위상학적 데이터 분석과 인공 신경망을 이용한 뇌전증 MEG 데이터 분류 연구 (Classification of epilepsy MEG data using topological data analysis and artificial neural network)

서지정보

· 발행기관 : 한국통계학회
· 수록지 정보 : 응용통계연구 / 38권 / 2호 / 189 ~ 204페이지
· 저자명 : 한유진, 정천기, 김재희

초록

위상학적 데이터 분석(topological data analysis; TDA)은 데이터에서 구조를 찾는 통계적 방법이다. 본 연구는 뇌 신경영상 뇌자도(magnetoencephalography; MEG) 데이터를 다중 분류하는 작업에 TDA 프로세스를 적용해보고자 하였다. MEG 데이터 모양으로부터 TDA feature를 얻어 탐색적 데이터 분석(exploratory data analysis; EDA)를 수행한 결과, betti curves와 persistence landscape로부터 얻은 TDA feature가 환자 분류 작업에 유의미한 것으로 파악되었다. 임베딩 층, 게이트 순환 유닛 층 그리고 전연결층으로 구성된 인공신경망을 설계해서 TDA feature의 분류 성능을 평가하였다. 0.95 이상의 정확도로 환자 그룹을 분류하는 모델을 구축하였다. 제안된 TDA 파이프라인은 분류에 유용하다. TDA는 다양한 데이터의 형태로부터 특징을 얻기 위해 요약하고 클러스터링하는 매우 전문적인 도구가 될 것이다.

영어초록

Topological data analysis (TDA) is a statistical method that reveals structure in data. In this study, we applied the TDA process to multi-classify brain neuroimaging magnetoencephalography (MEG) data. By conducting exploratory data analysis (EDA) to derive TDA features from the shape of MEG data, we found that TDA features related to Betti curves and persistence landscape are meaningful for patient group classification tasks. We designed artificial neural networks (ANN) with TDA features, including an embedding layer, a gated recurrent units (GRU) layer, and a fully connected layer, and evaluated their performance. We built a model that classifies patient groups with an accuracy of 0.95 or higher. TDA, as a specialized tool, holds great potential for summarizing and clustering to extract features from the shape of various data, making it a valuable asset in data analysis, neuroscience, and machine learning.

참고자료

· 없음