Skip to content

Latest commit

 

History

History
175 lines (123 loc) · 6.16 KB

README.md

File metadata and controls

175 lines (123 loc) · 6.16 KB
Raw

파편화된 데이터의 적극 활용을 위한 시계열 기반 통합 플랫폼 기술 개발

  • 참여 기관명 : 광운대학교, 신경공학 및 인공지능 연구실(NeuroAI Lab)

  • 연구책임자 : 최영석 교수

  • 개발자 정보

  • 참여 기관 실무 담당자 및 작성자 정보

1. Introduction

  • 엔트로피(Entropy) 기법을 활용한 시계열 데이터의 비정규성(irregularity) 및 randomness 정량화 기술 개발

  • 개발 기술 요약

제안 기법 기능 활용 예제
멀티 스케일 엔트로피 (Multiscale Entropy) 시계열 데이터 기반의 정상/비정상(이상 데이터) 특징 추출 및 상황 감지 심박변이율의 복잡도를 다양한 스케일에서 분석하여 울혈성 심부전 환자와 정상인 데이터를 구분하기 위함

2. Sample Dataset (Input Data Formats)

  • PhysioNet(https://physionet.org)에서 제공되는 울혈성 심부전증(BIDMC CHF, CHFDB) 환자 데이터가 활용되었으며, 입력 데이터는 실험자 수 x 데이터 길이(S x N)로 구성됨.

  • S : 1 x N 크기의 시계열 데이터의 개수

  • N : 데이터 길이

3. Multiscale Entropy Method

1. MDE : Multiscale Dispersion Entropy
2. MCRDE : Multiscale Cumulative Residual Dispersion Entropy
3. MFDE : Multiscale Fuzzy Dispersion Entropy

4. Parameter

  • in main.py

    Multiscale Entropy Method parameter

    Entropy_method : Multiscale Entropy method
(ex. Entropy_method = 'MCRDE')
    • Entropy_method : 사용하고자 하는 Multiscale Entropy method를 문자열로 입력 { 'MDE', 'MCRDE', 'MFDE' }

    MDE Parameter

    N : 데이터 길이 (default: 1000)
m : 데이터 차원 수 (default: 3)
c : 클래스 수 (default: 6)		                
tau : 지연 인자 (default: 1)
scale : 스케일 수 (default: 25)
params_dict : { 'N':N,'m':m,'c':c,'tau':tau,'scale':scale } (type:dict)
    • m : 'm' 개의 인자를 가지는 분산 패턴 (dispersion pattern) 생성
    • c : 분산 패턴을 생성할 때 각 인자는 1부터 c 까지의 정수로 맵핑됨
    • tau : 데이터를 맵핑하는 간격
    • scale : Multiscale entropy 계산을 위해서 필요, 새로운 시계열 형성을 위해 원래의 시계열을 묶는 단위
    • default : N=1000,m=3,c=6,tau=1,scale=25

    MCRDE Parameter

    • MDE와 동일한 파라미터 사용 : { N, m, c, tau, scale }
    • default : N=1000,m=3,c=6,tau=1,scale=25

    MFDE Parameter

    • MDE와 동일한 파라미터 사용 : { N, m, c, tau, scale }
    • default : N=1000,m=4,c=4,tau=1,scale=25

5. Usage

Main.py

  • Output Data Formats

     Entropy_chf     = np.zeros((n_s, scale))
 Entropy_healthy = np.zeros((n_s, scale))
    • n_s : 데이터의 수
    • scale : 스케일 인자의 수
    • example) Entropy_chf(3,15) : 3번째 CHF 피험자의 scale 15에서의 엔트로피 값 ('Multiscale Entropy method'를 통해 정량화된 수치)

  • Calculate Multiscale Entropy Value

    for i in range(n_s):  
  Entropy_chf[i] = Entropy_method_dict[Entropy_method](RRIs_CHF_1000[i, :N], params_dict)  
  Entropy_healthy[i] = Entropy_method_dict[Entropy_method](RRIs_HEALTHY_1000[i, :N], params_dict)  

avg_Entropy_chf = np.mean(Entropy_chf, axis=0)  
avg_Entropy_healthy = np.mean(Entropy_healthy, axis=0)  
  
std_Entropy_chf = np.std(Entropy_chf, axis=0)  
std_Entropy_healthy = np.std(Entropy_healthy, axis=0)
    • avg_Entropy_chf : 전체 울혈성 심부전증 피험자 데이터에 대한 Entropy 평균 (열은 스케일을 의미)
    • avg_Entropy_healthy : 전체 건강한 피험자 데이터에 대한 Entropy 평균 (열은 스케일을 의미)
    • std_Entropy_chf : 전체 울혈성 심부전증 피험자 데이터에 대한 Entropy 표준편차 (열은 스케일을 의미)
    • std_Entropy_healthy : 전체 건강한 피험자 데이터에 대한 Entropy 표준편차 (열은 스케일을 의미)

  • 결과 저장 (Multiscale Entropy의 평균 및 표준편차)

    write_txt(Entropy_method, scale,
		 avg_Entropy_chf_path, avg_Entropy_healthy_path,
         std_Entropy_chf_path, std_Entropy_healthy_path,
         avg_Entropy_chf, avg_Entropy_healthy,
         std_Entropy_chf, std_Entropy_healthy)

    • example) 전체 울혈성 심부전증 피험자 데이터에 대한 MCRDE 평균값 path : results/avg_MCRDE_chf.txt

6. Results

  • Figure parameter

    if show_fig == True:
  Entropy = plot_Entropy(Entropy_method,
  						  subject,
  						  plt_color,
  						  plt_marker,
  						  plt_linestyle,
                          avg_Entropy_chf,
                          avg_Entropy_healthy,
                          std_Entropy_chf,
                          std_Entropy_healthy,
                          pCHF_HT,
                          params_dict)
    • Entropy_method: Multiscale Entropy method
    • subject: 그래프의 legend
    • plt_color: 그래프의 색상
    • plt_marker: 그래프의 마커
    • plt_linestyle: 그래프의 라인 스타일
    • avg_Entropy_~: Entropy 평균
    • std_Entropy_~: Entropy 표준 편차
    • scale: 스케일 인자의 수
    • pCHF_HT: 울혈성 심부전증 피험자 (CHF) 와 건강한 피험자 (Healthy) 사이의 p value
    • param_dict: Multiscale Entropy method에 대한 파라미터 값을 dictionary 형태로 저장 ex) python params_dict = {'N':N,'m':m,'c':c,'tau':tau,'scale':scale}

  • MCRDE 결과 그래프

    Figure_1

    • 데이터의 길이(N): 1000
    • x 축: Scale factor
    • y 축: Entropy Value
    • MCRDE의 평균: 마커 ('o', '^')로 표시
    • MCRDE의 표준편차: 에러바로 표시
    • 에러바 위의 '*' 표시는 해당 스케일에서 두 데이터(CHF, HEALTHY)가 유의 수준 (p-value<0.05) 에서 서로 독립적인 것을 의미