균형 추정 확산 엔트로피로 보는 생리 신호의 스케일 불변성

초록

본 연구는 균형 추정 확산 엔트로피(BEDE) 방법을 이용해 수면 단계별 EEG와 보행 보폭 시계열의 스케일‑불변성을 정량화한다. BEDE는 짧은 데이터에서도 정확한 스케일 지수를 추정하며, 원본 DE보다 추세에 민감하게 반응한다. 결과는 각 수면 단계와 개인마다 스케일 지수가 크게 변동함을 보여준다.

상세 분석

본 논문은 기존 확산 엔트로피(Diffusion Entropy, DE) 방법의 한계를 보완하기 위해 ‘균형 추정 확산 엔트로피(Balanced Estimation of Diffusion Entropy, BEDE)’를 제안하고, 이를 실제 생리 신호에 적용하였다. DE는 확산 과정에서 확률분포의 엔트로피가 시간에 따라 선형적으로 증가하는 구간을 찾아 스케일 지수 α를 추정한다. 그러나 짧은 시계열(≈10² 포인트)에서는 샘플링 오류와 경계 효과가 크게 작용해 α가 과소평가되거나 전혀 검출되지 않을 위험이 있다. BEDE는 엔트로피 계산 시 각 구간의 확률을 ‘균형’ 있게 추정하도록 가중치를 재조정하고, 로그‑확률의 편향을 보정함으로써 작은 데이터에서도 안정적인 α 값을 제공한다.

EEG 데이터는 장시간 기록된 수면 다원검사에서 Wake, Light‑Sleep, REM, Deep‑Sleep 네 단계로 구분된 구간을 추출하였다. 각 구간에 대해 BEDE를 적용한 결과, 스케일 지수 α는 0.7~0.85 사이에 분포했으며, 특히 Wake와 REM 단계에서 평균 α≈0.8으로 높은 장기 상관성을 보였다. 반면 Light‑Sleep 단계는 평균 α≈0.7으로 상대적으로 낮은 스케일 불변성을 나타냈다. 중요한 점은 동일 피험자라도 수면 주기마다 α 값이 크게 변동한다는 점으로, 전통적인 ‘전역 평균’ 접근법이 개인의 생리 상태 변화를 놓칠 수 있음을 시사한다.

보행 보폭(stride) 시계열에 대해서는 원본 DE와 BEDE를 모두 적용했는데, 트렌드(선형 혹은 비선형)를 제거한 후에는 두 방법이 거의 동일한 α≈0.9 값을 산출하였다. 그러나 원본 시계열에 미세한 추세가 남아 있을 경우 BEDE는 α를 비정상적으로 크게(>1.2) 추정하며, 이는 실제 물리적 의미가 없는 과대평가임을 확인하였다. 따라서 BEDE는 추세 검출 및 제거가 선행되지 않을 경우 결과 해석에 주의가 필요함을 강조한다.

방법론적 측면에서 BEDE는 (1) 짧은 구간에서도 안정적인 스케일 지수 추정, (2) 기존 DE가 놓치기 쉬운 미세한 장기 상관성 포착, (3) 추세에 대한 높은 민감도로 인해 전처리 단계의 중요성을 부각한다는 장점을 가진다. 반면, 추세가 존재할 경우 과대 추정 위험이 있으므로, 데이터 전처리(디트렌딩)와 결과 검증 절차가 필수적이다.

이러한 결과는 생리 신호 분석에서 ‘전역적인 하나의 지수’가 아닌, 시간·상태에 따라 변동하는 다중 스케일 특성을 고려해야 함을 시사한다. 특히 수면 단계 구분, 피로도 평가, 질병 조기 진단 등에서 BEDE 기반의 동적 스케일 분석이 새로운 바이오마커로 활용될 가능성을 열어준다.