메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
대한신경정신의학회 PSYCHIATRY INVESTIGATION PSYCHIATRY INVESTIGATION 제12권 제1호
발행연도
2015.1
수록면
61 - 65 (5page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
ObjectiveaaThe combination of repetitive transcranial magnetic stimulation (rTMS), a non-pharmacological form of therapy for treating major depressive disorder (MDD), and electroencephalogram (EEG) is a valuable tool for investigating the functional connectivity in the brain. This study aims to explore whether pre-treating frontal quantitative EEG (QEEG) cordance is associated with response to rTMS treatment among MDD patients by using an artificial intelligence approach, artificial neural network (ANN). MethodsaaThe artificial neural network using pre-treatment cordance of frontal QEEG classification was carried out to identify responder or non-responder to rTMS treatment among 55 MDD subjects. The classification performance was evaluated using k-fold cross-validation. ResultsaaThe ANN classification identified responders to rTMS treatment with a sensitivity of 93.33%, and its overall accuracy reached to 89.09%. Area under Receiver Operating Characteristic (ROC) curve (AUC) value for responder detection using 6, 8 and 10 fold cross validation were 0.917, 0.823 and 0.894 respectively. ConclusionaaPotential utility of ANN approach method can be used as a clinical tool in administering rTMS therapy to a targeted group of subjects suffering from MDD. This methodology is more potentially useful to the clinician as prediction is possible using EEG data collected before this treatment process is initiated. It is worth using feature selection algorithms to raise the sensitivity and accuracy values.
#Major depressive disorder #Transcranial magnetic stimulation #Electroencephalography #Neural network

목차

등록된 정보가 없습니다.

참고문헌 (30)

참고문헌 신청
Patuwo E / 1993 / Two-group classification using neural networks / Decision Sci 24:825~845 google schola Sexton RS / 2000 / Reliable classification using neural networks: a genetic algorithm and backpropagation comparison / Decision Support Syst 30:11~22 google schola Li YJ / 2005 / Classification of Schizophrenia and depression by EEG with ANNs / Proceedings Int. Conf. of the IEEE Eng google schola Trambaiolli LR / 2011 / Improving Alzheimer’s disease diagnosis with machine learning techniques / Clin EEG Neurosci 42:160~165 google schola Yuan Q / 2012 / EEG classification approach based on the extreme learning machine and wavelet transform / Clin EEG Neurosci 43:127~132 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0