EEG Analysis and Classification System

EEG 분석과 분류시스템

Recently, wavelet transform have been applied to various kinds of problems in many fields. In this paper, we propose method of Daubechies wavelet to detect several kinds of important characteristic waves in tasks EEG that are needed to diagnose EEG. We show that our system could be attained higher performance in detecting characteristic waves than the other methods. In this system, the architecture of the neural network is a three layered feed-forward networks with one hidden layer which implements the error back propagation teaming algorithm. Applying the algorithms to 4 subjects show 92% classification rates. The proposed system shows a little more accurate diagnosis for task EEG by Wavelet and neural network. From the simulation results by the implemented system, we demonstrated this research can be reduce doctor's labors and quantitative diagnosis of task EEG.

최근 웨이블릿 변환은 많은 분야에서 다양하게 적용된다. 본 논문에서 tasks뇌파의 중요한 몇가지 특성파 검출을 위한 다비치 웨이블릿은 뇌파분석에 필요하다. 우리가 제안한 시스템은 다른 방법보다는 특성파 검출에 높은 성능을 가졌다. 본 연구의 뉴럴시스템의 구조는 하나의 은닉층과 3계층 피드포워드층은 오류 BP 학습알고리즘을 적용하였다. 4명의 피험자에게 알고리즘을 적용하여 92% 분류율을 보였다. 제안된 시스템은 웨이블릿과 신경망으로 tasks 뇌파의 보다 정확하게 분석함을 보였다. 모의실험결과 tasks 뇌파는 의사의 노동력을 줄일수 있고 정량적 해석이 가능함을 보였다.