellation: GEVD and DSS based approaches versus ICA and DCCA based methods | |
Mansourian et al. | Fetal QRS extraction from single-channel abdominal ECG using adaptive improved permutation entropy | |
Song et al. | Epileptic EEG signal analysis and identification based on nonlinear features |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20181105 Year of fee payment: 4 |