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

  • 김채민 연구원
  • Email : [email protected]

• 참여 기관 실무 담당자 및 작성자 정보

  • 이현규 연구원
  • Email : [email protected]

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 누적 잔여 분산 엔트로피 (Multiscale Cumulative Residual Dispersion Entropy, MCRDE)	시계열 데이터 기반의 정상/비정상(이상 데이터) 특징 추출 및 상황 감지	심박변이율의 복잡도를 다양한 시간의 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

• in main.py

  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) 

  • c : 각각의 데이터에 대해 1에서 c로 mapping
  • m : 1에서 c까지의 정수로 맵핑된 데이터를 m개의 분산 패턴로 표현
  • tau : 분산 패턴을 표시하는 간격
  • scale : 새로운 시계열 데이터 생성을 위한 데이터 추출 개수

3. Usage

Main.py

• Output Data Formats

   mcrde_chf     = np.zeros((n_s, scale))
   mcrde_healthy = np.zeros((n_s, scale)) 

  • n_s : 데이터의 수
  • scale : 해당 스케일 수
  • example) mcrde_chf(3,15): 3번째 CHF환자의 scale 15에서의 MCRDE를 통해 정량화된 수치

• Multiscale Cumulative Residual Dispersion Entropy (MCRDE)

  for i in range(n_s):  
    mcrde_chf[i] = MCRDE(RRIs_CHF_1000[i, :N], m, c, tau, scale)  
    mcrde_healthy[i] = MCRDE(RRIs_HEALTHY_1000[i, :N], m, c, tau, scale)  
  
  avg_mcrde_chf = np.mean(mcrde_chf, axis=0)  
  avg_mcrde_healthy = np.mean(mcrde_healthy, axis=0)  
    
  std_mcrde_chf = np.std(mcrde_chf, axis=0)  
  std_mcrde_healthy = np.std(mcrde_healthy, axis=0)

  • avg_mcrde_chf : 전체 울혈성 심부전증 환자 데이터에 대한 MCRDE의 평균값
  • avg_mcrde_healthy : 전체 울혈성 심부전증 환자 데이터에 대한 MCRDE의 표준편차
  • std_mcrde_chf : 전체 정상인 데이터에 대한 MCRDE의 평균값
  • std_mcrde_healthy : 전체 정상인 데이터에 대한 MCRDE의 표준편차

• 결과 저장 (MCRDE의 평균 및 표준편차)

  write_txt(avg_mcrde_chf_path, avg_mcrde_healthy_path,
           std_mcrde_chf_path, std_mcrde_healthy_path,
           avg_mcrde_chf, avg_mcrde_healthy,
           std_mcrde_chf, std_mcrde_healthy)

  • example) 전체 울혈성 심부전증 환자 데이터에 대한 MCRDE의 평균값 (path : results/avg_mcrde_chf.txt)

    

4. Results

• Figure parameter

  if show_fig == True:
    Entropy = plot_Entropy(subject,plt_color,
                            avg_mcrde_chf,
                            avg_mcrde_healthy,
                            std_mcrde_chf,
                            std_mcrde_healthy,
                            scale,
                            pCHF_HT)

  • subject: 그래프의 legend
  • plt_color: 그래프의 색상
  • avg_mcrde: MCRDE 평균 값
  • std_mcrde: MCRDE 표준 편차 값
  • scale: 스케일
  • pCHF_HT: CHF환자와 정상인 사이의 p value

• MCRDE 결과 그래프

* 데이터의 길이(N): 1000
* x 축: Scale factor 
* y 축: Entropy Value 

• MCRDE의 평균: 점으로 표시
• MCRDE의 표준편차: 에러바로 표시
• 에러바 위의 * 표시는 해당 되는 스케일에서 두 데이터(CHF, HEALTHY)가 서로 독립적이며 서로 다른 데이터라는 것을 의미함
• MCRDE 그래프를 통해서, 스케일 1을 제외한 모든 스케일에서 CHF subjects와 HEALTHY subjects의 구분이 가능