Analyzing the Patterns of Switching and Clustering on CFT data using Hidden Markov Model = 은닉 마르코프 모델을 이용한 범주유창성검사 데이터의 스위칭 및 클러스터링 패턴 분석

국문 초록 (Abstract)

치매의 조기 진단은 환자들과 그들의 보호자들이 치매에 대비할 수 있는 더많은 시간을 가질 수 있게 한다. 치매를 진단하는 방법들 중 하나인 범주유창성검사는 치매 환자의 의미기억과 언어 유창성 수행 능력을 평가하는데 사용된다. 최근 들어 범주유창성검사의 수행능력을 평가하는 다양한 척도들이 연구되고 있는데, 특히 범주유창성검사 데이터의 군집과 전이가 중요한 요소로 고려되고 있다. 본 연구에서는 은닉 마르코프 모델을 사용하여 범주유창성검사 데이터의 군집과 전이 패턴을 분석하고 이들에 대한 종합적인 분석이 언어 유창성 수행 능력의 중요한 특징을 드러낸다는 점을 보인다.

다국어 초록 (Multilingual Abstract)

Early detection of dementia allows people to have more time to prepare themselves for the symptom. As one of the methods to screen dementia, Category Fluency Test (CFT) is used to evaluate the organization of semantic memory and to assess the verbal fluency performance of patients with dementia. Recently, various measures to evaluate their CFT performance have been studied and, in particular, clusters and switches of the CFT data are considered as important factors. In this work, we analyze the clusters and switches of the CFT data by using Hidden Markov Model (HMM) to verify the hypothesis that a comprehensive pattern analysis of their switches and clusters can reveal important characteristics of verbal fluency performance.

목차 (Table of Contents)

• 요약
• Abstract
• 1. Introduction
• 2. Related Work
• 3. Method and Experiment
• 4. Experiment and Result
• 5. Conclusion
• References