KR100425532B1

KR100425532B1 - 위상 패턴의 비선형 주기성을 이용한 간질 발작 예측시스템 및 그 구현 방법

Info

Publication number: KR100425532B1
Application number: KR10-2001-0021136A
Authority: KR
Inventors: 김승환; 이운철
Original assignee: 학교법인 포항공과대학교
Priority date: 2001-04-19
Filing date: 2001-04-19
Publication date: 2004-03-30
Also published as: KR20020081770A

Abstract

본 발명은 뇌파 지표와 잡음 검출 기술을 이용하여 실시간 다채널 두피 뇌파 분석을 통해 간질 발작 전조를 검출하여 예측하는 기술에 관한 것으로, 임의의 대상자의 두피 뇌파를 측정하여 해당 데이터를 제공하는 단계와, 안구전도 성분의 상관 밀도와 근전도 성분의 상관 밀도를 이용하여 잡음을 결정하는 기준을 설정하기 위한 배경 윈도우(context window)를 선택하는 단계와, 선택된 배경 윈도우를 기준으로 해당 윈도우에 잡음이 포함되어 있는지를 판단하고, 잡음이 포함되어 있으면 잡음 경보를 수행하는 단계와, 기설정된 시간 동안 잡음이 존재하지 않는 구간이 지속되면, 위상 패턴의 비선형 주기성을 계산하여 뇌파 지표를 설정하는 단계와, 설정된 뇌파 지표에 따른 간질 전조 조건들이 충족될 때, 발작 전조를 결정 및 예측하는 단계를 포함한다. 본 발명에 의하면, 두피에서 측정되는 실시간 뇌파로부터 근전도와 안구전도를 모니터하여 잡음을 처리할 수 있으며, 발작 수 십분 전 환자의 뇌 상태가 점차적으로 동기화되는 특성을 뇌파 지표로 정의한 뇌파의 위상 패턴의 비선형 주기성을 측정함으로서 발작 수십 분 전 예측이 가능하다는 효과가 있다. 본 발명의 실시간 다채널 두피 뇌파에 대한 잡음 처리 능력과 충분히 긴 시간전의 예측 능력은 간단한 휴대용 간질 예측 기기와 간질 치료기기의 핵심 부분으로 사용될 것이며, 또한, 휴대용 간질 예측 기기와 병원의 중앙 시스템의 원격 통신을 이용한 원격 환자 감시 관리 시스템에 적용될 수 있을 것이다.

Description

위상 패턴의 비선형 주기성을 이용한 간질 발작 예측 시스템 및 그 구현 방법{METHOD AND SYSTEM FOR PREDICTING EPILEPTIC SEIZURES BY USING NON-LINEAR TIME SERIES ANALYSES OF PHASE PATTERNS}

본 발명은 뇌파를 이용하여 간질 환자들의 발작을 사전에 예측하는 기술에 관한 것으로서, 특히, 간질 환자의 두피 뇌파를 분석하여 발작을 예측하는 위상 패턴의 비선형 주기성을 이용한 간질 발작 예측 시스템 및 그 구현 방법에 관한 것이다.

1999년 "Lehnertz"와 "Martinerie"는 침습 뇌파를 이용하여 발작에 가까울수록 뇌파의 차원값이 작아지는 특징을 이용하여 발작 수분 전 발작 예측의 가능성을 보여주었다. 또한, "Hively"는 뇌파의 선형/비선형 지수들을 사용하여 발작 파를 검출하는 시스템을 개발하였으며, "Dorfmeister", "Rise"등은 뇌파의 선형 통계 지수들을 이용하여 발작 파 검출을 시도하고 발작 수 초 전에 발작을 예측하는 시스템을 개발하였다.

그러나, 이러한 기술들은 발작 파형 검출이 대부분이며, 충분히 긴 시간 전에 발작을 예측하는 기술은 아직 개발되어 있지 않다. 기존의 기술로는 환자의 발작 수초 전에 주로 발생하는 스파이크를 검출함으로서 발작을 검출하는 기술들이 대부분이다. 일반적으로 이러한 기술들은 발작 전에 발생하는 경련에 의한 근 전도나 안구 운동에 의한 잡음들에 의해 매우 많은 영향을 받기 때문에 정확하고 신뢰성 있게 그런 파형들을 검출하는 것이 매우 어렵다. 이런 잡음 효과를 없애기 위해, 수술을 통한 침습적 뇌파의 분석과 스파이크 검출이 시도되고 있다. 그러나, 수술을 통한 침습적 뇌파 분석의 경우, 큰 수술 비용과 수술에 따르는 부작용이나위험 때문에 환자에게 많은 부담이 되며, 최근 많은 연구들이 응용가능성과 큰 파급효과 때문에 침습적 뇌파보다는 두피 뇌파 분석을 더 선호하고 있다.

"Hive"가 개발한 시스템의 경우 발작 전 뇌파의 변화를 검출하기 위해서 하나 이상의 선형/비선형 지수값들을 계산하여 그 변화로서 발작을 예측하는 방법들을 제시하고 있으나, 이런 경우 다채널 실시간 계산을 통한 예측이 어렵다. 또한, 단지 수초 전에 발생하는 뇌파의 변화를 검출함으로서 충분히 긴 시간전의 예측이 이루어지지 않고 있다.

기존의 두피 뇌파를 이용한 간질 발작 예측의 경우, 발작 전 발생하는 특정 뇌파의 검출이나 갑작스런 뇌파의 변화를 검출함으로서 발작을 예측한다. 그런 경우 발작 전조 검출의 정확성은 일반적으로 발작 전에 발생하는 환자의 근전도나 안구전도의 세기에 의존한다. 또한, 두피 뇌파의 경우 많은 생체 및 외부 잡음을 포함하므로 이에 따른 적절한 잡음 처리 기술이 필수적이다.

일반적으로 발작이 시작되는 특정 부위에서 가장 먼저 간질 파가 발생하거나 급격한 파형 변화가 발생한다. 빠르고 정확한 예측을 위해서는 정확히 간질 파 발생 부위를 알아야 하지만, 그 부위를 정확히 알기는 힘들다. 그러므로, 일반적으로 발작이 시작되는 부위로 생각되는 위치에 하나 이상의 전극을 이용하여 다채널 뇌파 분석을 하게 된다. 이때, 채널수가 많아지면 실시간 연산에 많은 제한을 가지게 되고 특히 뇌파 변화를 검출하기 위해 다양한 지수 값을 계산하는 경우 실시간 연산을 통한 예측이 어렵게 된다.

기존의 예측 기술 대부분이 발작 수초 전 뇌파 변화나 간질 파 검출을 통한발작 경보를 하므로 실제 환자들이 경보 후 안전한 장소로의 대피나 치료(약물 복용, 자극 요법 등)를 위한 충분한 여유를 갖지 못한다. 예를 들어, 환자가 횡단 보도를 걷고 있거나, 운전 중이거나 높은 곳에 올라가 있는 경우 경보 후 안전한 장소로 대피하기 위해서는 충분히 긴 시간전의 예측 경보가 필요하다.

따라서, 본 발명은 상술한 필요에 의해 안출한 것으로, 안구전도와 근전도 성분을 추출하여 잡음을 검출하고, 위상 패턴의 비선형 주기성 지수에 따른 뇌파 지표를 이용하여 간질 발작을 예측 및 경보함으로써, 발작 예측 시간을 충분히 확보하여 환자 스스로 뿐만 아니라 가족 및 의료진에 의한 즉각적인 대처가 가능하도록 한 위상 패턴의 비선형 주기성을 이용한 간질 발작 예측 시스템 및 그 구현 방법을 제공하는데 그 목적이 있다.

이러한 목적을 달성하기 위한 본 발명의 일 실시예에 따르면, 위상 패턴의 비선형 주기성을 이용한 간질 발작 예측 시스템에 있어서, 임의 대상자의 두피 뇌파를 측정하고 그 결과 데이터를 제공하는 뇌파 검출부와, 뇌파 검출부로부터 제공되는 데이터를 수집하여 잡음을 검출하고, 제 1 설정 시간 이상 잡음에 의해 계산 구간을 확보하지 못한 경우, 대상자에게 잡음 경보를 제공하는 잡음 검출부와, 제 2 설정 시간 이상 잡음이 없는 구간이 확보된 경우, 위상 패턴의 비선형 주기성을 계산하여 뇌파 지표를 설정하는 뇌파 지표 연산부와, 뇌파 지표 연산부로부터 제공되는 뇌파 지표에 따른 간질 전조 조건들이 충족될 때, 발작 전조를 결정 및 예측하는 발작 전조 예측부와, 발작 전조 예측부로부터의 발작 전조 예측 결과를 대상자에게 경보하는 발작 경보부를 구비하는 위상 패턴의 비선형 주기성을 이용한 간질 발작 예측 시스템을 제공한다.

본 발명의 목적 구현을 위한 다른 실시예에 따르면, 두피 뇌파의 대표적 비선형 주기를 나타내는 위상 패턴의 비선형 주기성을 이용한 간질 발작 예측 방법에 있어서, 임의의 대상자의 두피 뇌파를 측정하여 해당 데이터를 제공하는 단계와, 안구전도 성분의 상관 밀도와 근전도 성분의 상관 밀도를 이용하여 잡음을 결정하는 기준을 설정하기 위한 배경 윈도우(context window)를 선택하는 단계와, 선택된 배경 윈도우를 기준으로 해당 윈도우에 잡음이 포함되어 있는지를 판단하고, 잡음이 포함되어 있으면 잡음 경보를 수행하는 단계와, 기설정된 시간 동안 잡음이 존재하지 않는 구간이 지속되면, 위상 패턴의 비선형 주기성을 계산하여 뇌파 지표를 설정하는 단계와, 설정된 뇌파 지표에 따른 간질 전조 조건들이 충족될 때, 발작 전조를 결정 및 예측하는 단계를 포함하는 위상 패턴의 비선형 주기성을 이용한 간질 발작 예측 방법을 제공한다.

도 1은 위상 패턴의 비선형 주기성을 계산하는데 이용되는 발화 간격 데이터 분포도,

도 2는 위상 패턴의 비선형 주기성을 결정하는데 이용되는 회귀시간 히스토그램,

도 3은 본 발명의 일 실시예에 따른 간질 발작 예측 시스템의 구성 블록도,

도 4는 본 발명의 다른 실시예에 따른 간질 발작 예측 과정의 흐름도,

도 5는 도 4의 잡음 검출 과정의 상세 흐름도,

도 6은 근전도와 안구전도를 검출하기 위해 사용되는 최대 진폭과 최대 기울기값이 유사한 정상 뇌파와 잡음들의 데이터 분포도,

도 7은 도 6의 정상 뇌파와 잡음들의 안구전도 성분들에 대한 위상 공간에서의 상관 밀도 정량화 그래프,

도 8은 도 6의 정상 뇌파와 잡음들의 근전도 성분들에 대한 위상 공간에서의 상관 밀도 정량화 그래프,

도 9는 도 6의 정상 뇌파와 잡음들에 대한 최대 진폭/최대 기울기 값과 안구전도/근전도 성분의 상관 밀도 비교 그래프,

도 10은 두피 뇌파에서의 안구전도/근전도 검출 결과를 예시적으로 도시한 그래프,

도 11은 잡음에 의한 뇌파 손상이 심하지 않은 경우, 본 발명에 따른 위상 패턴의 비선형 주기성을 적용했을 때의 분포 그래프,

도 12는 잡음에 의한 뇌파 손상이 심한 경우, 본 발명에 따른 위상 패턴의 비선형 주기성을 적용했을 때의 분포 그래프,

도 13은 예를 들어, 21명의 간질 환자에 대한 위상 패턴의 비선형 주기성을 적용한 결과 그래프,

도 14는 발작전 예측이 되지 않은 경우의 위상 패턴의 비선형 주기성 결과 그래프,

도 15는 발작 전조를 결정하는 초기 뇌파 구간에 심한 잡음이 포함되어 있는 경우의 그래프.

<도면의 주요 부분에 대한 부호의 설명>

30 : 뇌파 검출부

32 : 잡음 검출부

34 : 뇌파 지표 연산부

36 : 발작 전조 예측부

38 : 발작 경보부

이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예에 대하여 상세하게 설명한다.

설명에 앞서, 본 발명에 따른 뇌파 지표인 위상 패턴의 비선형 주기성은 뇌파 시계열의 발화 간격 데이터로 재구성된 위상 공간에서 비선형 주기성을 정량화한다. 즉, 발화 간격은 시계열의 위상 정보를 포함하고 있으므로, 발화 간격으로 재구성된 궤적에서의 주기성은 위상 패턴에서의 주기성을 나타낸다. 발화 간격 데이터의 위상 공간 재구성이 본래 시계열 동력학의 결정론적 성질을 그대로 포함하고 있음은 "Sauer"와 "Janson" 등에 의해 증명되었다. 따라서, 본 발명은 모든 뇌파 시계열을 그대로 사용하는 것이 아니라 뇌파에 포함된 위상 정보만을 추출함으로써, 정보량을 줄이고 빠른 연산을 가능케 하였다.

즉, 본 발명은 뇌파 지표로서 개발한 위상 패턴의 비선형 주기성 지수 하나만으로 뇌의 상태 변화를 나타낼 수 있으며, 또한, 이 지표는 14채널까지 실시간 연산을 할 수 있으므로 다채널 실시간 연산이 충분히 가능한 것을 특징으로 한다.

또한, 본 발명에 따른 위상 패턴의 비선형 주기성을 이용한 간질 예측 시스템은 환자 신체에 간단히 부착하여 휴대할 수 있는 구조로 구성될 수 있을 것이다.

도 1은 위상 패턴의 비선형 주기성을 계산하는데 이용되는 발화 간격 데이터 분포도로서, 발화 간격 데이터에서 비선형 주기성을 계산하는 과정을 보여준다.

발화 간격 데이터로부터 재구성된 위상 공간에서 각각의 기준 벡터들의 인덱스와 이웃 벡터 인덱스의 차를 회귀시간이라 칭하고 그 히스토그램을 작성하였다. 이때, 히스토그램에서 가장 큰 확률을 갖는 회귀시간은 그 시스템의 대표적 주기성을 나타낸다.

위상 패턴의 비선형 주기성을 계산하기 위해서는 먼저 시계열로부터 발화 간격 데이터를 작성한다. 이를 위해서 발화시간(Firing time) T_i는 시계열의 평균값을양의 방향으로 지나는 시간으로 설정하고, 발화간격 t_i= T_i- T_i-1로 정의하였다. 이때, 발화시간 T_i를 결정하는 문턱값으로 평균값을 선택한 것은 잡음 효과를 줄이기 위함이다(잡음으로 인한 작은 섭동들은 정확한 피크 스파이크 값들을 검출하는 것을 어렵게 만든다).

발화 간격 데이터의 위상 공간 매립 I_i= {t_i, t_i-1, ...., t_i-(d-l)}로 정의될 수 있으며, 여기서, d는 매립차원, l은 지연시간이다.

본 발명에 적용되는 위상패턴의 비선형 주기성은 다음 수학식 1과 같이 정의된다.

여기서, ΔI_k는 기준 벡터와 그 이웃 벡터들 사이의 인덱스 차, 즉, 회귀시간을 나타낸다. N_all은 재구성된 총 벡터 수, N_nm은 임의의 기준점 주위의 총 이웃 수이다. 이때, N_nm은 20으로 고정한다. 또한, N_RT는 가질 수 있는 최대 회귀시간을 나타내며, NPISI는 위상 패턴의 비선형 주기성을 나타낸다.

도 2는 위상 패턴의 비선형 주기성을 결정하는데 이용되는 회귀시간 히스토그램으로서, 도면에서의 위상 패턴의 비선형 주기성은 20으로 설정하였다. 즉, 도 2에서 가장 큰 확률을 갖는 회귀시간은 ΔI₂₀으로 동력학의 대표적인 주기를 나타낸다.

시계열의 위상 정보를 포함하는 발화 간격 데이터의 위상 동력학에서 만약 어떤 시스템의 발화 패턴이 규칙적이라면, 위상 패턴의 비선형 주기성은 상대적으로 작은 값을 갖는다.

이하에서는, 본 발명에 따른 간질 발작 예측을 위해 뇌파 지표 성능을 확인하여 실제 두피 뇌파에 적용하는 기술에 대해 설명하기로 한다. 간질 뇌파는 약 30분의 발작간(inter-ictal) 뇌파와 발작시작(seizure onset)을 포함한 데이터로 측정하였다. 뇌파는 국제기준의 10-20 전극부착방법으로 모두 20채널의 전극을 사용하였고, 샘플링 주파수는 200Hz, 분해능은 16비트 정수형으로 수집하였다.

도 3은 본 발명의 일 실시예에 따른 간질 발작 예측 시스템의 구성 블록도로서, 뇌파 검출부(30), 잡음 검출부(32), 뇌파 지표 연산부(34), 발작 전조 예측부(36) 및 발작 경보부(38)를 포함한다.

뇌파 검출부(30)는 간질 환자의 두피 뇌파를 측정하고 그 결과 데이터를 제공하는 수단이다. 이러한 뇌파 검출부(30)는 통상의 두피 뇌파 측정 장치와 그 기능이 유사한 바 구체적인 설명은 생략하기로 한다.

본 실시예에 따른 잡음 검출부(32)는 데이터 수집과 잡음 검출, 소정 시간, 예컨대, 10분 이상 잡음에 의해 계산 구간을 확보하지 못한 경우 환자에게 잡음 경보를 보내 환자가 잠시 안정 상태를 유지하도록 하는 피드백 루프로 구분될 수 있다.

뇌파 지표 연산부(34)는 예를 들어, 10초 이상 잡음이 없는 구간이 확보된경우, 본 발명에 따른 위상 패턴의 비선형 주기성을 계산하여 뇌파 지표를 설정하는 기능을 수행한다.

발작 전조 예측부(36)는 뇌파 지표 연산부(34)로부터 제공되는 뇌파 지표에 따른 간질 전조 조건들이 충족될 때, 발작 전조를 결정 및 예측하는 기능을 수행한다.

발작 경보부(38)는 발작 전조 예측부(36)로부터의 발작 전조 예측 결과를 이용하여 환자에게 직접 경보하는 기능을 수행한다. 이때, 이러한 예측 결과 데이터는 환자에게 직접 전송될 수도 있으나, 의료진 측의 시스템, 예컨대, 응급 대처 시스템으로 원격 전송되어 환자의 상태를 실시간으로 모니터링하게 할 수도 있을 것이다.

도 4는 본 발명의 다른 실시예에 따른 간질 발작 예측 과정의 흐름도로서, 상술한 도 3의 구성들에 의해 수행되는 일련의 과정을 도시한 도면이다.

먼저, 단계(S400)에서 두피 뇌파 검출부(30)는 간질 환자의 두피 뇌파를 측정하여 해당 데이터를 잡음 검출부(32)로 제공한다.

단계(S402)에서 잡음 검출부(32)는 안구전도 성분의 상관 밀도와 근전도 성분의 상관 밀도를 이용하여 잡음을 결정하는 기준을 설정하기 위해서 배경 윈도우(context window)를 선택한다.

또한, 잡음 검출부(32)는 단계(S404)로 진행하여 선택된 배경 윈도우를 기준으로 해당 윈도우에 잡음이 포함되어 있는지를 판단하고, 잡음이 포함되어 있으면 단계(S406)로 진행하여 잡음 경보를 수행한다. 이러한 잡음 검출부(32)의 처리 과정은 후술하는 도 5의 흐름도에서 보다 상세히 기술될 것이다.

한편, 단계(S404)의 판단 결과, 잡음이 없는 구간이 기설정 시간, 예컨대, 10초가 경과하면(S408), 단계(S410)로 진행한다.

단계(S410)에서 뇌파 지표 연산부(34)는 위상 패턴의 비선형 주기성을 계산하여 뇌파 지표를 설정하고, 단계(S412)로 진행한다.

단계(S412)에서 발작 전조 예측부(36)는 뇌파 지표 연산부(34)로부터 제공되는 뇌파 지표에 따른 간질 전조 조건들이 만족되는 경우, 발작 전조를 찾아내는 계산 및 결정 기능을 수행하고, 단계(S414)로 진행한다.

단계(S414)에서 발작 경보부(38)는 발작 전조 예측부(36)로부터의 예측 결과를 이용하여 환자에게 그 사실을 직접 경보하거나 자극을 주는 기능을 수행한다. 이러한 자극 및 경보 과정은 환자에게만 국한되지 않으며, 상술한 바와 같은 원격 통신 시스템을 이용하여 의료 기관의 데이터 베이스 서버와 연결되어 정보를 전송할 수 있을 것이다.

도 5는 상술한 도 4의 잡음 검출 과정의 상세 흐름도이다.

먼저, 단계(S500),(S502)에서 잡음 검출부(32)는 수집되는 데이터를 A/D 변환하고, 1초 크기의 윈도우로 중복 없이 분할한다.

단계(S504)에서는 1초 길이의 윈도우에 대한 7차 다항식으로 근사하여 감산함으로써 선형 경향성을 제거한다.

단계(S506)에서 잡음 검출부(32)는 각 성분별 밴드패스 필터링을 수행한다. 즉, 안구전도 성분의 상관 밀도 계산을 위해 0.5∼2Hz를 밴드패스 필터링하고, 근전도 성분의 상관 밀도 계산을 위해 30∼50Hz를 밴드패스 필터링한다.

이후, 단계(S508)에서는 각 성분들을 위상 공간에 벡터로 재구성한 후, 벡터들 사이의 가장 가까운 이웃들의 평균 거리를 계산한다(지연시간은 1, 매립차원은 10으로 고정한다).

또한, 각 윈도우의 최대 진폭과 최대 진폭을 갖는 파형의 최대 지속 시간(duration)을 계산한다. 먼저, 뇌파의 작은 섭동들을 없애기 위해 0.5∼15Hz 밴드패스 필터링을 한다. 이후, 피크 검출을 통하여 가장 큰 진폭값의 시간 인덱스를 구한다. 그 최대 진폭을 갖는 피크의 전/후 피크들 중 큰 지속 시간을 선택한다.

단계(S510)에서는, 계산된 안구전도 성분의 상관밀도와 근전도 성분의 상관 밀도들을 이용하여 잡음을 결정하는 기준을 설정하기 위해서 배경 윈도우들을 선택한다. 배경 윈도우로 사용하기 위하여 정상 뇌파의 확률분포가 정상분포(normal distribution)를 가짐을 이용한다. 먼저, 각 데이터들의 확률분포에서 왜도(skewness)와 첨도(kurtosis)를 계산하여, 왜도 1 이하, 첨도 4 이하인 윈도우 120개를 선택한다. 그 중, 작은 안구전도 성분의 상관밀도/근전도 성분의 상관밀도 값을 갖는 윈도우 60개를 선택한다. 이 60개의 윈도우를 배경 윈도우로 정하여, 잡음 검출을 위한 안구전도 성분의 상관밀도/근전도 성분의 상관밀도의 기준 값으로 결정한다.

배경 윈도우에서 안구전도 성분의 상관밀도/근전도 성분의 상관밀도 값들을 계산한 후, 잡음 검출의 기준 값이 결정되면 실시간으로 각 윈도우에서의 잡음 여부를 결정한다(S512).

만일, 잡음으로 결정되면, 단계(S514)로 진행하여 잡음 경보 과정을 수행하며, 단계(S516)에서는 지속적인 안구전도/근전도 모니터를 수행한다.

이때, 안구전도/근전도 잡음 판별기준은 다음과 같다.

첫째, 배경 윈도우들에서 계산된 안구전도 성분의 상관 밀도 평균값의 5배가 넘고 동시에 최대 진폭이 배경 윈도우들의 최대 진폭의 평균값+표준편차 이상인 경우 안구전도 잡음으로 결정한다.

둘째, 최대 진폭 값이 배경 윈도우들의 최대 진폭 값의 (평균+표준편차*2) 이상일 때와 최대 지속 시간이 150m 초 이상인 경우 안구전도 잡음으로 결정한다.

셋째, 배경 윈도우들에서 계산된 근전도 성분의 상관밀도의 평균값의 3배 이상일 때 근전도 잡음으로 결정한다.

안구전도 성분의 상관밀도와 근전도 성분의 상관밀도는 다음과 같이 정의할 수 있다.

먼저, 안구전도 성분의 상관밀도에 대해 정의한다.

수학식 2에서의 X는 측정 데이터를 0.5∼2Hz 밴드패스 필터링한 안구전도 성분이다. 이러한 X값에 대한 미분 결과는 다음 수학식 3과 같이 표현될 수 있다.

또한, 매립차원 10의 위상공간에서 임의의 i번째 벡터는 다음 수학식 4와 같이 표현될 수 있다.

안구전도 성분의 상관 밀도는 밴드패스 필터링을 통해 추출된 안구전도 성분에 대한 위상 공간 재구성에서 이웃 벡터들과의 거리를 계산하므로서 비선형 상관성을 정량화한 값이다.

이러한 안구전도 성분의 상관 밀도는 다음 수학식 5와 같이 표현된다.

여기서,는의 최대 인접한 이웃 벡터를 나타낸다.

다음으로, 근전도 성분의 상관밀도에 대해 정의한다.

수학식 6에서의 Y는 측정 데이터를 30∼50Hz 밴드패스 필터링한 근전도 성분이다. 이러한 Y값에 대한 미분 결과는 다음 수학식 7과 같이 표현될 수 있다.

또한, 매립차원 10의 위상공간에서 임의의 i번째 벡터는 다음 수학식 8과 같이 표현될 수 있다.

근전도 성분의 상관 밀도는 밴드패스 필터링을 통해 추출된 근전도 성분에 대한 위상 공간 재구성에서 계산한 비선형 상관성을 정량화한 값이다.

이러한 근전도 성분의 상관 밀도는 다음 수학식 9와 같이 표현된다.

여기서,는의 최대 인접한 이웃 벡터를 나타낸다.

한편, 도 6은 근전도와 안구전도를 검출하기 위해 사용되는 최대 진폭과 최대 기울기값이 유사한 정상 뇌파와 잡음들의 데이터 분포도이다. 도 6에서 a)는 정상뇌파, b)는 근전도, c)는 안구전도, d)는 안구전도와 유사한 정상뇌파를 설명하는 그래프이다. 이때, 점선은 측정데이터, 점괘선은 선형경향성이 존재하는 데이터, 그리고 실선은 선형경향성을 제거한 데이터를 나타낸다.

도 7은 도 6의 정상 뇌파와 잡음들의 안구전도 성분들에 대한 위상 공간에서의 상관 밀도 정량화 그래프이다. 도 7에서 a)는 필터링을 통한 안구전도 성분, b)는 정상 뇌파의 안구전도 성분의 상관밀도, c)는 근전도의 안구전도 성분의 상관밀도, d)는 안구전도의 안구전도 성분의 상관밀도, 그리고, e)는 안구전도와 유사한정상 뇌파의 안구전도 성분의 상관밀도 그래프이다.

도 8은 도 6의 정상 뇌파와 잡음들의 근전도 성분들에 대한 위상 공간에서의 상관 밀도 정량화 그래프이다. 도 8에서 a)는 필터링을 통한 근전도 성분, b)는 정상 뇌파의 근전도 성분의 상관밀도, c)는 근전도 잡음의 근전도 성분의 상관밀도, d)는 안구전도 잡음의 근전도 성분의 상관밀도, e)는 안구전도 잡음과 유사한 정상 뇌파의 근전도 성분의 상관밀도 그래프이다.

도 7의 그래프 d)의 안구전도 잡음과 도 8의 그래프 c)의 근전도 잡음 성분들은 위상 공간에서 정상 뇌파들에 비해 상대적으로 넓게 퍼지게 된다. 이런 특징을 정량화하여 잡음과 정상뇌파를 구분한다.

도 9는 도 6의 정상 뇌파와 잡음들에 대한 최대 진폭/최대 기울기 값과 안구전도/근전도 성분의 상관 밀도 비교 그래프이다. 도 9에서 a)는 최대진폭, b)는 최대기울기, c)는 안구전도 성분의 상관밀도, d)는 근전도 성분의 상관밀도를 설명하고 있다. 여기서, a)와 b)의 최대 진폭계산과 최대 기울기 계산에서 안구전도(EOG)와 안구전도와 유사한 정상 뇌파(EOG-like)는 유사한 값들을 가진다. 즉, 안구전도 잡음(EOG)과 안구전도와 유사한 뇌파들(EOG-like)의 최대 진폭비는 1.28로 거의 구분되지 않는 반면, 안구전도 성분의 상관밀도 비는 12.6으로 최대 진폭비보다 10배 이상 큰 차이를 보이고 있다. 또한, 정상 뇌파와 근전도 잡음간의 최대 기울기 비는 1.84로 약 2배의 값을 갖는 반면, 근전도 성분의 상관밀도 값은 6.74배로 최대 기울기 비에 비해 3배 이상의 큰 차를 보이고 있다.

이로서, 기존의 최대 진폭과 최대 기울기 계산으로 뇌파와 잡음을 구분하는방법에 비해 안구전도 성분의 상관밀도와 근전도 성분의 상관밀도를 계산하는 방법이 안구전도(EOG)/근전도(EMG) 잡음과 정상 뇌파를 구분하는데 훨씬 효과적임을 알 수 있다.

도 10은 두피 뇌파에서의 안구전도/근전도 검출 결과를 예시적으로 도시한 그래프이다. 도 10에서 a)는 간질환자의 뇌파(FP2) 분포도, b)는 안구전도 성분의 상관밀도 적용 결과 분포도, c)는 근전도 성분의 상관밀도 적용 결과 분포도이다. 도 10에 도시한 바와 같이, 총 500개의 윈도우들 중 모두 157개의 잡음이 포함된 윈도우가 검출되었다.

결과적으로, 본 발명에 따른 잡음 검출 시스템은 안구전도 잡음 결과와 근전도 잡음 결과를 동시에 보여주므로, 매초 환자의 안구 움직임과 근육 움직임을 모니터할 수 있다. 이로 인해, 환자의 뇌파 모니터링과 동시에 환자의 행동 모니터링에 매우 유용하게 사용될 수 있으며, 사후 뇌파 해독에 매우 중요한 정보를 제공하게 될 것이다.

한편, 해당 윈도우들의 잡음 포함 여부를 조사한 후, 만약 10초 동안 잡음 포함이 없는 경우, 상술한 바와 같은 위상 패턴의 비선형 주기성을 계산한다. 10초 길이의 윈도우들에 잡음이 포함되어 있는 경우는 그 앞 윈도우의 값으로 대체한다. 계산된 위상 패턴의 비선형 주기성 값들은 결과값들에서 큰 섭동을 없애기 위해서 연속적으로 5개의 윈도우 값들을 평균한다. 후술하는 도 11의 그래프 e)에서는 연속적으로 평균을 취한 위상 패턴의 비선형 주기성 값들의 기울기들에 대한 지속적인 합(cumulative summation)을 나타내고 있다.

즉, 도 11은 잡음에 의한 뇌파 손상이 심하지 않은 경우, 본 발명에 따른 위상 패턴의 비선형 주기성을 적용했을 때의 분포 그래프로서, a)는 우측 전전두엽(FP1)채널의 뇌파, b)는 약 10초의 데이터, c)는 안구전도 성분의 상관밀도, d)는 근전도 성분의 상관밀도, e)는 18채널 위상패턴의 비선형 주기 값들의 기울기를 나타내고 있다.

여기서, 그 값들이 양이면 0으로 대체하였으며, 발작 전조를 결정하는 임계값은 처음 50개 윈도우들의 (평균값-표준편차)값으로 하고, 그 임계값 밑으로 위상 패턴의 비선형 주기성 값들이 3분 30초(20개 윈도우) 이상 지속적으로 떨어져 있으면, 표준편차 아래의 값으로 떨어져 있는 21번째 윈도우를 발작 전조로 결정한다.

즉, 도 11에서는 전두엽(FP1) 채널의 발작 간(inter-ictal) 뇌파에서 안구전도/근전도 잡음이 거의 발생하지 않다가 발작 직전 큰 안구전도/근전도 잡음이 발생됨을 알 수 있다. 전반적으로 잡음이 없는 깨끗한 뇌파의 경우, 위상 패턴의 비선형 주기성의 18채널의 평균은 약 98번째 윈도우에서 발작 전조를 검출하고 있다. 실제 발작은 윈도우 170에서 시작하고 있으며, 이로서 발작 12분 전 예측이 가능하다. 또한, 윈도우 40부터 위상 패턴의 비선형 주기성의 감소를 보이고 있어 실제 발작 간 상태(inter-ictal state)에서 뇌파의 위상 패턴이 발작 상태에 다가갈수록 점차적으로 더욱 규칙적으로 변화하고 있음을 보여준다.

도 12는 잡음에 의한 뇌파 손상이 심한 경우, 본 발명에 따른 위상 패턴의 비선형 주기성을 적용했을 때의 분포 그래프로서, a)는 우측 전전두엽(FP1)채널의 뇌파, b)는 약 10초의 데이터, c)는 안구전도 성분의 상관밀도, d)는 근전도 성분의 상관밀도, e)는 18채널의 위상 패턴의 비선형 주기 값들의 기울기를 나타내고 있다.

즉, 도 12는 발작 간 상태에서 심한 안구전도/근전도가 발생하고 있음을 나타내고 있으며, 전두엽 채널의 뇌파 대부분이 안구전도/근전도 잡음에 의해 손상되어 있음에도 불구하고, 도 12의 e)에 나타난 바와 같이, 위상패턴의 비선형 주기성 값이 윈도우 64에서부터 지속적으로 감소하고, 윈도우 84에서 발작 전조가 검출됨을 알 수 있을 것이다. 이는 실제 발작 시작보다 약 12분 전에 발작 전조를 예측하고 있음을 보여준다.

도 13은 예를 들어, 21명의 간질 환자에 대한 위상 패턴의 비선형 주기성을 적용한 결과 그래프로서, 가로(x)축은 환자번호, 세로(y)축은 발작시작 전 예측 시간(초).를 나타내고 있다.

즉, 도 13은 21명의 임의의 간질 환자로부터 얻은 두피 뇌파 데이터를 이용하여 발작 전조를 예측한 결과로서, 21명의 환자는 측두엽 간질(Temporal Lobe Epilepsy) 환자 11명, 내측 측두엽 간질(Mesial Temporal Lobe Epilepsy) 환자 2명, 전두 측두엽 간질(Frontotemporal Lobe Epilepsy) 환자 1명, 전두 두정엽 간질(Frontocentral Epilepsy) 환자 1명, 두정 후배엽 간질(Parietooccipital Epilepsy) 환자 1명, 전두엽 간질(Frontal Lobe Epilepsy) 환자 3명, 측두 두정엽 간질(Temporoparietal Lobe Epilepsy) 환자 1명, 양측 두엽 간질(Bitemporal Lobe Epilepsy) 환자 1명을 포함하고 있다. 21명의 간질 환자 대부분이 심한 잡음에도 불구하고, 21명중 18명이 발작 시작 약 10분 전에 발작 시작을 예측하고 있으며, 나머지 3명의 경우 약 1분(70초), 4분(260초)전에 예측을 하고 있고, 나머지 한 명은 발작 전조를 찾을 수 없었다.

도 14는 발작전 예측이 되지 않은 경우의 위상 패턴의 비선형 주기성 결과 그래프로서, 예측되지 않은 환자의 18채널 위상 패턴의 비선형 주기성 값의 평균 값이 발작 시작 부근에 가까이 갈수록 증가하는 모습을 보여준다. 그러나, 윈도우 185에서 발작이 시작되기 350초 전 간질이 발생하는 부위(focal site(c3, p3))의 채널들에서 위상 패턴의 비선형 주기성 값이 큰 폭으로 감소하고 있음을 알 수 있다.

비록, 정해진 조건들을 만족시키지 못했지만, 갑작스런 위상 패턴의 비선형 주기성 값의 감소를 통해 예비 경보를 발생함으로써 환자들에게 경각심을 줄 수 있을 것이다.

도 15는 발작 전조를 결정하는 초기 뇌파 구간에 심한 잡음이 포함되어 있는 경우의 그래프로서, 예측되지 않은 환자의 뇌파를 보여주고 있다.

도시한 바와 같이, 처음 발작 전조의 기준 값을 결정하는 구간에 심한 잡음이 포함된 경우 발작 전조 결정을 위한 기준 값이 커지므로 전조를 검출하는 시간이 늦어지게 되는 문제점이 있다. 이를 위해 본 발명에서는 충분히 긴 시간에서 배경 윈도우들을 설정하고, 또한, 위상 패턴의 비선형 주기성을 계산할 윈도우를 일정 시간 동안 확보하지 못하는 경우, 환자에게 경보를 발생하여 환자가 안정 상태를 잠시 유지할 수 있게 하는 피드백 시스템을 적용하였다.

본 발명을 구현하는데 이용되는 위상 패턴의 비선형 주기성 계산 시간(10초길이(2000)의 윈도우)은, 예컨대, 펜티엄 500MHz를 사용할 경우, 잡음 검사에 0.6초, 위상 패턴의 비선형 주기성 계산에 0.1초, 총 0.7초가 소요되었다.

또한, 본 발명에 따른 발작 전조 예측 시스템의 실시간 작동을 위해서는 최대 14채널의 다채널 연산이 가능하여야 하며, 계산에 사용된 프로그램은 "matlab 5.3" 버전을 사용하였다.

본 발명에 따른 시스템은 두피 뇌파를 이용하여 발작을 예측하는 모든 처리 과정에서 자동화되어 있으며, 실시간 다채널 발작 예측이 가능하다.

또한, 본 발명은, 현재 상용화된 간질 발작 억제 치료 기기인 미주 신경 자극기의 경우 지속적인 전기 자극을 환자의 미주 신경에 가함으로서 환자의 발작 상태 전이를 억제할 수 있을 것이다. 즉, 본 발명을 미주 신경 치료기에 응용하여 발작 직전에만 환자에게 전기 자극을 가하도록 한다면, 지속적인 전기 자극에 의한 환자의 고통과 부작용들을 줄일 수 있을 것이다.

본 발명에 의하면, 최소한 발작 10분전 간질 발작의 예측이 가능하므로 환자의 발작 대처를 위한 충분한 시간을 확보할 수 있다. 또한, 본 발명은 가족이나 환자에게서 발작 사실 여부를 확인하는 종래의 기술에 비해 훨씬 과학적이고 체계적인 연구 및 진단이 가능하다는 효과가 있다. 또한, 특정 환자의 발작 전조 경보 후 의료 기관을 통해 환자의 안위를 실시간으로 확인할 수 있는 바, 위험에 빠진 환자에 대한 즉각적인 조치가 가능하다는 효과가 있다.이상, 본 발명을 실시예에 근거하여 구체적으로 설명하였지만, 본 발명은 이러한 실시예에 한정되는 것이 아니라, 그 요지를 벗어나지 않는 범위내에서 여러 가지 변형이 가능한 것은 물론이다.

Claims

위상 패턴의 비선형 주기성을 이용한 간질 발작 예측 시스템에 있어서,

임의 대상자의 두피 뇌파를 측정하고 그 결과 데이터를 제공하는 뇌파 검출부와,

상기 뇌파 검출부로부터 제공되는 데이터를 수집하여 잡음을 검출하고, 제 1 설정 시간 이상 잡음에 의해 계산 구간을 확보하지 못한 경우, 상기 대상자에게 잡음 경보를 제공하는 잡음 검출부와,

제 2 설정 시간 이상 잡음이 없는 구간이 확보된 경우, 위상 패턴의 비선형 주기성을 계산하여 뇌파 지표를 설정하는 뇌파 지표 연산부와,

상기 뇌파 지표 연산부로부터 제공되는 뇌파 지표에 따른 간질 전조 조건들이 충족될 때, 발작 전조를 결정 및 예측하는 발작 전조 예측부와,

상기 발작 전조 예측부로부터의 발작 전조 예측 결과를 상기 대상자에게 경보하는 발작 경보부

를 포함하는 위상 패턴의 비선형 주기성을 이용한 간질 발작 예측 시스템.
두피 뇌파의 대표적 비선형 주기를 나타내는 위상 패턴의 비선형 주기성을 이용한 간질 발작 예측 방법에 있어서,

임의의 대상자의 두피 뇌파를 측정하여 해당 데이터를 제공하는 단계와,

안구전도 성분의 상관 밀도와 근전도 성분의 상관 밀도를 이용하여 잡음을 결정하는 기준을 설정하기 위한 배경 윈도우(context window)를 선택하는 단계와,

상기 선택된 배경 윈도우를 기준으로 해당 윈도우에 잡음이 포함되어 있는지를 판단하고, 잡음이 포함되어 있으면 잡음 경보를 수행하는 단계와,

기설정된 시간 동안 잡음이 존재하지 않는 구간이 지속되면, 위상 패턴의 비선형 주기성을 계산하여 뇌파 지표를 설정하는 단계와,

상기 설정된 뇌파 지표에 따른 간질 전조 조건들이 충족될 때, 발작 전조를 결정 및 예측하는 단계

를 포함하는 위상 패턴의 비선형 주기성을 이용한 간질 발작 예측 방법.
제 2 항에 있어서,

상기 위상 패턴의 비선형 주기성의 정량화는,

두피 뇌파의 발화 간격 데이터를 이용하여 위상 공간 매립을 수행하고, 각 매립 벡터를 기준으로 회귀 시간을 계산한 후, 두피 뇌파로부터 실시간 뇌파 변화를 정량화함으로써 구현되는 것을 특징으로 하는 위상 패턴의 비선형 주기성을 이용한 간질 발작 예측 방법.
제 2 항에 있어서,

상기 방법은,

상기 예측된 발작 전조 결과를 해당 대상자에게 원격으로 전송하는 단계를 더 포함하는 것을 특징으로 하는 위상 패턴의 비선형 주기성을 이용한 간질 발작 예측 방법.
제 2 항에 있어서,

상기 잡음 검출 단계는,

수집되는 데이터를 A/D 변환하고, A/D 변환되는 데이터를 기설정 시간 단위의 윈도우로 중복 없이 분할하는 단계와,

상기 기설정 시간 단위의 윈도우로 분할된 데이터를 7차 다항식으로 근사하여 감산함으로써 선형 경향성을 제거하는 단계와,

상기 안구전도 성분 및 근전도 성분별 밴드패스 필터링을 수행하는 단계와,

상기 안구전도 성분 및 근전도 성분들을 위상 공간에 벡터로 재구성한 후, 상기 벡터들 간의 가장 가까운 이웃들의 평균 거리를 계산하는 단계와,

상기 윈도우의 최대 진폭과 최대 진폭을 갖는 파형의 최대 지속 시간(duration)을 계산하는 단계와,

상기 계산된 안구전도 성분의 상관밀도와 근전도 성분의 상관 밀도들을 이용하여 배경 윈도우들을 선택하는 단계와,

상기 배경 윈도우에서 상기 안구전도 성분의 상관밀도 및 근전도 성분의 상관밀도 값들을 계산하여 잡음 검출의 기준 값을 결정하고, 결정되는 기준 값을 기반으로 각 윈도우에서의 잡음 여부를 결정하는 단계와,

상기 단계에서 안구전도 잡음 또는 근전도 잡음으로 결정되면, 잡음 경보 과정 및 안구전도/근전도 모니터링 과정을 수행하는 단계

를 포함하는 것을 특징으로 하는 위상 패턴의 비선형 주기성을 이용한 간질 발작 예측 방법.
제 5 항에 있어서,

상기 안구전도 성분의 상관밀도 값은이며, 상기 근전도 성분의 상관밀도 값은이되, 상기및는 매립차원 10의 위상공간에서 임의의 i번째 벡터, 상기는 상기의 최대 인접한 이웃 벡터, 상기는 상기의 최대 인접한 이웃 벡터인 것을 특징으로 하는 위상 패턴의 비선형 주기성을 이용한 간질 발작 예측 방법.
제 5 항에 있어서,

상기 안구전도 성분의 상관밀도 값은 정상 뇌파의 최대 진폭보다 적어도 10배 이상인 것을 특징으로 하는 위상 패턴의 비선형 주기성을 이용한 간질 발작 예측 방법.
제 5 항에 있어서,

상기 근전도 성분의 상관밀도 값은 정상 뇌파의 최대 진폭보다 적어도 3배 이상인 것을 특징으로 하는 위상 패턴의 비선형 주기성을 이용한 간질 발작 예측 방법.