KR101248118B1 - 뇌파의 뇌활성도 및 마취심도 분석장치 및 분석방법 - Google Patents

Abstract

본 발명은 뇌파 신호분석을 통한 뇌활성도 및 마취심도를 측정하는 진단시스템과 진단방법에 관한 것으로서, 복수의 피라미달 세포(pyramidal cell)에서 세포 밖 전류 소스와 싱크에 의하여 발생된 국부 전위(LPCS)에 의한 뇌파 신호를 측정하기 위한 전극, 상기 전극으로부터 측정된 뇌파 신호의 저주파 성분을 제거하기 위한 고역통과 필터, 상기 고역통과 필터를 거친 신호를 시간축으로 세분화하는 에폭 슬라이이딩 윈도우, 상기 에폭에서 소정의 임계값보다 큰 활성상태의 LPCS 발생빈도를 계산하는 계수기 및 임계값보다 큰 LPCS 발생빈도를 에폭의 전체 샘플 포인트수로 나누어 계산하는 마취심도 계산부를 포함하는 것을 특징으로 한다.

Description

뇌파의 뇌활성도 및 마취심도 분석장치 및 분석방법 {Apparatus of analyzing EEG for quantifying the depth of anesthesia and method thereof}

본 발명은 뇌파의 뇌활성도 및 마취심도를 분석하는 장치 및 방법에 관한 것으로, 더욱 상세하게는 복수의 피라미달 세포(pyramidal cell)에서 세포 밖 전류 소스와 싱크에 의하여 발생된 국부 전위(local potential caused by extracellular current sink and source: 이하 'LPCS'라 한다.)의 중첩신호에서 활성상태의 발생빈도를 시간 영역에서 처리하는 뇌활성도 및 마취심도를 측정하는 진단시스템과 진단방법에 관한 것이다.

일반적으로 마취제는 치료지수(therapeutic index: 약물의 치사량 대 유효사용량의 비, 값이 작을수록 위험한 약물)가 3~4로 수백~수천의 값을 가지는 일반 약물에 비교했을 때 매우 위험한 독극물이다. 위험한 약물이라고 해서 유효사용량 이하의 마취제를 사용하게 될 경우, 환자가 충분히 마취되지 않아 수술 중 각성 등의 위험한 상황을 초래할 수 있기 때문에 마취제를 사용할 때는 투여량의 조절이 매우 중요하다. 그러나 개인 및 주변 환경에 따라 적정 마취제의 양은 크게 변하기 때문에 고정된 정량을 투여하는 것이 아니라 환자의 상태를 지속적으로 모니터링 하면서 투여량을 조절해야 한다. 환자의 뇌활성도는 마취된 정도에 따라 크게 바뀌게 되므로, 지속적인 뇌활성도의 감시를 통하여 마취심도를 측정할 수 있다.

뇌파 또는 뇌전도(腦電圖 electroencephalogram: EEG) 신호는 뇌에서 발생하는 전기적 신호를 측정한 것으로 뇌활성도 감시에 매우 유효하다. 마취뿐만 아니라, 일시적 심정지, 뇌사, 사망, 간질 등의 상태에서도 뇌활성도가 크게 변하게 되어 이를 감시하기 위해서 뇌파 분석이 많이 활용되고 있다.

종래의 뇌파 분석방법으로서 스펙트럼 분석방법은 뇌파를 알파, 베타, 델타, 감마의 주파수 대역별로 에너지량을 계산하고 분석함으로써 뇌활성도를 분석한다. 뇌활성도가 감소함에 따라 델타파의 크기가 상대적으로 커지게 된다.

종래의 기술로서 엔트로피 및 복잡도 분석은 뇌파의 엔트로피 및 복잡도를 시간영역 (Shannon entropy, Tsallis entropy, approximate entropy)에서 계산하거나 주파수 영역(spectral entropy, wavelet entropy)에서 계산하여 뇌활성도를 분석한다.

종래의 기술로서 비특허문헌 2의 프랙탈(fractal) 분석방법은 뇌파의 프랙탈(fractal) 성질을 탈경향 변동분석(detrended fluctuation analysis: DFA)를 통해 계산하여 뇌활성도를 분석한다.

EEG 신호를 통한 마취심도 측정 기술은 1990년대부터 개발되어 왔지만, 마취심도와 EEG의 변화 관계에 대한 이론적이고 정량적인 관계분석을 바탕으로 한 것이 아니라, 임상실험을 통해 측정된 데이터베이스를 바탕으로 통계적 분석을 통해 이루어졌다. 때문에 측정된 데이터베이스에서 벗어나는 경우에 대해서는 올바르지 않은 결과값을 나타내는 경우들이 보고되고 있다.

마취심도의 측정은 마취제의 종류나 사람에 따라 종종 오류를 나타내는데, 이의 주요한 원인으로는 마취하는 동안 EEG신호의 변화에 대하여 정량적으로 기술하는 통합된 신호 모델이 없기 때문이다. 즉, EEG신호와 마취심도 간의 고유하고도 정량적인 관계가 전혀 이해되지 않았기 때문에 발생하는 문제점이다.

1. US7231245 B2 (2007. 6. 12.) 2. US7373198 B2 (2008. 5. 13.)

1. J. F. Antognini, E. E. Carstens, and D. E. Raines, Neural Mechanisms of Anesthesia. 2003 Humana Press. 2. M. Jospin et al.,"Detrended Fluctuation Analysis of EEG as a Measure of Depth of Anesthesia," IEEE Trans. Biomed. Eng., vol. 54, pp. 840-846, May 2007. 3. S. Kreuer and W. Wilhelm, "The Narcotrend monitor," Best Practice and Research Clinical Anesthesiology, vol. 20, pp. 111-119, Mar. 2006. 4. B. Bein, "Entropy," Best Practice and Research Clinical Anesthesiology, vol. 20, pp. 101-109, Mar. 2006. 5. T. Zikov et al., "Quantifying cortical activity during general anesthesia using wavelet analysis," IEEE Trans. Biomed. Eng., vol. 53, pp. 617-632, Apr. 2006.

상기와 같은 문제점을 해결하려는 본 발명은 비교적 간단한 알고리즘을 통하여 뇌파의 정확한 분석결과를 얻을 수 있는 뇌활성도 및 마취심도 진단장치와 진단방법을 제공하고자 한다.

상기의 해결하려는 과제를 위한 본 발명에 따른 뇌활성도의 감시를 통하여 마취심도를 분석하는 방법의 기본 개념은, 복수의 피라미달 세포(pyramidal cell)에서 세포 밖 전류 소스와 싱크에 의하여 발생된 국부 전위(LPCS)의 중첩신호에서 활성상태의 발생빈도를 단위시간당 추산하여 뇌활성도를 역추산하는 방법으로서 시간 영역에서 처리하는 것을 특징으로 한다. 전처리(pre-processing)된 EEG 신호를 먼저 고역통과 필터를 통과시켜 저주파 성분을 제거하고 이를 일정길이의 신호로 잘라 에폭(epoch)으로 만든다. 여기서 각 에폭별로 뇌활성도 및 마취심도를 분석하게 되며, 신호의 절대값이 임계값을 넘는 샘플 포인트의 수를 에폭의 전체 샘플 포인트의 수로 나누어 뇌활성도 및 마취심도를 계산한다. 활성상태의 LPCS의 개수를 정확히 계수하여 뇌활성도 및 마취심도를 계산하는 것이 이상적이지만 중첩된 신호에서 분리하여 계수하기가 어려우므로 단위시간당 LPCS의 발생빈도(밀도) 계산한다. 이 값은 0 에서 1사이의 값을 가진다.

본 발명에 따른 뇌활성도를 측정하여 마취심도를 진단장치의 구성은, 복수의 피라미달 세포(pyramidal cell)에서 세포 밖 전류 소스와 싱크에 의하여 발생된 국부 전위(LPCS)에 의한 뇌파(EEG) 신호를 측정하기 위한 전극, 상기 전극으로부터 측정된 뇌파 신호의 저주파 성분을 제거하기 위한 고역통과 필터, 상기 고역통과 필터를 거친 신호를 시간축으로 세분화하는 에폭 슬라이이딩 윈도우(epoch sliding window), 상기 에폭에서 소정의 임계값보다 큰 활성상태의 LPCS 발생빈도를 계수하는 계수기 및 임계값보다 큰 LPCS 발생빈도를 에폭의 전체 샘플 포인트수로 나누어 계산하는 마취심도 계산부를 포함하는 것을 특징으로 한다.

본 발명의 바람직한 실시예로서, 전극으로부터 측정된 뇌파 신호를 전처리하는 전처리부로서 저역통과 필터를 사용하고, 임계값은 동적으로 실시간 계산하는 임계값 계산부에 의해 결정되는 것을 특징으로 하는데, 임계값은 잡음에 의한 오류를 방지하기 위하여 정규화부, 노이즈제거부 및 퓨리에 변환부를 더 포함하여 결정되고, 임계값은 뇌파 에너지값의 고차함수 또는 지수함수를 변경 가능한 주파수 대역의 하한에서 상한까지 적분하여 상수를 곱하여 산출하는 것을 특징으로 한다.

본 발명의 다른 일시예로서, 고역통과 필터를 정합필터로 사용하는 것을 특징으로 한다.

본 발명은 뇌활성도 및 마취심도의 변화에 따른 EEG의 변화 원리에 기인하여 구현된 알고리즘이기 때문에 기본적인 알고리즘의 형태가 매우 단순함에도 불구하고, 기존의 스펙트럼 분석, 웨이브렛(wavelet) 분석 또는 엔트로피 분석 등에 비해 매우 정확하게 값을 계산해준다.

또한, 뇌활성도 및 마취심도에 따른 EEG 신호를 정확하고 간단하게 분석하고 모니터함으로써 마취제의 종류나 사람에 따라 안심하고 마취시술을 할 수 있다.

도 1은 본 발명에 따른 마취심도 분석장치의 블록도이다.
도 2는 본 발명의 일시예에 따른 뇌파 분석방법의 흐름도이다.
도 3은 발명에 따른 EEG 신호 분석방법의 다른 일시예로서 신호 전처리 과정과 임계값 계산 과정을 포함한 알고리즘이다.
도 4는 발명의 또 다른 실시예로서 실시예 1과 실시예 2를 병렬처리하는 분석방법을 보여준다.
도 5는 본 발명에 따른 또 다른 실시예로서 실시예 1에서 고역통과 필터를 사용하는 대신 정합 필터(matched filter)를 사용하는 것을 보여준다.
도 6은 본 발명에 따른 또 다른 실시예로서 실시예 2에서 고역통과 필터를 사용하는 대신 정합 필터(matched filter)를 사용하는 것을 보여준다.

이하, 첨부된 도면들을 참조하여 본 발명의 실시예들에 따른 뇌활성도 및 마취심도 변화에 따른 뇌파(EEG)신호 분석방법에 대하여 상세하게 설명하지만, 본 발명이 하기의 실시예들에 제한되는 것은 아니며, 해당 분야에서 통상의 지식을 가진 자라면 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 본 발명을 다양한 다른 형태로 구현할 수 있을 것이다. 본 발명에서 같은 기능을 하는 구성에 대하여는 동일한 도면부호를 적용하였고 발명을 명확히 하기 위하여 특징적인 부분만 확대도시하고 비본질적인 사항은 생략 도시하였으므로 도면에 한정하여 해석해서는 아니 된다.

EEG 신호를 분석하기 전에 EEG 신호의 발생기구를 살펴보면, EEG의 주요 발생원은 복수의 피라미달 세포(pyramidal cell)에서 세포 밖 전류 소스(source)와 싱크(sink)에 의하여 발생된 국부 전위(LPCS)이다. 이러한 신호들은 피부 표면에서 합해지고 EEG 활성도로 기록된다. 즉, EEG 활성도는 대부분의 피질층에서 기인하는 복수의 소스들의 전기적 활성도의 합이다.

도 1은 본 발명에 따른 EEG 신호를 통한 뇌활성도 및 마취심도 진단장치의 블럭도를 보여주는 것으로서, 복수의 피라미달 세포(pyramidal cell)에서 세포 밖 전류 소스와 싱크에 의하여 발생된 국부 전위(LPCS)에 의한 뇌파(EEG) 신호를 측정하기 위한 전극(10), 상기 전극으로부터 측정된 뇌파 신호의 특정 주파수대역만 통과시키는 필터부(20), 상기 필터부(20)를 거친 신호를 시간축으로 세분화하는 에폭 슬라이이딩 윈도우(epoch sliding window)(30), 상기 에폭에서 소정의 임계값보다 큰 활성상태의 LPCS 발생빈도를 계수하는 계수기(40) 및 임계값보다 큰 LPCS 발생빈도를 에폭의 전체 샘플 포인트수로 나누어 계산하는 마취심도 계산부(50)를 포함하는 것을 특징으로 한다.

상기 필터부(20)에 사용하는 필터는 뇌파 신호에서 필요한 부분만 통과시킬 수 있는 고역통과 필터(high pass filter), 저역통과 필터(low pass filter) 또는 정합 필터(matched filter)를 사용할 수 있고, 측정된 뇌파 신호를 에폭(epoch)의 시간축으로 처리하기 전에 설치하거나 후에 설치할 수 있다.

다음 실시예들은 상기 마취심도 진단장치를 이용한 분석방법들이다.

도 2는 본 발명의 일시예에 따른 뇌파 분석방법의 흐름도이다. 도 2의 EEG 신호 취득단계(S1)는 복수의 피라미달 세포(pyramidal cell)에서 세포 밖 전류 소스와 싱크에 의하여 발생된 국부 전위(local potential caused by extracellular current sink and source: 이하 'LPCS'라 한다.)의 활성상태 및 비활성상태가 중첩되어 측정된 신호이다. 측정된 신호로부터 단위시간당 활성상태 LPCS의 발생빈도를 계산하여 뇌활성도를 역추산한다.

S1 단계에서 취득된 EEG 신호는 여러 가지 잡음과 인위적인 신호들을 제거하기 위하여 전처리(pre-processing)된다. 전처리 기법으로는 평활화(smoothing), 히스토그램 등화(histogram equalization) 및 가우시안 필터링 등 여러 가지 필터링 기법이 사용될 수 있다.

뇌파로부터 얻을 수 있는 정보는 다양한 주파수대역에 존재하지만 일반적으로 0 ~ 60 Hz 사이의 주파수를 사용하여 분석하며 그 이상은 잡음으로 취급한다. 본 발명에서는 고주파대역의 정보를 이용하는데 0 ~ 60 Hz에서 높은 쪽의 주파수 예를 들면, 30 Hz 또는 40Hz 이상의 주파수 대역을 말하는데 정해진 주파수가 아니고 가변적이다.

S2 단계에서는 고역통과 필터(high pass filer)를 사용하여 고주파대역의 정보를 얻기 위하여 불필요한 저주파 대역의 신호를 제거한다.

에폭(epoch) 세분화 단계(S3)에서는 고역통과 필터를 거치 신호를 시간축으로 일정길이의 신호로 잘라(sliding window) 에폭(epoch)으로 만든다. 에폭으로 처리하는 이유는 LPCS 각각을 실질적으로 구분하기는 불가능하기 때문에 이를 시간영역으로 분할하여 평가하기 위한 것이다. 에폭 세분화 단계는 고역통과 단계 이전에 수행할 수도 있다.

계수화 단계(S4)는 에폭에서 임계값 이상의 LPCS의 발생빈도를 계수화하는 단계이다. 여기서 임계값은 고정된 임의의 값을 사용할 수 있고, 좀 더 정확히 계산을 하기 위하여 필터링하지 않은 신호의 주파수 특성으로부터 실시간으로 계산하여 사용할 수 있다. 여기서 LPCS의 발생빈도는 에폭에서 계산되므로 단위시간당 임계값 이상의 LPCS의 발생빈도를 의미한다.

마취심도 계산 단계(S5)는 신호의 절대값이 임계값을 넘는 샘플 포인트의 수(발생빈도)를 에폭의 전체 샘플 포인트의 수로 나눈 값이 된다. 마취심도는 0에서 1사이의 값이 되며 활성상태의 LPCS를 시간당 발생빈도를 의미하므로 낮을수록 마취심도가 크다. 뇌활성도와 마취심도는 역비례 관계에 있으므로 마취심도가 클수록 뇌활성도는 낮다.

도 3은 본 발명에 따른 EEG 신호 분석방법의 다른 일시예로서 신호 전처리 과정과 임계값 계산 과정을 포함한 알고리즘이다.

기본적인 알고리즘은 실시예 1과 같으며, 전처리 단계로서 고주파 잡음을 제거하기 위하여 저주파 대역 통과 단계(S21)을 거친다.

에폭이 등전위(isolectric)일 경우 임계값 이상의 에폭은 극히 작아 잡음이 필연적으로 증폭되어 분석이 잘못될 수 있다. 이러한 오류를 방지하기 위하여 정규화(normalization)와 임계값의 동적 결정방법을 적용할 수 있다. 정규화 단계(S22)는 에너지를 RMS(root-mean square)값으로 나눈다.

동적 임계값(Th) 계산단계(S24)는 주파수 대역의 하한(f1)과 상한(f2)은 변경가능하며 에너지값에 상수(K)를 곱하여 사용할 수 있을 뿐 아니라 수학식 1과 같이 고차함수, 지수함수 등 각종 함수(S(f))의 적분값으로부터 산출할 수 있다.

퓨리에 변환단계(S24)는 에폭 세분화 단계에서 시간축으로 변환하였기 때문에 주파수축 변환을 위하여 사용한다.

도 4는 본 발명의 또 다른 실시예로서 실시예 1과 실시예 2를 병렬처리하는 분석방법을 보여준다.

측정된 EEG 신호는 실시예 1의 방법으로서 고주파대역을 통과한 신호를 에폭으로 세분화 하고 실시예 2의 방법으로 임계값을 계산하여 마취심도를 계산한다.

도 5는 본 발명에 따른 또 다른 실시예로서 실시예 1에서 고역통과 필터를 사용하는 대신 정합 필터(matched filter)를 사용하는 것을 보여준다.

LPCS의 파형을 알 경우 고역통과 필터를 사용하는 것보다 신호 대역만 통과시키는 필터를 사용하면 불필요한 신호를 제거하여 정확한 분석이 가능하다. 정합 필터는 EEG 신호가 단일 스파이크 형태일 때 유용하다.

도 6은 본 발명에 따른 또 다른 실시예로서 실시예 2에서 고역통과 필터를 사용하는 대신 정합 필터(matched filter)를 사용하는 것을 보여준다.

마찬가지로 LPCS의 파형을 알 경우 고역통과 필터를 사용하는 것보다 신호 대역만 통과시키는 정합 필터를 사용하면 정확한 분석을 할 수 있다.

Claims (13)

1. 뇌파를 측정하여 뇌활성도 및 마취심도를 분석하는 방법에 있어서,
   복수의 피라미달 세포(pyramidal cell)에서 세포 밖 전류 소스와 싱크에 의하여 발생된 국부 전위(local potential caused by extracellular current sink and source: LPCS)의 중첩된 뇌파 신호를 전극을 통하여 측정하는 단계;
   측정된 뇌파 신호의 저주파 성분을 제거하기 위해 고역통과 필터를 사용하여 필터링하는 단계;
   필터링된 신호를 시간영역으로 분할하여 평가하기 위하여 에폭(epoch)으로 세분화하는 단계;
   시간영역으로 세분화된 신호에서 소정의 임계값보다 큰 활성상태의 LPCS 발생빈도를 계수하는 단계 및
   상기 임계값보다 큰 활성상태의 LPCS 발생빈도를 에폭의 전체 샘플 포인트수로 나누어 마취심도를 계산하는 단계를 포함하되,
   상기 임계값은 뇌파 에너지값의 고차함수 또는 지수함수를 변경 가능한 주파수 대역의 하한에서 상한까지 적분하고 상수를 곱하여 산출하는 것을 특징으로 하는 마취심도 분석방법
2. 삭제
3. 청구항 3은(는) 설정등록료 납부시 포기되었습니다.

   제1항에 있어서,
   상기 전극으로부터 측정된 뇌파 신호를 전처리하는 단계가 더 포함된 것을 특징으로 하는 마취심도 분석방법
4. 청구항 4은(는) 설정등록료 납부시 포기되었습니다.

   제3항에 있어서,
   전처리는 저역통과 필터를 사용하는 것을 특징으로 하는 마취심도 분석방법
5. 청구항 5은(는) 설정등록료 납부시 포기되었습니다.

   제1항에 있어서,
   상기 임계값은 동적으로 실시간 계산되어 결정되는 것을 특징으로 하는 마취심도 분석방법
6. 청구항 6은(는) 설정등록료 납부시 포기되었습니다.

   제5항에 있어서,
   상기 임계값은 잡음에 의한 오류를 방지하기 위하여 정규화과정, 노이즈 제거과정 및 퓨리에 변환과정을 수행하여 결정되는 것을 특징으로 하는 마취심도 분석방법
7. 삭제
8. 제1항에 있어서,
   뇌파 신호가 단일 스파이크 형태일 때 상기 고역통과 필터를 정합 필터로 사용하는 것을 특징으로 하는 마취심도 분석방법
9. 뇌파를 측정하여 뇌활성도 및 마취심도를 분석하는 장치에 있어서,
   복수의 피라미달 세포(pyramidal cell)에서 세포 밖 전류 소스와 싱크에 의하여 발생된 국부 전위(local potential caused by extracellular current sink and source: LPCS)의 중첩된 뇌파 신호를 측정하기 위한 전극;
   상기 전극으로부터 측정된 뇌파 신호의 분석대역만 통과시키는 필터부;
   상기 필터부를 거친 신호를 시간축으로 세분화하는 에폭 슬라이이딩 윈도우(epoch sliding window);
   시간영역으로 세분화된 에폭에서 소정의 임계값보다 큰 활성상태의 LPCS 발생빈도를 계수하는 계수기 및
   임계값보다 큰 활성상태의 LPCS 발생빈도를 에폭의 전체 샘플 포인트수로 나누어 계산하는 마취심도 계산부를 포함하되,
   상기 임계값은 임의의 값을 사용하거나, 뇌파 에너지값의 고차함수 또는 지수함수를 변경 가능한 주파수 대역의 하한에서 상한까지 적분하고 상수를 곱하여 산출하는 것을 특징으로 하는 마취심도 분석장치
10. 청구항 10은(는) 설정등록료 납부시 포기되었습니다.

    제9항에 있어서,
    상기 필터부는 고역통과 필터, 저역통과 필터, 정합 필터 중 선택된 적어도 하나인 것을 특징으로 하는 마취심도 분석장치
11. 청구항 11은(는) 설정등록료 납부시 포기되었습니다.

    제9항에 있어서,
    상기 전극으로부터 측정된 뇌파 신호를 전처리하는 전처리부가 더 포함되고,
    상기 전처리부는 저역통과 필터인 것을 특징으로 하는 마취심도 분석장치
12. 삭제
13. 삭제

Images