earticle

영어

The purpose of this study is to introduce and review “Artificial Intelligence Analysis of Bio-signals for Automated Detection and Automated Diagnosis of ADHD (Attention Deficit/Hyperactivity Disorder) and CD (Conduct Disorder).” ADHD is often comorbid with CD. ADHD and CD especially show impulsive behavioral disorders, harassing colleagues, which are complex and multifaceted brain disorders that accompany adulthood. Currently, there is no objective experimental verification or diagnostic method to differentiate between ADHD and CD, and diagnosis is more difficult because ADHD is a common neurodevelopmental disorder that often occurs together with other comorbidities. In particular, it is difficult to diagnose high-level behavioral disorders related to CD (Tor et al., 2021). In this study, as classification models of automated detection for ADHD and CD, Support Vector Machine (SVM), Multilayer Perceptron, such as machine learning techniques were presented. In the future, if an artificial intelligence automated diagnosis system (ADS) for automated detection and diagnostic classification based on the bio-signals of ADHD, ADHD+CD, and CD is developed according to the design of this study, it will provide guidelines for the prevention, prediction and suppression of adolescent recidivism. In addition, in order to commercialize web-based applications along with cloud systems, continuous and systematic large-scale research and meta-analysis must first be preceded to verify the high level of the validity and reliability of the use of EEG and QEEG in artificial intelligence analysis of bio-signals for adolescents and adults with ADHD and CD.

한국어

본 연구의 목적은 ADHD와 CD(품행장애) 자동식별과 자동진 단을 위한 생체신호의 인공지능분석방법을 소개하고 리뷰하는 데 있다. ADHD는 흔히 CD와 공존한다. ADHD와 CD는 특히 충 동적 행동장애를 보이며, 동료를 괴롭히며, 이는 성인이 될 때까 지 동반하는 복합적이고 다면적인 뇌장애(brain disorders)이다. 현재 ADHD와 CD를 구별하기 위한 객관적인 실험검증이나 진 단방법은 없으며, ADHD는 흔히 다른 동반질환과 함께 나타나는 일반적인 신경발달장애이기에 진단이 더욱 어렵다. 특히 CD와 관련된 높은 수준의 행동장애에 대한 진단에 어려움이 있다(Tor et al., 2021). 본 연구에서는 ADHD와 CD 자동식별을 위한 분 류모델로 서포트벡터머신(SVM), 다층퍼셉트론(Multilayer perceptron) 등과 같은 기계학습기법(machine learning techniques) 을 제시했다. 향후 본 연구설계대로 ADHD, ADHD+CD, CD 생체신호에 기반한 자동식별과 진단분류를 위한 인공지능 자동진단시스템(Automated Diagnosis System)이 개발된다면, 청소년 재범예방, 재범예측, 재범억제에 대한 지침을 제공할 것이다. 아울러 클라우드시스템과 더불어 웹 기반 응용 프로그램을 실용화하기 위해서는 먼저 청소년과 성인 ADHD와 CD 자동진 단시스템(ADS)을 위한 생체신호의 인공지능분석에서 뇌파(EEG) 와 정량뇌파(QEEG) 사용에 대한 높은 수준의 타당도와 신뢰도 를 검증하기 위해 계속적이고 체계적인 대규모의 연구와 메타분 석이 선행되어야만 할 것이다.