다중 변수 분류 기반의 EEG 에포크에 대한 단일 채널 수면-스파인 감지기: MUSSDET.

배경:수면 스파인드(sleep-spindles)에 대한 기존 연구는 일반적으로 전문가들이 시각적으로 마킹한 데이터에 기반하고 있으나, 이 과정은 시간이 오래 걸리고 전문가 간 일치도가 낮아 데이터의 양이 제한적이며 편향이 발생하기 쉬운 문제가 있다. 자동 검출기의 도입은 객관적인 마킹 데이터를 대량으로 생성함으로써 이러한 문제들을 해결할 수 있다.새로운 방법:본 연구의 목적은 감도, 정밀도, 강건성 모두를 고려한 신뢰할 수 있는 수면 스파인드 검출 방법을 개발하는 것이었다. 특히 다양한 기록 환경(이질적 데이터)에서도 일관된 성능을 유지할 수 있도록 하였으며, 추가적인 파라미터 조정 없이도 적용 가능하도록 설계되었다. 개발된 검출기는 단일 채널에서 작동하며, 서포트 벡터 머신(Support Vector Machine, SVM)을 기반으로 한 다변량 분류 기법을 사용한다. 두피 뇌전도(EEG) 기록은 에포크(epoch) 단위로 분할되며, 관련성 있고 중복이 없는 특징들을 선택하여 각 에포크를 특성화하였다. 학습 및 검증 데이터는 프라이부르크 대학의 의료센터에서 제공되었고, 테스트 데이터는 공개된 두 데이터베이스에서 수집된 총 27건의 기록으로 구성되었다.결과:샘플 기반 평가를 통해 DREAMS 데이터베이스에서는 53%의 감도, 37%의 정밀도, 96%의 특이도를 달성하였으며, MASS 데이터베이스에서는 77%의 감도, 46%의 정밀도, 96%의 특이도를 기록하였다. 기존의 검출기들과 비교했을 때 본 연구에서 개발한 검출기가 더 우수한 성능을 보였다. 다차원 공간에서 정규화된 EEG 에포크를 분류하고, 검증 세트를 활용함으로써 모든 데이터베이스 및 참여자에 대해 객관적으로 하나의 검출 임계값을 설정할 수 있었다.결론:개발된 도구의 활용을 통해 수면 스파인드에 대한 연구에서 데이터 규모를 확대하고 통계적 유의성을 높일 수 있을 것으로 기대된다.