본 연구의 목적은 수면상태 분석을 위한 분류기를 설계해줌과 동시에 생체신호를 기반으로 하여 수면상태 판별에 유효한 주요 특징벡터들을 추출함에 있다. 수면은 인간의 삶에 중요한 영향을 끼친다. 따라서 사람들이 수면부족 혹은 수면장애를 겪게 되면 집중력 감퇴, 인지기능 장애 등의 문제를 가질 우려가 생기게 되므로, 수면단계 판별에 관한 많은 연구들이 이루어지고 있다. 본 연구에서는 피험자가 수면을 취하는 동안 피험자의 생체신호를 획득하였다. 획득 된 생체신호로부터 필터링 등의 전처리 과정을 통하여 특징들을 추출하여 주었다. 추출된 특징들은 유전 알고리즘과 신경망을 결합하여 만든 새로운 알고리즘의 입력으로 사용되었으며, 알고리즘은 수면단계 분석을 위하여 높은 가중치를 가지는 특징을 선택하여 주었다. 이에 따른 결과로 뇌파 신호와 심전도 신호 모두 사용 시 알고리즘의 정확도는 약 90.26%가 나왔으며, 선택되어진 특징은 뇌파 신호의 ${alpha}$파와 ${delta}$파의 주파수 파워와 심전도 신호의 SDNN(Standard deviation of all normal RR intervals)이다. 선택된 특징은 수면상태를 분류하는데 중요한 역할을 함을 알고리즘을 반복적으로 수행하여 확인하였고, 이 연구는 추후 수면장애의 진단 혹은 수면분석의 지침을 만드는데 사용가능할 것으로 사료된다.
The aim of this study is to design a classifier for sleep stage analysis and select important feature set which shows sleep stage well based on physiological signals during sleep. Sleep has a significant effect on the quality of human life. When people undergo lack of sleep or sleep-related disease, they are likely to reduced concentration and cognitive impairment affects, etc. Therefore, there are a lot of research to analyze sleep stage. In this study, after acquisition physiological signals during sleep, we do pre-processing such as filtering for extracting features. The features are used input for the new combination algorithm using genetic algorithm(GA) and neural networks(NN). The algorithm selects features which have high weights to classify sleep stage. As the result of this study, accuracy of the algorithm is up to 90.26% with electroencephalography(EEG) signal and electrocardiography(ECG) signal, and selecting features are alpha and delta frequency band power of EEG signal and standard deviation of all normal RR intervals(SDNN) of ECG signal. We checked the selected features are well shown that they have important information to classify sleep stage as doing repeating the algorithm. This research could use for not only diagnose disease related to sleep but also make a guideline of sleep stage analysis.
