KR100452628B1 - 뇌파의 전류밀도 모델의 신호원의 국소화 추정을 위한 데이터 처리방법 - Google Patents

Abstract

본 발명은 뇌파의 전류밀도 모델을 이용한 신호원의 국소화 추정방법에 관한 것으로, 신호원의 국소화 추정에 대한 자기공명영상 데이터를 사용하여 정확성의 향상과 함께 3차원적인 데이터의 표준화를 가능하도록 하는 뇌파의 전류밀도모델의 신호원의 국소화 추정을 위한 데이터 처리방법을 개시한다.

이 데이터 처리방법에서는 뇌파에 대한 해석을 단순한 시간축 신호로의 관점으로서 이용한 것이 아니라 뇌파를 전류밀도모델로 변환하여 이를 3차원 영상으로 구축하였고 이렇게 만들어진 영상들에 대한 통계적인 분석이 가능하도록 하였으며, 자기공명영상에 3차원 전류밀도 이미지를 정합하여 판단할 수 있도록 하여 정확한 신호원의 국소화 추정을 가능하도록 하였다. 또한 각 자기공명영상을 표준영상에 맞출 수 있기 때문에 전류밀도영상도 표준화할 수 있도록 하는 근거를 제공할 수 있는 효과가 있다.

Description

뇌파의 전류밀도 모델의 신호원의 국소화 추정을 위한 데이터 처리방법 {Method of processing data for estimating source localization to current density model of electroencephalogram}

본 발명은 뇌파의 전류밀도 모델을 이용한 신호원의 국소화 추정방법에 관한것으로, 보다 상세하게는 신호원의 국소화 추정에 대한 자기공명영상 데이터를 사용하여 정확성의 향상과 함께 3차원적인 데이터의 표준화를 가능하도록 하는 뇌파의 전류밀도모델의 신호원의 국소화 추정을 위한 데이터 처리방법에 관한 것이다.

인간의 뇌는 10¹¹개 정도의 신경소자(neuron)들로 이루어져 있다. 또한 각 신경 소자들은 수천 개의 신경 소자들과 서로 연결되어 있다. 이처럼 복잡한 구조를 가진 수많은 신경 소자들을 통하여 인간은 사물, 색깔, 문자 등을 인식하고 있다. 이와 같이 복잡한 구조를 가지는 뇌의 활동도 감정활동과 인지활동 등의 다양한 경우에 대하여 서로 다른 부분들이 주도적인 역할을 하는 것으로 알려져 있다. 그러나 이러한 뇌를 구성하는 부분들에 대한 기능을 직접적인 검사방법으로는 얻기 곤란하기 때문에 뇌파 등의 여러가지 수단을 이용하여 뇌의 기능을 간접적으로 검사하는 방법이 행하여 지고 있다.

뇌의 기능을 간접적으로 검사하는 방법으로서 뇌파의 전류밀도를 측정하거나 MRI(magnetic resonance imaging; 자기공명영상법)에 의하여 인체를 구성하는 물질의 자기적 성질을 측정하여 컴퓨터를 통하여 다시 재구성하여 영상화하는 기술을 사용하는 방법 등이 있다.

상기의 방법 중에서, 뇌파의 전류밀도를 이용하는 방법은 뇌의 활동을 전기적인 신호로서 인식하여 검사하는 것이다. 이러한 전기신호는 두피(머리의 피부)에서 리드(lead)를 통하여 검출할 수 있다. 두피에서 전기신호를 검출하는 방법으로는 전기장을 검출하는 장치인 EEG(electroencephalography; 전기뇌파검사기)와전기신호에 동반되는 자기장을 검출하는 장치인 MEG(magnetoencephalography; 자기뇌파검사기)를 들 수 있다.

상기의 장치들을 이용하여 얻어지는 전기신호나 자기신호는 뇌 표면에 투영된 정보를 담고 있다. 그러나 이러한 전기신호나 자기신호는 뇌 내부 깊은 곳에서 어떤 전기적 활성화가 된 것이 두피에 투영된 정보에 불과할 뿐만 아니라 실제 전기적 변화가 일어나는 뇌 부위와 전극 사이의 뇌척수액, 머리뼈, 머리피부, 머리카락 등에 의해서 많은 잡음이 섞이게 되어 실제 진원에 대한 정확한 정보는 알 수 없다. 그리고 이때 얻어지는 신호의 경우에도 전극의 숫자에 영향을 받는다. 즉, 머리에 아무리 근접하여 전극을 설치한다고 하여도 전극들 사이에는 빈 공간이 형성되므로 정확한 자료를 얻기에는 문제점이 있다.

자기공명영상법(MRI)에 의하여 얻어지는 자료도 자력에 의하여 발생하는 자기장을 이용하여 뇌의 임의의 단층상에 대한 이미지만을 얻는 것이므로 이러한 이미지 정보만을 가지고는 뇌에 대한 변화를 일으키는 부분에 대한 진원에 대한 정보와는 전혀 관련이 없다.

따라서 뇌 내부 깊은 곳에서 실제적으로 활성화되는 곳이 어디인지, 그 전기신호/자기신호가 어떠한 특징을 가지고 있는가에 대하여 연구의 필요성이 제기되었으며 이러한 분야를 뇌 신호원 국소화(source localization)라 한다.

뇌 신호원 국소화에 대한 해석을 위하여 뇌의 활동상태를 검사하기 위해서는 방사성 동위원소를 사람에 주입하고 이를 통해서 사람 내부의 기능적 이미지를 얻는 핵의학적 도구인 양전자 방사 토모그래피(positron emission tomography; PET)또는 단일 광자 단층촬영술(single photon emission computed tomography; SPECT)을 통하여 얻어진 데이터를 이용하여 질환을 가지는 사람들과 정상인들의 정보를 모아서 질환군과 정상인군들간의 정보를 통계적으로 처리하는 방법이 있다.

그러나 상기의 방법은 사람 내부의 기능적 이미지 데이터에 처리방법에 관한 것으로서 뇌파의 전기적 신호에 의하여 형성되는 전류밀도에 대한 3차원적인 접근방식으로 데이터를 처리하는 방법에 대하여는 아직까지 제안되는 바가 없다.

뇌파의 전류밀도에 대한 처리방법 중의 하나로서 뇌 신호원 국소화를 위한 알고리즘인 LORETA(Low Resolution Brain Electromagnetic Tomography)가 있다. LORETA 는 신호원 강도의 이차 미분값인 라플라시안을 이용하여 모델항을 만든 것으로, 인근의 신호원들이 비슷한 강도를 가지는 경향을 가지게 하여 부드러운 전류밀도분포를 재구성할 수 있도록 한다.

그러나 상기의 LORETA 에 의하여 얻어진 정보는 개인 각각의 정보로서 각 개인의 발생지 확인 정도에 그치고 다른 사람이나 집단, 또는 표준치와 통계적 비교를 할 수 없다. 즉, 한 사람의 신호원의 국소화 추정은 가능하나 그것이 다른 사람, 집단과 비교해서는 어떻게 다른지, 다르다면 통계적으로 유의한 수준으로 다른지를 알 수 없다. 이는 사람의 머리가 일정하지 않고 매우 다양한 형태를 보이고 있기 때문에 일정한 표준형에 맞추어야 판단하는 등의 문제점을 가지고 있다.

따라서 의학연구의 특성상 사람 또는 동물은 위에서 언급한 것처럼 개인들간에 다양성이 워낙 크기 때문에 단순한 비교로는 환자군과 정상인군간에 차이를 비교할 수 없는 어려움이 있다.

따라서, 본 발명의 목적은 뇌파의 전류밀도 모델을 이용한 신호원의 국소화 추정 데이터를 삼차원적인 접근방식으로 통계 처리할 수 있는 데이터 처리방법을 제공하는 것이다.

본 발명의 다른 목적은 개개인들에 대한 해부학적 자료인 자기공명영상(MRI) 이미지와 뇌파의 전류밀도 모델을 정합하여 뇌파의 신호원의 국소화 추정에 있어서 정확성을 높일 수 있는 데이터 처리방법을 제공하는 것이다.

본 발명의 또 다른 목적은 상기와 같은 데이터 처리방법이 기록된 기록매체를 제공하는 것이다.

도 1 은 본 발명에 따른 뇌파의 전류밀도 모델의 신호원 국소화 추정을 위한 데이터 처리방법에 개략적인 과정을 도시한 도이다.

도 2 는 불규칙하게 흩어져 있는 전류밀도의 일 예를 도시한 도.

도 3 은 볼륨 격자에 채워서 3차원 전류밀도 이미지의 일 예를 도시한 도.

도 4a 내지 도 4c 는 도 3 에서의 볼륨 격자에 채워서 3차원 전류밀도 이미지에 대하여 필터링 작업을 한 이미지의 3차원 표시의 예를 도시한 도이다.

※ 도면의 주요 부분에 대한 부호의 설명

10 ... EEG 데이터 60 ... 개별 MRI 영상

70 ... 표준 MRI 영상

상기의 목적을 달성하기 위하여 본 발명에 따른 뇌파의 전류밀도 모델의 신호원의 국소화 추정을 위한 데이터 처리방법은

뇌의 전류신호 정보로부터 신호원의 국소화 추정을 위한 전류밀도 정보에 대한 데이터를 생성하는 단계;

상기 생성된 전류밀도 정보를 3차원 전류밀도 이미지로 구성하는 단계;

상기 3차원 전류밀도 이미지를 공간 정규화하는 단계; 및

상기 정규화된 이미지와 정상인과 비정상인들에 대한 표준 그룹들에 대한 이미지가 구축된 데이터베이스와의 통계적인 파라미터 맵핑에 의하여 뇌파의 신호원의 국소화를 추정하는 단계를 포함하는 것을 특징으로 한다.

이때 3차원 전류밀도 이미지 데이터에 대하여는 가우시안 필터링을 수행하여 신호대 잡음비를 높여준다.

그리고 3차원 전류밀도 이미지의 형성은

불규칙하게 흩어져 있는 상기 전류밀도 정보를 소정 개수의 볼륨격자내에 해당 위치에 채우는 단계; 및

상기 해당 위치에 채워진 전류밀도 정보를 이용하여 상기 볼륨격자의 중간 중간의 빈 틈새 공간을 메꾸는 단계를 포함한다.

이하, 첨부도면을 참조하여 본 발명에 따른 뇌파의 전류밀도 모델의 신호원의 국소화 추정을 위한 데이터 처리방법에 대하여 구체적으로 설명하면 다음과 같다.

도 1 은 본 발명에 따른 뇌파의 전류밀도 모델의 신호원의 국소화 추정을 위한 데이터 처리방법에 개략적인 과정을 도시한 도이다. 도 1 에서 도시된 것처럼, 본 발명에 따른 데이터 처리방법은 인간의 뇌파를 EEG 방법을 이용하여 측정하여 전기신호를 데이터로서 얻는다. 측정한 EEG 데이터(10)는 기본적으로는 LORETA 에 의한 신호원의 국소화 알고리즘을 이용하여 부드러운 전류밀도 분포를 가지도록 재구성된다(20). 상기에서는 데이터로서 EEG 방법에 의하여 얻어지는 전기신호를 사용하였지만 MEG 방법에 의하여 얻어지는 자기신호를 사용할 수도 있다. 즉, 데이터신호로는 전류밀도를 얻을 수 있는 신호면 어떠한 형태의 신호가 가능하다.

LORETA 에 의하여 처리된 정보는 개개인의 뇌의 신호원의 3차원 벡터값(좌표와 세기)을 갖는다. 이러한 벡터값을 이용하여 PET와 같은 형태의 데이터(기능적이미지)를 얻기 위하여 3차원적 볼륨영상으로 변환시킨다(30). 변환되는 과정의 일 예를 도 2 내지 도 4 a 내지 도 4c 에 도시하였다.

LORETA 에 의하여 얻어지는 전류밀도 데이터는 기본적으로 뇌파의 전류신호가 사람의 두피에 소정 간격으로 형성된 전극으로부터 얻어지므로 불규칙적으로 대뇌 피질에 분산되어진 위치 점(노드)에서 계산된 전류밀도 데이터이므로 다소 불규칙한 데이터들로서 도 2 에 도시된 것처럼 랜덤하게 흩어져 있는 형태를 가진다. 그 후에는 이들을 도 3 에 도시된 것처럼 18,000 ~ 20,000 개 정도의 볼륨 격자에 채워서 3차원 전류밀도 이미지를 형성하면 도 4a 내지 도 4c 에 도시된 3차원 디스플레이 되는 형태를 가지게 된다(30). 이와 같이 전류밀도 이미지를 3차원으로 재구성할 때에는 MRI 영상위에 LORETA 에 상응하는 위치로 옮겨서 재구성을 한다. 재구성을 할 때의 기준은 뇌 전기신호를 얻을 때(EEG, MEG를 찍을 때) 각 리드에 좌표를 주는데 이러한 좌표를 기준으로 하여 재구성을 하게 된다.

그 후에는 격자의 중간 중간의 빈 틈새 공간을 메꾸기 위한 필터링작업 중의 하나로서 가우시안 블러링(Gaussian blurring)을 한다. 가우시안 블러링은 신호대 잡음비를 높여주는 효과가 있다.

이와 같이 가우시안 블러링을 수행하여 3차원적 영상으로 변환한 후에는 분산된 전류밀도(distributed current density)의 인텐시티(intensity)를 보정한다. 인텐시티의 보정은 같은 그룹의 피험자일지라도 자극에 따라 뇌의 전체 활성도가 다르게 나타나지만 본 발명에서 의도하는 것은 그룹내의 개인의 활성도(인텐시티로 표현되는 전류밀도를 나타남)의 크고 낮음을 보는 것이 아니라 어느 위치에서 활성이 이루어지는 가를 살펴보고자 하는 것이므로 전체 뇌의 활성도보다는 국소적인 활성도에 관심이 있다. 따라서 전체 활성도를 모든 사람에게 1 로 두고 각 국소영역이 어떻게 그룹에 따라 다른지 상대적 활성도를 관찰한다. 활성도(전류밀도)는 다음과 같은 유형으로 계산된다.

1) 전체 평균전류밀도 계산 : 전체 평균전류밀도는 뇌의 대뇌 피질 전영역에서 계산된 전류밀도의 평균을 구한다. 대뇌 피질 영역의 전류밀도를 구하기 위해 뇌의 회질부분의 마스크(mask)를 사용하여 대뇌 피질에 해당하는 복셀(voxel; 픽셀의 삼차원적 용어)의 전류밀도만을 추출하여 평균화 한다.

2) 상대적 국소 전류밀도 계산

상대적 국소 전류밀도 계산은 크게 두가지 선택을 할 수 있다.

(1) 상대적 전류밀도= 국소 전류밀도(인텐시티)/전체 평균전류밀도(전체 평균인텐시티)

log(상대적 전류밀도) = log(국소 인텐시티) - 평균 log(전체평균인텐시티)

두 파라미터는 사용자에 따라서 신호의 특징에 따라 변경이 가능하다. 이렇게 함으로 통계 분석을 위해서 관심사가 아닌 개인별 전체 활성도의 영향을 제거할 수 있다.

위의 과정을 수식으로 표현 하면 다음과 같습니다

여기서 I(v)는 개인별 각 복셀 ν 에서 계산된 원래의 전류 밀도 인텐시티(활성도== 전류밀도) 인데 여기에 GM (gray matter mask) 회질 마스크를 적용하여 회질 영역의 활성도 I_G(ν)를 계산한다. 회질이 아닌 영역은 모두 0 이 된다. 전체 평균 전류 밀도(I_T)는 이 회질 영역의 인텐시티(I_G(ν))를 활성도의 수(N_G)로 나누어 평균을 구하고, 이렇게 얻어진 평균전류밀도로서 각 활성도I_G(ν)를 나누어 전류밀도를 정규화한다(I_r(ν)).

보정 후에는 전류밀도 볼륨영상을 공간적으로 정규화 한다(50). 전류밀도 볼륨 영상을 공간적으로 정규화 하는 이유는 각 사람간의 뇌에서 각 복셀이 뇌 조직의 동일한 부분을 가리키게 하기 위한 과정으로서 탈라이라하 공간이라고 불리는 표준 MRI영상(템플리트)에 각 뇌를 맞춤으로서 뇌의 해부학적 차이에 따른 통계적 차이를 없애고 단지 뇌의 기능(뇌파의 활성화)에 따른 통계적 차이를 보기 위한 것이다.

이와 같이 공간 정규화는 일반적으로 MRI 영상(60)을 표준 MRI 영상(70)에 맞추는 과정으로 세부적인 적용방법으로는 여러 기법이 있는데 주로 공간 정규화 함수를 계산하여 각 MRI 영상(60)을 표준 MRI 영상(70)으로 변환시킨다. 이때 변환 함수를 설명하는 것이 표준 정규화 파라미터들이다. 이 파라미터들만 있으면 곧 변환함수를 알 수 있고 처음 영상의 각 부분이 어떻게 표준 영상으로 매칭되어 변환되는지를 알 수 있다. 이는 전류밀도자체를 표준 MRI 영상으로 정규화 할 수 없기 때문에 전류밀도영상과 동일한 피험자의 MRI 영상(60)을 먼저 표준 MRI 영상(70)으로 정규화하는 함수를 구한 다음 이 함수를 이용하여 가우시안 필터링(40)을 거친 전류밀도 영상을 표준 MRI 영상으로 정규화 한다(50).

상기의 공간 정규화 과정을 보다 구체적으로 살펴보면, 이 공간 정규화 알고리즘으로는 소오스 뇌 영상에서 표준 MRI 영상(표준 뇌정위 해부학적 모델; 500 명 이상의 정상인의 뇌 이미지를 평균하여 얻어진 표준적인 인간의 뇌라고 간주되는 모델)으로 치환하는 함수를 구할 때 이산여현변환(DCT; Discrete Cosine Transformation)을 기저로 사용하고 그 기저(basis)의 각 계수를 구할 때 두 영상간의 인텐시티 차이가 최소가 되도록 원래의 영상을 변형시킨다. 이때 최적화 과정에서 베이지안 추정을 이용한다. 특히 본 발명에서는 MRI 와 CDR 영상을 쌍으로 가지고 있는데 다음의 식과 같이 전류밀도영상은 해부학적 정보가 약하고 해당되는 표준 MRI 영상이 없으므로 피험자의 MRI 영상(60)을 표준 MRI 영상(70)에 정합시킨 다음에 구해진 비선형 함수(f)를 그대로 CDR 영상에 적용하여 CDR 영상을 표준 MRI 영상으로 정규화 한다.

여기서 i 는 각 대상자를 나타냄. MRIi 와 CDRi 는 동일한 해부학적 형태를 가진다.

그 후에는 통계적인 파라미터 맵핑 등과 같은 통계기법을 이용하여 상기와 과정을 통하여 얻어진 공간 정규화된 전류밀도 영상과 이미 정상인군과 특정 질환을 가지는 환자군들에 의하여 얻어진 표준적인 전류밀도 영상 데이터베이스와의 파라미터들에 대한 맵핑을 통하여 보다 정확한 뇌파의 신호원의 국소화 추정의 정확도를 높일 수 있다. 상기에서 적용되는 통계기법으로는 일반적인 통계의 모수추정 통계기법으로 선형회귀 분석 등과 같은 여러 기법을 적용할 수 있다. 상기와 같은 통계 기법은 본 발명이 의도하는 바는 아니고 적절한 통계기법을 적용하여 사용한다면 상기와 같은 효과를 얻을 수 있기 때문에 그러한 통계 기법에 대하여는 상세한 설명은 생략한다.

상기에서와 같이 종래에는 뇌파에 대한 해석을 단순한 시간축 신호로의 관점에서만 이용하였으나 본 발명에서는 뇌파를 전류밀도모델로 변환하여 이를 3차원 영상으로 구축하였고 이렇게 만들어진 영상들에 대한 통계적인 분석이 가능하도록 하였다.

특히, 자기공명영상에 3차원 전류밀도 이미지를 정합하여 판단할 수 있도록 하여 정확한 신호원의 국소화 추정을 가능하도록 하였다. 또한 각 자기공명영상을 표준영상에 맞출 수 있기 때문에 전류밀도영상도 표준화할 수 있도록 하는 근거를 제공할 수 있는 효과가 있다.

본 발명은 상기의 실시예를 참조하여 특별히 도시되고 기술되었지만, 이는 예시를 위하여 사용된 것이며 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 첨부된 청구범위에서 정의된 것처럼 발명의 정신 및 범위를 벗어남이 없이 다양한 수정을 할 수 있다.

Claims (6)

1. 뇌파의 전류밀도 모델의 신호원의 국소화 추정을 위한 데이터 처리방법에 있어서,

   뇌의 전류신호 정보로부터 신호원의 국소화 추정을 위한 전류밀도 정보에 대한 데이터를 생성하는 단계;

   상기 생성된 전류밀도 정보를 3차원 전류밀도 이미지로 구성하는 단계;

   상기 3차원 전류밀도 이미지를 공간 정규화하는 단계; 및

   상기 정규화된 이미지와 정상인과 비정상인들에 대한 표준 그룹들에 대한 이미지가 구축된 데이터베이스와의 통계적인 파라미터 맵핑에 의하여 뇌파의 신호원의 국소화를 추정하는 단계를 포함하는 것을 특징으로 하는 뇌파의 전류밀도 모델의 신호원의 국소화 추정을 위한 데이터 처리방법.
2. 제 1 항에 있어서,

   상기 3차원 전류밀도 이미지 데이터를 가우시안 필터링을 수행하는 단계를 더 포함하여 신호 대 잡음비를 높이는 것을 특징으로 하는 뇌파의 전류밀도 모델의 신호원의 국소화 추정을 위한 데이터 처리방법.
3. 제 2 항에 있어서,

   상기 가우시안 필터링 후에 분산된 상기 전류밀도의 인텐시티를 보정하는 단계를 더 포함하여 개인별 전체 활성도의 영향을 제거하는 것을 특징으로 하는 뇌파의 전류밀도 모델의 신호원의 국소화 추정을 위한 데이터 처리방법.
4. 제 1 항 내지 제 3 항 중 어느 한 항에 있어서,

   상기 3차원 전류밀도 이미지를 형성하는 단계는

   불규칙하게 흩어져 있는 상기 전류밀도 정보를 소정 개수의 볼륨격자내에 해당 위치에 채우는 단계; 및

   상기 해당 위치에 채워진 전류밀도 정보를 이용하여 상기 볼륨격자의 중간 중간의 빈 틈새 공간을 메꾸는 단계를 포함하는 것을 특징으로 하는 뇌파의 전류밀도 모델의 신호원의 국소화 추정을 위한 데이터 처리방법.
5. 제 4 항에 있어서,

   상기 공간 정규화 단계는

   상기 뇌의 전류신호 정보가 얻어진 데이터에 대한 개별 MRI 영상을 표준 MRI 영상으로 정합하여 얻어지는 비선형 함수에 대한 파라미터들을 검출하는 단계; 및

   상기 검출된 파라미터들을 이용하여 상기 전류밀도 이미지를 상기 표준 MRI 영상으로 공간 정규화하는 단계를 포함하는 것을 특징으로 하는 뇌파의 전류밀도 모델의 신호원의 국소화 추정을 위한 데이터 처리방법.
6. 제 1 항 내지 제 3 항 중 어느 한 항에 따른 데이터 처리방법을 실행시키기위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.