Neural Network-based Classication of Alzheimer's Disease Using Multi-channel EEG Functional Networks

Abstract

알츠하이머병은 적절한 치료법이 없어 조기에 진단하는 것이 매우 중요하다. 최근에는, 임상전의 알츠하이머병 단계를 전구증상의 알츠하이머병 단계보다 이전의 단계로 알츠하이머병 진단 기준 중에 정상 노화를 제외하고 가장 초기 단계로 두고 있다. 그 임상전의 알츠하이머병 단계는 베타아밀로이드 바이오마커에서 양성이고, 신경퇴행 바이오마커와 인지장애의 측면에서는 전구단계 알츠하이머병 단계와 차이가 있다. 세 그룹 중증도 구분을 위한 바이오마커 지표를 찾는 것이 중요하다. 신경퇴행 질병을 조기 진단하는 데에 뇌파 기반의 기능적 네트워크 방법과 관련된 연구들이 활발하게 진행되고 있다. 뇌전도는 기능적 뇌영상 기법보다 시간분해능에서 상대적으로 우수하고 경제적이며 비 침습적이라는 장점이 있고, 신경퇴행성 질환 환자의 신경 전달 처리 속도는 정상인의 신경전달 처리 속도보다 느리기 때문에, 서로 다른 채널 간의 뇌전도 신호가 기능적으로 연결정도에도 두 집단 간의 차이가 있을 것으로 예상한다. 또한, 이전 연구에서 기능적 연결성 방법 중에서 두 채널 간의 위상 차이를 이용한 정상 그룹의 위상지연지수 값이 경도인지장애 그룹의 위상지연지수의 값보다 크고, 그 값의 차이는 통계학적으로 유의미한 차이를 보였다. 본 논문에서는 기존의 연구들을 기반으로 베타파 대역에서 위상지연지수 값이 원소로 이루어진 기능적 연결성 행렬에 클러스터링 계수와 고유벡터 중심성과 페이지랭크 중심성을 계산해 특징을 추출할 것이다. 그 기능적 네트워크 기반의 추출된 특징을 이용해 정상 노화 그룹과 임상전의 알츠하이머병 그룹과 전구증상의 알츠하이머병 그룹을 포함하여 세 그룹을 분류하는 인공 신경망 기반의 분류기를 설계하고, 그 분류기의 성능을 검증하여, 진단 시스템을 구축하는 것을 목표로 한다.