KR101317040B1 - Method and system for classifying functional alternation patterns of default mode network in progression of normal aging to mild cognitive impairment and alzheimer's disease - Google Patents
Method and system for classifying functional alternation patterns of default mode network in progression of normal aging to mild cognitive impairment and alzheimer's disease Download PDFInfo
- Publication number
- KR101317040B1 KR101317040B1 KR1020120096936A KR20120096936A KR101317040B1 KR 101317040 B1 KR101317040 B1 KR 101317040B1 KR 1020120096936 A KR1020120096936 A KR 1020120096936A KR 20120096936 A KR20120096936 A KR 20120096936A KR 101317040 B1 KR101317040 B1 KR 101317040B1
- Authority
- KR
- South Korea
- Prior art keywords
- default mode
- functional
- mode network
- alzheimer
- mild cognitive
- Prior art date
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
Abstract
Description
본 발명의 실시예들은 정상인, 경도인지장애 환자 및 알츠하이머 환자의 디폴트 모드 네트워크를 분석함으로써 치매가 진행되면서 나타나는 디폴트 모드 네트워크의 변화 패턴을 구분하는 방법 및 시스템에 관한 것이다.Embodiments of the present invention are directed to a method and system for distinguishing pattern of change in default mode network as dementia progresses by analyzing the default mode network of normal, mild cognitive impairment patients and Alzheimer's patients.
경도인지장애(MCI: Mild Cognitive Impairment), 알츠하이머(AD: Alzheimer’s disease) 등과 같은 신경학적인 질병들은 뇌의 구조적인 변화를 가져온다. 이에 따라 이러한 신경학적인 질병들을 진단하기 위한 다양한 방법들이 연구되었다.Neurological diseases, such as Mild Cognitive Impairment (MCI) and Alzheimer's disease (AD), lead to structural changes in the brain. Accordingly, various methods for diagnosing these neurological diseases have been studied.
이러한 방법 중 하나로, 한국공개특허공보 제10-2011-0045618호(공개일 2011년 05월 04일) "자기공명분광법을 이용한 뇌 대사물질의 양적 측정에 의한 파킨슨 질환의 진단 방법"에는 자기공명영상장비에서 파킨슨 질환 동물모델 및 정상 동물모델의 뇌조직 부위를 각각 자기공명분광 측정하여 스펙트럼을 얻은 후 상기 스펙트럼과 정상 동물모델의 스펙트럼을 비교하여 뇌조직에서 뇌대사 물질인 글루탐산염 복합체/크레아틴의 수치를 측정 및 비교함으로써 파킨슨 질환을 진단하는 것이 개시되어 있다.As one of these methods, Korean Patent Publication No. 10-2011-0045618 (published May 04, 2011) includes a magnetic resonance imaging method for diagnosing Parkinson's disease by quantitative measurement of brain metabolites using magnetic resonance spectroscopy. MR spectroscopy of brain tissues of Parkinson's disease animal model and normal animal model was performed by magnetic resonance spectroscopy, and the spectra of glutamate complex / creatine as brain metabolites in brain tissue were compared. Diagnosing Parkinson's disease is disclosed by measuring and comparing.
그러나, 최근 경도인지장애와 알츠하이머 등과 같은 치매 질병 군이 디폴트 네트워크 모드(DMN: Default Mode Network)의 이상과 관련이 있다는 연구가 보고되었다. 디폴트 모드 네트워크는 뇌가 휴지 상태(resting state)일 때 활성화되는 네트워크이다.However, recent studies have reported that dementia disease groups such as mild cognitive impairment and Alzheimer's disease are associated with abnormalities of Default Mode Network (DMN). The default mode network is a network that is activated when the brain is in a resting state.
디폴트 모드 네트워크에 대한 연구들에서는 경도인지장애 환자와 알츠하이머 환자의 디폴트 모드 네트워크가 정상인과 비교 시 기능적 연결성이 줄어든다고 보고해왔다. 그러나, 몇몇 연구들에서는 이러한 치매 질병 군에서 디폴트 모드 네트워크의 기능적 연결성이 증가했다는 결과가 나타났다. 이러한 결과들을 보면 치매 질병 군에서 기능적 장애와 보상이 둘 다 존재하는 것이라 할 수 있다.Studies on the default mode network have reported that the default mode network of mild cognitive impairment patients and Alzheimer's patients has reduced functional connectivity when compared to normal individuals. However, some studies have shown increased functional connectivity of default mode networks in this group of dementia diseases. These results suggest that both functional impairment and compensation exist in the dementia disease group.
따라서, 치매의 진행 과정에서 디폴트 네트워크 모드의 기능적 변화가 나타나는 영역을 정확하게 정의하고, 치매의 진행에 따른 기능적 연결성의 변화 패턴을 구분할 수 있는 방법이 요구되고 있다.Therefore, there is a need for a method for accurately defining an area in which a functional change of the default network mode appears in the course of dementia and distinguishing a pattern of change in functional connectivity according to the progression of dementia.
치매의 진행 과정에서 디폴트 네트워크 모드의 기능적 변화가 나타나는 영역을 정확하게 정의할 수 있는 정상인에서 경도인지장애, 알츠하이머 환자로의 진행에 따른 디폴트 모드 네트워크의 기능적 변화 패턴 구분 방법 및 시스템이 제공된다.A method and system for distinguishing functional change patterns of a default mode network according to progression from a normal person to mild cognitive impairment and Alzheimer's disease, which can accurately define an area where functional change of the default network mode appears in the course of dementia, is provided.
치매의 진행에 따른 기능적 연결성의 변화 패턴을 구분할 수 있는 정상인에서 경도인지장애, 알츠하이머 환자로의 진행에 따른 디폴트 모드 네트워크의 기능적 변화 패턴 구분 방법 및 시스템이 제공된다.A method and system for distinguishing functional change patterns of a default mode network according to progression from mild to cognitive impairment and Alzheimer's disease is provided.
디폴트 모드 네트워크(Default Mode Network)의 기능적 변화 패턴을 구분하는 방법은 정상인, 경도인지장애 환자 및 알츠하이머 환자 각각의 디폴트 모드 네트워크 간에 기 설정된 값 이상 차이가 있는 영역을 추출하는 단계, 상기 추출한 영역에서 디폴트 모드 네트워크의 기능적 연결성 정보를 추출하는 단계 및 상기 추출한 기능적 연결성 정보와 치매 정도를 나타내는 치매선별 정보 간의 관련성을 분석하여 치매의 진행에 따른 디폴트 모드 네트워크의 기능적 변화 패턴을 구분하는 단계를 포함할 수 있다.The method of distinguishing the functional change pattern of the default mode network may include extracting an area having a difference greater than or equal to a preset value between default mode networks of a normal, mild cognitive impaired patient and an Alzheimer's patient, wherein the default value is extracted from the extracted area. The method may include extracting functional connectivity information of a mode network and analyzing a relationship between the extracted functional connectivity information and dementia information indicating a degree of dementia to distinguish functional change patterns of the default mode network according to the progression of dementia. .
일측에 따르면, 상기 정상인, 경도인지장애 환자 및 알츠하이머 환자 각각에 대한 휴지 상태의 자기공명영상을 획득하는 단계 및 상기 자기공명영상을 기초로 독립 성분 분석을 수행하여 상기 정상인, 경도인지장애 환자 및 알츠하이머 환자 각각의 디폴트 모드 네트워크를 추출하는 단계를 더 포함할 수 있다.According to one side, obtaining a magnetic resonance image of the resting state for each of the normal, mild cognitive impairment patients and Alzheimer's patients and independent component analysis based on the magnetic resonance image to perform the normal, mild cognitive impairment patients and Alzheimer's The method may further include extracting a default mode network of each patient.
다른 측면에 따르면, 상기 디폴트 모드 네트워크를 추출하는 단계는 상기 자기공명영상을 기초로 상기 정상인, 경도인지장애 환자 및 알츠하이머 환자 각각의 기능적 영상과 구조적 영상을 생성하는 단계 및 상기 생성한 기능적 영상을 전처리한 후 독립 성분 분석을 수행하여 상기 정상인, 경도인지장애 환자 및 알츠하이머 환자 각각의 디폴트 모드 네트워크를 추출하는 단계를 포함하고, 상기 기 설정된 값 이상 차이가 있는 영역을 추출하는 단계는 상기 추출한 각각의 디폴트 모드 네트워크와 상기 구조적 영상을 기초로 상기 정상인, 경도인지장애 환자 및 알츠하이머 환자 각각의 디폴트 모드 네트워크 간에 기 설정된 값 이상 차이가 있는 영역을 추출하는 단계일 수 있다.According to another aspect, the extracting of the default mode network may include generating functional images and structural images of the normal, mild cognitive impairment patients and Alzheimer's patients based on the magnetic resonance images, and preprocessing the generated functional images. And performing independent component analysis to extract a default mode network of each of the normal, mild cognitive impairment patients, and the Alzheimer's patients, and extracting a region having a difference greater than or equal to the predetermined value. The method may include extracting a region having a difference greater than or equal to a predetermined value between the normal mode network of each of the normal, mild cognitive impaired patient and the Alzheimer's patient based on the mode network and the structural image.
또 다른 측면에 따르면, 상기 기능적 영상은 EPI(Echo Planar Image)이고, 상기 구조적 영상은 T1 강조 영상(T1-weighted Image)일 수 있다.According to another aspect, the functional image may be an echo planar image (EPI), and the structural image may be a T1-weighted image.
또 다른 측면에 따르면, 상기 기 설정된 값 이상 차이가 있는 영역을 추출하는 단계는 상기 정상인, 경도인지장애 환자 및 알츠하이머 환자 각각의 디폴트 모드 네트워크를 기초로 공분산 분석을 수행함으로써 상기 각각의 디폴트 모드 네트워크 간에 기 설정된 값 이상 차이가 있는 영역을 추출하는 단계일 수 있다.According to another aspect, the step of extracting a region having a difference greater than or equal to a predetermined value may be performed between the respective default mode networks by performing covariance analysis based on the default mode networks of the normal, mild cognitive impairment patients and the Alzheimer's patients. It may be a step of extracting a region having a difference more than a preset value.
또 다른 측면에 따르면, 상기 기능적 연결성 정보를 추출하는 단계는 오른쪽 마루소엽(Inferior Parietal Lobule), 왼쪽 후측 대상회(Posterior Cingulate Cortex), 왼쪽 내측두이랑(Middle Temporal Gyrus) 및 왼쪽 내측전두이랑(Medial Frontal Gyrus) 부분에서 상기 디폴트 모드 네트워크의 기능적 연결성 정보를 추출하는 단계일 수 있다.According to another aspect, the extracting of the functional connectivity information may include the right parietal lobule, the left posterior cingulate cortex, the middle temporal gyrus, and the left medial frontal gyrus. Frontal Gyrus) may be the step of extracting functional connectivity information of the default mode network.
또 다른 측면에 따르면, 상기 치매선별 정보는 MMSE(Mini Mental Status Examination)일 수 있다.According to another aspect, the dementia selection information may be Mini Mental Status Examination (MMSE).
또 다른 측면에 따르면, 상기 디폴트 모드 네트워크의 기능적 변화 패턴은 치매 진단에 사용될 수 있다.According to another aspect, the functional change pattern of the default mode network may be used for diagnosing dementia.
디폴트 모드 네트워크의 기능적 변화 패턴 구분 시스템은 정상인, 경도인지장애 환자 및 알츠하이머 환자 각각의 디폴트 모드 네트워크(Default Mode Network) 간에 기 설정된 값 이상 차이가 있는 영역을 추출하는 영역 추출부, 상기 추출한 영역에서 디폴트 모드 네트워크의 기능적 연결성 정보를 추출하는 기능적 연결성 정보 추출부 및 상기 추출한 기능적 연결성 정보와 치매 정도를 나타내는 치매선별 정보 간의 관련성을 분석하여 치매의 진행에 따른 디폴트 모드 네트워크의 기능적 변화 패턴을 구분하는 기능적 변화 패턴 구분부를 포함할 수 있다.The functional change pattern classification system of the default mode network includes an area extractor which extracts an area having a difference greater than or equal to a predetermined value between the default mode network of normal, mild cognitive impairment patients and Alzheimer's patients, and the default value is extracted from the extracted area. A functional change information extracting unit for extracting functional connectivity information of a mode network and a functional change classifying a functional change pattern of a default mode network according to the progression of dementia by analyzing the relationship between the extracted functional connectivity information and dementia information indicating a degree of dementia. It may include a pattern separator.
공분산 분석을 통해 정상인, 경도인지장애 환자 및 알츠하이머 환자 각각의 디폴트 모드 네트워크 간에 기 설정된 값 이상 차이가 있는 영역을 추출함으로써 치매의 진행 과정에서 디폴트 네트워크 모드의 기능적 변화가 나타나는 영역을 정확하게 정의할 수 있다.Covariance analysis can accurately define the areas where functional changes in the default network mode appear during the course of dementia by extracting areas that differ by more than a preset value between the default mode networks of normal, mild cognitive impairment patients, and Alzheimer's patients. .
정상인, 경도인지장애 환자 및 알츠하이머 환자 각각의 디폴트 모드 네트워크 간에 차이가 있는 영역에서 기능적 연결성 정보를 추출하고 이와 치매선별 정보 간의 관련성을 분석함으로써 치매의 진행에 따른 디폴트 모드 네트워크의 기능적 연결성의 변화 패턴을 정확하게 구분할 수 있기 때문에 치매가 진행 중인 환자를 조기 진단할 수 있다.By extracting functional connectivity information and analyzing the association between dementia information in the areas of differences between the default mode networks of normal, mild cognitive impairment patients and Alzheimer's patients, the pattern of functional connectivity changes in the default mode network according to the progression of dementia Because of the precise classification, early diagnosis can be made for patients with dementia.
도 1은 본 발명의 일실시예에 있어서, 디폴트 모드 네트워크의 기능적 변화 패턴을 구분하는 방법을 나타내는 흐름도이다.
도 2는 본 발명의 일실시예에 있어서, 독립 성분 분석을 통해 추출한 디폴트 모드 네트워크의 그룹간 단일표본에 대한 검증 결과를 나타내는 도면이다.
도 3은 본 발명의 일실시예에 있어서, 공분산 분석을 통해 추출한 그룹간 차이가 있는 영역을 나타내는 도면이다.
도 4는 본 발명의 일실시예에 있어서, 디폴트 모드 네트워크를 분석하는 과정을 나타내는 도면이다.
도 5는 본 발명의 일실시예에 있어서, 오른쪽 마루소엽 부분에서 추출한 기능적 연결 정보를 나타내는 그래프이다.
도 6은 본 발명의 일실시예에 있어서, 왼쪽 후측 대상회 부분에서 추출한 기능적 연결 정보를 나타내는 그래프이다.
도 7은 본 발명의 일실시예에 있어서, 왼쪽 내측두이랑 부분에서 추출한 기능적 연결 정보를 나타내는 그래프이다.
도 8은 본 발명의 일실시예에 있어서, 왼쪽 내측전두이랑 부분에서 추출한 기능적 연결 정보를 나타내는 그래프이다.
도 9는 본 발명의 일실시예에 있어서, 오른쪽 마루소엽 부분에서의 기능적 연결 정보와 치매선별 점수의 상관관계를 나타내는 그래프이다.
도 10은 본 발명의 일실시예에 있어서, 왼쪽 후측 대상회 부분에서의 기능적 연결 정보와 치매선별 점수의 상관관계를 나타내는 그래프이다.
도 11은 본 발명의 일실시예에 있어서, 왼쪽 내측두이랑 부분에서의 기능적 연결 정보와 치매선별 점수의 상관관계를 나타내는 그래프이다.
도 12는 본 발명의 일실시예에 있어서, 왼쪽 내측전두이랑 부분에서의 기능적 연결 정보와 치매선별 점수의 상관관계를 나타내는 그래프이다.
도 13은 본 발명의 일실시예에 있어서, 디폴트 모드 네트워크의 기능적 변화 패턴 구분 시스템을 나타내는 블록도이다.1 is a flowchart illustrating a method of distinguishing a functional change pattern of a default mode network according to an embodiment of the present invention.
2 is a diagram illustrating a verification result for a single sample between groups of a default mode network extracted through independent component analysis according to an embodiment of the present invention.
3 is a diagram illustrating a region having a difference between groups extracted through covariance analysis according to an embodiment of the present invention.
4 is a diagram illustrating a process of analyzing a default mode network according to one embodiment of the present invention.
FIG. 5 is a graph showing functional connection information extracted from the right parietal lobe part in one embodiment of the present invention. FIG.
FIG. 6 is a graph illustrating functional connection information extracted from a left rear target society part according to an embodiment of the present invention.
7 is a graph showing functional connection information extracted from the left medial cranial region in one embodiment of the present invention.
8 is a graph showing functional connection information extracted from the left medial frontal ridge in one embodiment of the present invention.
FIG. 9 is a graph illustrating a correlation between functional connection information and a score for each dementia line in the right parietal lobe part according to one embodiment of the present invention.
FIG. 10 is a graph illustrating a correlation between functional connection information and a score for each dementia line in the left posterior segment.
FIG. 11 is a graph illustrating a correlation between functional connection information and a score for each dementia line in the left medial temporal region in an embodiment of the present invention.
FIG. 12 is a graph illustrating the correlation between functional connection information and scores for dementia in the left medial frontal gyrus in an embodiment of the present invention.
13 is a block diagram illustrating a functional change pattern classification system of a default mode network according to an embodiment of the present invention.
이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings.
도 1은 본 발명의 일실시예에 있어서, 디폴트 모드 네트워크의 기능적 변화 패턴을 구분하는 방법을 나타내는 흐름도이다.1 is a flowchart illustrating a method of distinguishing a functional change pattern of a default mode network according to an embodiment of the present invention.
경도인지장애(MCI: Mild Cognitive Impairment) 환자가 정상인과 알츠하이머(AD: Alzheimer’s disease) 환자의 중간 단계인 것으로 알려져 있으므로, 치매 증상의 진행 상황을 보기 위해서는 정상인 그룹, 경도인지장애 환자 그룹 및 알츠하이머 환자 그룹 간의 비교가 필요하다.Mild Cognitive Impairment (MCI) patients are known to be at an intermediate stage between normal and Alzheimer's disease (AD) patients, so the progression of dementia symptoms is normal, mild, and Alzheimer's patients. A comparison is needed.
따라서, 본 발명에 따른 디폴트 모드 네트워크의 기능적 변화 패턴 구분 시스템은 먼저, 정상인 그룹, 경도인지장애 환자 그룹 및 알츠하이머 환자 그룹 각각에 대한 휴지 상태의 자기공명영상(MRI: Magnetic Resonance Image)을 획득한다(110). 자기공명영상이 획득되면, 디폴트 모드 네트워크의 기능적 변화 패턴 구분 시스템은 획득한 자기공명영상을 기초로 독립 성분 분석(ICA: Independent Component Analysis)을 수행하여 정상인 그룹, 경도인지장애 환자 그룹 및 알츠하이머 환자 그룹 각각의 디폴트 모드 네트워크(DMN: Default Mode Network)를 추출한다(120). 그리고, 정상인 그룹, 경도인지장애 환자 그룹 및 알츠하이머 환자 그룹 각각의 디폴트 모드 네트워크 간에 기 설정된 값 이상 차이가 있는 유의미한 영역을 추출한다(130).Accordingly, the functional change pattern classification system of the default mode network according to the present invention first obtains a magnetic resonance image (MRI) of the resting state for each of the normal group, the mild cognitive impairment patient group and the Alzheimer's patient group ( 110). When magnetic resonance imaging is obtained, the functional change pattern classification system of the default mode network performs an independent component analysis (ICA) based on the acquired magnetic resonance imaging to perform normal group, mild cognitive impairment group and Alzheimer's patient group. Each Default Mode Network (DMN) is extracted (120). In operation 130, a significant region having a difference greater than or equal to a predetermined value is extracted between the default mode networks of the normal group, the mild cognitive impairment patient group, and the Alzheimer's patient group.
이 때, 디폴트 모드 네트워크의 기능적 변화 패턴 구분 시스템은 일 예로 상기 자기공명영상을 기초로 정상인 그룹, 경도인지장애 환자 그룹 및 알츠하이머 환자 그룹 각각의 기능적 영상과 구조적 영상을 생성하고, 생성한 기능적 영상을 전처리한 후 독립 성분 분석을 수행하여 정상인 그룹, 경도인지장애 환자 그룹 및 알츠하이머 환자 그룹 각각의 디폴트 모드 네트워크를 추출할 수 있다. 이 경우, 디폴트 모드 네트워크의 기능적 변화 패턴 구분 시스템은 정상인 그룹, 경도인지장애 환자 그룹 및 알츠하이머 환자 그룹의 자기공명영상으로부터 추출한 각각의 디폴트 모드 네트워크와 구조적 영상을 기초로 공분산 분석(ANCOVA: Analysis of Covariance)을 수행하여 각 그룹의 디폴트 모드 네트워크 간에 기 설정된 값 이상 차이가 있는 유의미한 영역을 추출할 수 있다. 여기서, 상기 기능적 영상은 EPI(Echo Planar Image)일 수 있고, 상기 구조적 영상은 T1 강조 영상(T1-weighted Image)일 수 있다.At this time, the functional change pattern classification system of the default mode network generates functional images and structural images of the normal group, the mild cognitive impaired patient group, and the Alzheimer's patient group based on the magnetic resonance images. After pretreatment, independent component analysis can be performed to extract the default mode network of each of the normal group, the mild cognitive impairment patient group and the Alzheimer's patient group. In this case, the functional change pattern classification system of the default mode network is based on the covariance analysis (ANCOVA) based on the respective default mode networks and structural images extracted from magnetic resonance images of the normal group, the mild cognitive impaired patient group and the Alzheimer's patient group. ), You can extract a significant region that differs by more than the preset value between the default mode networks of each group. Here, the functional image may be an EPI (Echo Planar Image), and the structural image may be a T1-weighted image.
이 때, 각 그룹의 디폴트 모드 네트워크 간에 기 설정된 값 이상 차이가 있는 영역은 오른쪽 마루소엽(Inferior Parietal Lobule), 왼쪽 후측 대상회(Posterior Cingulate Cortex), 왼쪽 내측두이랑(Middle Temporal Gyrus) 및 왼쪽 내측전두이랑(Medial Frontal Gyrus) 부분을 포함할 수 있다. 따라서, 디폴트 모드 네트워크의 기능적 변화 패턴 구분 시스템은 추출한 영역 즉, 오른쪽 마루소엽, 왼쪽 후측 대상회, 왼쪽 내측두이랑 및 왼쪽 내측전두이랑 부분 각각에서 디폴트 모드 네트워크의 기능적 연결성 정보를 추출하고 각 그룹간 사후 검정을 수행한다(140).At this time, the area that differs by more than the preset value between the default mode networks of each group is the right parietal lobule, the left posterior cortex, the middle temporal gyrus, and the left medial. It may include the Medial Frontal Gyrus. Therefore, the functional change pattern classification system of the default mode network extracts the functional connectivity information of the default mode network from each of the extracted regions, namely, right parietal lobe, left posterior segment, left medial gyrus, and left medial frontal gyrus. Post test is performed (140).
이후, 디폴트 모드 네트워크의 기능적 변화 패턴 구분 시스템은 상기 추출한 기능적 연결성 정보와 치매 정도를 나타내는 치매선별 정보 간의 관련성을 분석하여 치매의 진행에 따른 디폴트 모드 네트워크의 기능적 변화 패턴을 구분한다(150). 이 때, 상기 치매선별 정보는 일 예로 MMSE(Mini Mental Status Examination)일 수 있다.Subsequently, the functional change pattern classification system of the default mode network analyzes the relation between the extracted functional connectivity information and the dementia information indicating the degree of dementia and classifies the functional change pattern of the default mode network according to the progress of dementia (150). In this case, the dementia selection information may be, for example, Mini Mental Status Examination (MMSE).
이와 같은 과정을 통해 구분된 디폴트 모드 네트워크의 기능적 변화 패턴은 이후, 치매 진단, 치매 정도 확인 등에 사용될 수 있다.
The functional change pattern of the default mode network divided by the above process can be used later for diagnosis of dementia and the degree of dementia.
도 2는 본 발명의 일실시예에 있어서, 독립 성분 분석을 통해 추출한 디폴트 모드 네트워크의 그룹간 단일표본에 대한 검증 결과를 나타내는 도면이다.2 is a diagram illustrating a verification result for a single sample between groups of a default mode network extracted through independent component analysis according to an embodiment of the present invention.
도 2는 정상인, 경도인지장애 환자 및 알츠하이머 환자의 자기공명영상으로부터 독립 성분 분석을 통해 추출한 디폴트 모드 네트워크의 그룹간 단일표본 t-검증 결과로, 2(a)는 정상인, 2(b)는 경도인지장애 환자, 2(c)는 알츠하이머 환자를 각각 나타낸다. 도 2를 참조하면, 정상인에서 경도인지장애 환자, 알츠하이머 환자로 갈수록 대부분의 영역의 강도가 줄어드는 것을 알 수 있다. 특히 측두엽 부근과 해마(Hippocampus) 영역에서 강도가 점차 줄어드는 것을 알 수 있다.
FIG. 2 shows the results of a single-sample t-test between the groups of the default mode network extracted by independent component analysis from MR images of normal, mild cognitive impairment patients and Alzheimer's patients, where 2 (a) is normal and 2 (b) is mild. Cognitive impairment patients, 2 (c), represent Alzheimer's patients, respectively. Referring to FIG. 2, it can be seen that the intensity of most areas decreases from the normal person to the mild cognitive impairment patient and the Alzheimer's patient. In particular, the intensity gradually decreases in the vicinity of the temporal lobe and hippocampus.
도 3은 본 발명의 일실시예에 있어서, 공분산 분석을 통해 추출한 그룹간 차이가 있는 영역을 나타내는 도면이다.3 is a diagram illustrating a region having a difference between groups extracted through covariance analysis according to an embodiment of the present invention.
본 발명에 따른 디폴트 모드 네트워크의 기능적 변화 패턴 구분 시스템은 정상인 그룹, 경도인지장애 환자 그룹 및 알츠하이머 환자 그룹의 디폴트 모드 네트워크를 기초로 다음의 수학식 1을 이용하여 공분산 분석을 수행함으로써 도 3에 도시된 것과 같이 정상인 그룹, 경도인지장애 환자 그룹 및 알츠하이머 환자 그룹 간에 차이가 있는 영역을 추출할 수 있다.
The functional change pattern classification system of the default mode network according to the present invention is shown in FIG. 3 by performing covariance
도 3에서 왼쪽 부분은 오른쪽 뇌를 나타낸다. 총 4개의 영역(오른쪽 마루소엽 부분, 왼쪽 후측 대상회 부분, 왼쪽 내측전두이랑 부분, 왼쪽 내측두이랑 부분)이 유의미하게 나타남을 알 수 있다.
3, the left part represents the right brain. A total of four regions (right parietal lobe part, left posterior segmental part, left medial frontal gyrus and left medial pharyngeal part) were found to be significant.
도 4는 본 발명의 일실시예에 있어서, 디폴트 모드 네트워크를 분석하는 과정을 나타내는 도면이다. 이하, 도 4를 참조하여 자기공명영상으로부터 정상인, 경도인지장애 환자 및 알츠하이머 환자의 디폴트 모드 네트워크를 추출하고, 추출한 각각의 디폴트 모드 네트워크에 대한 통계 분석을 수행하는 과정을 보다 상세히 설명한다.4 is a diagram illustrating a process of analyzing a default mode network according to one embodiment of the present invention. Hereinafter, a process of extracting a default mode network of a normal, mild cognitive impairment patient and an Alzheimer's patient from a magnetic resonance image, and performing a statistical analysis on each extracted default mode network will be described in more detail.
일 예로, 본 발명에 따른 디폴트 모드 네트워크의 기능적 변화 패턴 구분 시스템은 정상인, 경도인지장애 환자 및 알츠하이머 환자의 자기공명영상에서 정상인 그룹, 경도인지장애 환자 그룹 및 알츠하이머 환자 그룹 각각의 기능적 영상(EPI data)과 구조적 영상(T1-weighted Image)을 생성할 수 있다.For example, the functional change pattern classification system of the default mode network according to the present invention is a functional image (EPI data) of the normal group, mild cognitive impairment patient group and Alzheimer patient group, respectively, in magnetic resonance imaging of normal, mild cognitive impairment patients and Alzheimer's patients ) And a structured image (T1-weighted image).
이 경우, 디폴트 모드 네트워크의 기능적 변화 패턴 구분 시스템은 영상 분석 시 노이즈 제거를 위해 기능적 영상(EPI data)을 전처리(3 volumes removed, time and motion correction, skull-stripping, high-pass filtering, spatial smoothing 등)하고 독립 성분 분석(ICA)을 수행한 후, 정상인 그룹, 경도인지장애 환자 그룹 및 알츠하이머 환자 그룹 각각의 디폴트 모드 네트워크를 선별(selection of DMN)할 수 있다. 그리고, 이와 같은 과정을 통해 선별한 디폴트 모드 네트워크와 구조적 영상(T1-weighted Image)을 기초로 공분산 분석(ANCOVA: Analysis of Covariance)을 수행하여 각 그룹의 디폴트 모드 네트워크 간에 기 설정된 값 이상 차이가 있는 영역을 추출할 수 있다.
In this case, the functional change pattern classification system of the default mode network preprocesses the functional image (EPI data) to remove noise during image analysis (3 volumes removed, time and motion correction, skull-stripping, high-pass filtering, spatial smoothing, etc.). After independent component analysis (ICA), a default mode network of each of the normal group, the mild cognitive impairment patient group, and the Alzheimer's patient group can be selected. In addition, by performing an analysis of covariance (ANCOVA) based on the default mode network and the T1-weighted image selected through the above process, there is a difference over the preset value between the default mode networks of each group. The area can be extracted.
도 5는 본 발명의 일실시예에 있어서 오른쪽 마루소엽 부분에서 추출한 기능적 연결 정보를 나타내는 그래프이고, 도 6은 본 발명의 일실시예에 있어서 왼쪽 후측 대상회 부분에서 추출한 기능적 연결 정보를 나타내는 그래프이다.FIG. 5 is a graph showing functional connection information extracted from a right parietal lobe part in one embodiment of the present invention, and FIG. 6 is a graph showing functional connection information extracted from a left rear subcutaneous part in an embodiment of the present invention. .
도 5에는 정상인 그룹(Healthy subject), 경도인지장애 환자 그룹(MCI) 및 알츠하이머 환자 그룹(AD)의 디폴트 모드 네트워크 중 오른쪽 마루소엽(IPL) 부분에서 추출한 기능적 연결 정보가 도시되어 있다. 도 5를 참조하면, 정상인과 경도인지장애 환자 및 정상인과 알츠하이머 환자 간의 기능적 연결성에서 유의미한 차이가 나타남을 알 수 있다.FIG. 5 shows functional connection information extracted from the right parietal lobe (IPL) portion of the default mode network of a healthy subject, a mild cognitive impairment patient group (MCI), and an Alzheimer's patient group (AD). Referring to FIG. 5, it can be seen that there is a significant difference in functional connectivity between normal people and mild cognitive impairment patients and normal people and Alzheimer's patients.
도 6에는 정상인 그룹(Healthy subject), 경도인지장애 환자 그룹(MCI) 및 알츠하이머 환자 그룹(AD)의 디폴트 모드 네트워크 중 왼쪽 후측 대상회(PCC) 부분에서 추출한 기능적 연결 정보가 도시되어 있다. 도 6을 참조하면, 도 5에서와 마찬가지로 정상인과 경도인지장애 환자 및 정상인과 알츠하이머 환자 간의 기능적 연결성에서 유의미한 차이가 나타남을 알 수 있다.
FIG. 6 shows functional connection information extracted from the left posterior subject society (PCC) portion of the default mode network of the healthy subject, the mild cognitive impairment group (MCI) and the Alzheimer's patient group (AD). Referring to FIG. 6, as in FIG. 5, it can be seen that there is a significant difference in functional connectivity between a normal person and a mild cognitive impairment patient and a normal person and an Alzheimer's patient.
도 7은 본 발명의 일실시예에 있어서 왼쪽 내측두이랑 부분에서 추출한 기능적 연결 정보를 나타내는 그래프이고, 도 8은 본 발명의 일실시예에 있어서 왼쪽 내측전두이랑 부분에서 추출한 기능적 연결 정보를 나타내는 그래프이다.FIG. 7 is a graph showing functional connection information extracted from the left medial temporal region in one embodiment of the present invention, and FIG. 8 is a graph showing functional connection information extracted from the left medial frontal region in one embodiment of the present invention. to be.
도 7에는 정상인 그룹(Healthy subject), 경도인지장애 환자 그룹(MCI) 및 알츠하이머 환자 그룹(AD)의 디폴트 모드 네트워크 중 왼쪽 내측두이랑(MTG) 부분에서 추출한 기능적 연결 정보가 도시되어 있다. 이 영역에서는 세 그룹 간에도 기능적 연결성에 서로 차이가 나타남을 알 수 있다. 정상인에서 경도인지장애 환자, 알츠하이머 환자로 갈수록 이 영역에서 기능적 연결성이 유의미하게 감소함이 나타난다. 따라서, 이러한 영역의 기능적 연결 정도가 정상인과 알츠하이머 병의 중간단계라고 알려진 경도인지장애를 잘 반영하는 기능적 영역임을 알 수 있다.FIG. 7 shows functional connection information extracted from the left medial temporal gyrus (MTG) portion of a default mode network of a healthy subject, a mild cognitive impairment patient group (MCI), and an Alzheimer's patient group (AD). In this area, there is a difference in functional connectivity between the three groups. There is a significant decrease in functional connectivity in this area from normal subjects to mild cognitive impairment and Alzheimer's patients. Therefore, it can be seen that the degree of functional linkage in this region is a functional region that reflects mild cognitive impairment, which is known as an intermediate stage between a normal person and Alzheimer's disease.
도 8에는 정상인 그룹(Healthy subject), 경도인지장애 환자 그룹(MCI) 및 알츠하이머 환자 그룹(AD)의 디폴트 모드 네트워크 중 왼쪽 내측전두이랑(MFG) 부분에서 추출한 기능적 연결 정보가 도시되어 있다. 도 5의 오른쪽 마루소엽(IPL)과 도 6의 왼쪽 후측 대상회(PCC)와는 다르게 정상인과 알츠하이머 환자 및 경도인지장애 환자와 알츠하이머 환자 간에 유의미한 차이가 나타남을 알 수 있다. 알츠하이머 환자에서 오른쪽 마루소엽(IPL), 왼쪽 후측 대상회(PCC), 왼쪽 내측두이랑(MTG)의 기능적 연결성 감소를 보상하기 위해 왼쪽 내측전두이랑(MFG)에서 기능적 연결성이 증가하였다고 볼 수 있다.
FIG. 8 shows functional connection information extracted from the left medial frontal gyrus (MFG) portion of a default mode network of a healthy subject, a mild cognitive impairment patient group (MCI), and an Alzheimer's patient group (AD). Unlike the right parietal lobe (IPL) of FIG. 5 and the left posterior scalp (PCC) of FIG. 6, it can be seen that there is a significant difference between a normal person, an Alzheimer's patient, a mild cognitive impairment patient, and an Alzheimer's patient. In Alzheimer's patients, functional connectivity has been increased in the left medial frontal gyrus (MFG) to compensate for decreased functional connectivity of the right parietal lobe (IPL), left posterior sclerosis (PCC), and left medial gyrus (MTG).
도 9는 본 발명의 일실시예에 있어서 오른쪽 마루소엽 부분에서의 기능적 연결 정보와 치매선별 점수의 상관관계를 나타내는 그래프이고, 도 10은 본 발명의 일실시예에 있어서 왼쪽 후측 대상회 부분에서의 기능적 연결 정보와 치매선별 점수의 상관관계를 나타내는 그래프이다.FIG. 9 is a graph showing the correlation between functional connection information and dementia scores in the right parietal lobe portion in one embodiment of the present invention, and FIG. 10 is a left rear subcutaneous part in an embodiment of the present invention. It is a graph showing the correlation between functional connection information and dementia scores.
도 9에는 정상인 그룹, 경도인지장애 환자 그룹 및 알츠하이머 환자 그룹 간에 차이가 있는 영역 중 오른쪽 마루소엽(IPL) 부분에서의 기능적 연결 정보와 치매 정도를 나타내는 임상 정보인 치매선별 정보(MMSE: Mini Mental Status Examination)의 상관관계가 도시되어 있다. 오른쪽 마루소엽(IPL) 부분에서의 기능적 연결 정보는 치매선별 정보와 양의 상관관계를 나타냄을 알 수 있다.FIG. 9 shows functional connection information in the right parietal lobe (IPL) portion and clinical information indicating dementia degree (MMSE: Mini Mental Status) among areas where there is a difference between a normal group, a mild cognitive impairment patient group and an Alzheimer's patient group. Examination correlation is shown. It can be seen that the functional connection information in the right parietal lobe (IPL) part has a positive correlation with the dementia information.
도 10에는 정상인 그룹, 경도인지장애 환자 그룹 및 알츠하이머 환자 그룹 간에 차이가 있는 영역 중 왼쪽 후측 대상회(PCC) 부분에서의 기능적 연결 정보와 치매선별 정보(MMSE)의 상관관계가 도시되어 있다. 이 영역에서도 왼쪽 후측 대상회(PCC) 부분에서의 기능적 연결 정보는 치매선별 정보와 양의 상관관계를 나타냄을 알 수 있다. 기존의 디폴트 모드 네트워크에서 후측 대상회 영역이 중심적으로 이루어진다고 알려져 왔는데, 경도인지장애 환자, 알츠하이머 환자로 갈수록 후측 대상회 영역의 기능적 연결성이 떨어지는 것을 알 수 있다.
FIG. 10 shows a correlation between functional connection information and dementia screening information (MMSE) in the left posterior subject meeting (PCC) portion of the region that differs between the normal group, the mild cognitive impairment patient group, and the Alzheimer's patient group. Also in this area, the functional connection information in the left posterior segment (PCC) part shows a positive correlation with the dementia information. It has been known that the posterior subject area is central in the existing default mode network, and the functional connectivity of the posterior subject area is inferior to mild cognitive impairment patients and Alzheimer's patients.
도 11은 본 발명의 일실시예에 있어서 왼쪽 내측두이랑 부분에서의 기능적 연결 정보와 치매선별 점수의 상관관계를 나타내는 그래프이고, 도 12는 본 발명의 일실시예에 있어서 왼쪽 내측전두이랑 부분에서의 기능적 연결 정보와 치매선별 점수의 상관관계를 나타내는 그래프이다.11 is a graph showing a correlation between functional connection information and dementia scores in the left medial pharyngeal region in one embodiment of the present invention, and FIG. 12 is a graph in the left medial frontal region in an embodiment of the present invention. Is a graph showing the correlation between functional connection information and scores by dementia.
도 11에는 정상인 그룹, 경도인지장애 환자 그룹 및 알츠하이머 환자 그룹 간에 차이가 있는 영역 중 왼쪽 내측두이랑(MTG) 부분에서의 기능적 연결 정보와 치매선별 정보(MMSE)의 상관관계가 도시되어 있다. 오른쪽 마루소엽(IPL) 부분 및 왼쪽 후측 대상회(PCC) 부분과 마찬가지로, 기능적 연결 정보가 치매선별 정보와 양의 상관관계를 나타냄을 알 수 있다.FIG. 11 shows a correlation between functional connection information and dementia screening information (MMSE) in the left medial temporal gyrus (MTG) area among regions where there is a difference between a normal group, a mild cognitive impairment patient group and an Alzheimer's patient group. Similar to the right parietal lobe (IPL) and left posterior subcutaneous (PCC) parts, it can be seen that the functional connection information has a positive correlation with the dementia information.
도 12에는 정상인 그룹, 경도인지장애 환자 그룹 및 알츠하이머 환자 그룹 간에 차이가 있는 영역 중 왼쪽 내측전두이랑(MFG) 부분에서의 기능적 연결 정보와 치매선별 정보(MMSE)의 상관관계가 도시되어 있다. 왼쪽 내측전두이랑(MFG) 부분에서의 기능적 연결 정보는 유의미하게 치매선별 정보와 음의 상관관계를 나타냄을 알 수 있다. 정상인에서 경도인지장애 환자, 알츠하이머 환자로 갈 수록 왼쪽 내측전두이랑(MFG)에서 기능적 연결성이 증가함이 나타난다. 이러한 결과는 다른 영역의 기능적 연결성 감소를 보상하려는 효과임을 보여준다.
FIG. 12 shows a correlation between functional connection information and dementia screening information (MMSE) in the left medial frontal gyrus (MFG) of the areas where there is a difference between the normal group, the mild cognitive impairment patient group, and the Alzheimer's patient group. It can be seen that the functional connection information in the left medial frontal ridge (MFG) has a negative correlation with the dementia selection information. The functional connectivity is increased in the left medial frontal gyrus (MFG) as the patients with mild cognitive impairment and Alzheimer's disease are normal. These results show that the effect is to compensate for the reduction of functional connectivity in other areas.
도 13은 본 발명의 일실시예에 있어서, 디폴트 모드 네트워크의 기능적 변화 패턴 구분 시스템을 나타내는 블록도이다.13 is a block diagram illustrating a functional change pattern classification system of a default mode network according to an embodiment of the present invention.
본 발명에 따른 디폴트 모드 네트워크의 기능적 변화 패턴 구분 시스템(1300)은 자기공명영상 획득부(1310), 디폴트 모드 네트워크 추출부(1320), 영역 추출부(1330), 기능적 연결성 정보 추출부(1340) 및 기능적 변화 패턴 구분부(1350)를 포함할 수 있다.The functional change
자기공명영상 획득부(1310)는 정상인 그룹, 경도인지장애 환자 그룹 및 알츠하이머 환자 그룹 각각에 대한 휴지 상태의 자기공명영상(MRI: Magnetic Resonance Image)을 획득한다.The magnetic resonance
디폴트 모드 네트워크 추출부(1320)는 자기공명영상 획득부(1310)가 획득한 자기공명영상을 기초로 독립 성분 분석(ICA: Independent Component Analysis)을 수행하여 정상인 그룹, 경도인지장애 환자 그룹 및 알츠하이머 환자 그룹 각각의 디폴트 모드 네트워크를 추출한다.The default
영역 추출부(1330)는 디폴트 모드 네트워크 추출부(1320)가 추출한 정상인 그룹, 경도인지장애 환자 그룹 및 알츠하이머 환자 그룹 각각의 디폴트 모드 네트워크 간에 기 설정된 값 이상 차이가 있는 영역을 추출한다.The
일 예로, 디폴트 모드 네트워크 추출부(1320)는 자기공명영상 획득부(1310)가 획득한 자기공명영상을 기초로 정상인 그룹, 경도인지장애 환자 그룹 및 알츠하이머 환자 그룹 각각의 기능적 영상(Echo Planar Image)과 구조적 영상(T1-weighted Image)을 생성하고, 생성한 기능적 영상을 전처리한 후 독립 성분 분석을 수행하여 정상인 그룹, 경도인지장애 환자 그룹 및 알츠하이머 환자 그룹 각각의 디폴트 모드 네트워크를 추출할 수 있다. 이 경우, 영역 추출부(1330)는 정상인 그룹, 경도인지장애 환자 그룹 및 알츠하이머 환자 그룹의 자기공명영상으로부터 추출한 각각의 디폴트 모드 네트워크와 구조적 영상을 기초로 공분산 분석(ANCOVA)을 수행하여 각 그룹의 디폴트 모드 네트워크 간에 기 설정된 값 이상 차이가 있는 영역을 추출할 수 있다.For example, the default
이 때, 각 그룹의 디폴트 모드 네트워크 간에 기 설정된 값 이상 차이가 있는 영역은 오른쪽 마루소엽(Inferior Parietal Lobule), 왼쪽 후측 대상회(Posterior Cingulate Cortex), 왼쪽 내측두이랑(Middle Temporal Gyrus) 및 왼쪽 내측전두이랑(Medial Frontal Gyrus) 부분을 포함할 수 있다.At this time, the area that differs by more than the preset value between the default mode networks of each group is the right parietal lobule, the left posterior cortex, the middle temporal gyrus, and the left medial. It may include the Medial Frontal Gyrus.
기능적 연결성 정보 추출부(1340)는 영역 추출부(1330)가 추출한 영역 즉, 오른쪽 마루소엽, 왼쪽 후측 대상회, 왼쪽 내측두이랑 및 왼쪽 내측전두이랑 부분 각각에서 디폴트 모드 네트워크의 기능적 연결성 정보를 추출하고 각 그룹간 사후 검정을 수행한다.The functional
기능적 변화 패턴 구분부(1350)는 기능적 연결성 정보 추출부(1340)가 추출한 기능적 연결성 정보와 치매 정도를 나타내는 치매선별 정보 간의 관련성을 분석하여 치매의 진행에 따른 디폴트 모드 네트워크의 기능적 변화 패턴을 구분한다. 이 때, 상기 치매선별 정보는 일 예로 MMSE(Mini Mental Status Examination)일 수 있다.The functional
이와 같은 과정을 통해 구분된 디폴트 모드 네트워크의 기능적 변화 패턴은 이후, 알츠하이머 환자에 대해 조기 진단하는데 하나의 지표로 사용될 수 있고, 잘 알려지지 않은 알츠하이머 치매의 진행과정에 대해 치매가 진행되는 방향에 대한 기능적 변화를 설명하는데 사용될 수 있다.
The functional change pattern of the default mode network identified through this process can then be used as an indicator for early diagnosis of Alzheimer's patients, and the functional direction of dementia progression for the unknown progression of Alzheimer's dementia. Can be used to explain changes.
본 발명에 따른 디폴트 모드 네트워크의 기능적 변화 패턴 구분 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.The functional change pattern discrimination method of the default mode network according to the present invention may be implemented in the form of program instructions that can be executed by various computer means and recorded in a computer readable medium. The computer readable medium may include program instructions, data files, data structures, etc. alone or in combination. The program instructions recorded on the medium may be those specially designed and constructed for the present invention or may be available to those skilled in the art of computer software. Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks, and magnetic tape, optical media such as CD-ROMs, DVDs, and magnetic disks, such as floppy disks. Magneto-optical media, and hardware devices specifically configured to store and execute program instructions, such as ROM, RAM, flash memory, and the like. Examples of program instructions include not only machine code generated by a compiler, but also high-level language code that can be executed by a computer using an interpreter or the like. The hardware device described above may be configured to operate as one or more software modules to perform the operations of the present invention, and vice versa.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.As described above, the present invention has been described by way of limited embodiments and drawings, but the present invention is not limited to the above embodiments, and those skilled in the art to which the present invention pertains various modifications and variations from such descriptions. This is possible.
그러므로, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.Therefore, the scope of the present invention should not be limited to the described embodiments, but should be determined by the equivalents of the claims, as well as the claims.
Claims (14)
정상인, 경도인지장애 환자 및 알츠하이머 환자 각각의 디폴트 모드 네트워크 간에 기 설정된 값 이상 차이가 있는 영역을 추출하는 단계;
상기 추출한 영역에서 디폴트 모드 네트워크의 기능적 연결성 정보를 추출하는 단계; 및
상기 추출한 기능적 연결성 정보와 치매 정도를 나타내는 치매선별 정보 간의 관련성을 분석하여 치매의 진행에 따른 디폴트 모드 네트워크의 기능적 변화 패턴을 구분하는 단계
를 포함하는 디폴트 모드 네트워크의 기능적 변화 패턴 구분 방법.In the method for distinguishing the functional change pattern of the default mode network implemented by a computer,
Extracting a region having a difference greater than or equal to a predetermined value between default mode networks of a normal person, a mild cognitive impairment patient, and an Alzheimer's patient;
Extracting functional connectivity information of a default mode network from the extracted region; And
Distinguishing the functional change pattern of the default mode network according to the progression of dementia by analyzing the relation between the extracted functional connectivity information and the dementia information indicating the degree of dementia
Functional change pattern classification method of a default mode network comprising a.
상기 정상인, 경도인지장애 환자 및 알츠하이머 환자 각각에 대한 휴지 상태의 자기공명영상을 획득하는 단계; 및
상기 자기공명영상을 기초로 독립 성분 분석을 수행하여 상기 정상인, 경도인지장애 환자 및 알츠하이머 환자 각각의 디폴트 모드 네트워크를 추출하는 단계
를 더 포함하는 것을 특징으로 하는 디폴트 모드 네트워크의 기능적 변화 패턴 구분 방법.The method of claim 1,
Acquiring magnetic resonance images at rest for each of the normal, mild cognitive impairment patients, and Alzheimer's patients; And
Extracting a default mode network of each of the normal, mild cognitive impairment patients and Alzheimer's patients by performing independent component analysis based on the magnetic resonance images
Method for distinguishing the functional change pattern of the default mode network, characterized in that it further comprises.
상기 디폴트 모드 네트워크를 추출하는 단계는,
상기 자기공명영상을 기초로 상기 정상인, 경도인지장애 환자 및 알츠하이머 환자 각각의 기능적 영상과 구조적 영상을 생성하는 단계; 및
상기 생성한 기능적 영상을 전처리한 후 독립 성분 분석을 수행하여 상기 정상인, 경도인지장애 환자 및 알츠하이머 환자 각각의 디폴트 모드 네트워크를 추출하는 단계를 포함하고,
상기 기 설정된 값 이상 차이가 있는 영역을 추출하는 단계는,
상기 추출한 각각의 디폴트 모드 네트워크와 상기 구조적 영상을 기초로 상기 정상인, 경도인지장애 환자 및 알츠하이머 환자 각각의 디폴트 모드 네트워크 간에 기 설정된 값 이상 차이가 있는 영역을 추출하는 단계인 것을 특징으로 하는 디폴트 모드 네트워크의 기능적 변화 패턴 구분 방법.3. The method of claim 2,
Extracting the default mode network,
Generating functional images and structural images of the normal, mild cognitive impairment patients and Alzheimer's patients based on the magnetic resonance images; And
Extracting a default mode network of each of the normal, mild cognitive impairment patient and the Alzheimer's patient by performing independent component analysis after preprocessing the generated functional image,
Extracting an area having a difference greater than or equal to the preset value,
Extracting a region having a predetermined value difference between the default mode networks of the normal, mild cognitive impairment patients and the Alzheimer's patients based on the extracted default mode networks and the structural images. How to distinguish functional change patterns
상기 기능적 영상은 EPI(Echo Planar Image)이고, 상기 구조적 영상은 T1 강조 영상(T1-weighted Image)인 것을 특징으로 하는 디폴트 모드 네트워크의 기능적 변화 패턴 구분 방법.The method of claim 3,
And wherein the functional image is an EPI (Echo Planar Image) and the structural image is a T1-weighted image.
상기 기 설정된 값 이상 차이가 있는 영역을 추출하는 단계는,
상기 정상인, 경도인지장애 환자 및 알츠하이머 환자 각각의 디폴트 모드 네트워크를 기초로 공분산 분석을 수행함으로써 상기 각각의 디폴트 모드 네트워크 간에 기 설정된 값 이상 차이가 있는 영역을 추출하는 단계인 것을 특징으로 하는 디폴트 모드 네트워크의 기능적 변화 패턴 구분 방법.The method of claim 1,
Extracting an area having a difference greater than or equal to the preset value,
Extracting a region having a difference greater than or equal to a predetermined value between the respective default mode networks by performing covariance analysis based on the default mode networks of the normal, mild cognitive impairment patients and the Alzheimer's patients. How to distinguish functional change patterns
상기 기능적 연결성 정보를 추출하는 단계는,
오른쪽 마루소엽(Inferior Parietal Lobule), 왼쪽 후측 대상회(Posterior Cingulate Cortex), 왼쪽 내측두이랑(Middle Temporal Gyrus) 및 왼쪽 내측전두이랑(Medial Frontal Gyrus) 부분에서 상기 디폴트 모드 네트워크의 기능적 연결성 정보를 추출하는 단계인 것을 특징으로 하는 디폴트 모드 네트워크의 기능적 변화 패턴 구분 방법.The method of claim 1,
Extracting the functional connectivity information,
Functional connectivity information of the default mode network is extracted from the right inferior parietal lobule, left posterior cingulate cortex, left middle temporal gyrus, and left medial frontal gyrus. How to distinguish the functional change pattern of the default mode network, characterized in that the step of doing.
상기 치매선별 정보는
MMSE(Mini Mental Status Examination)인 것을 특징으로 하는 디폴트 모드 네트워크의 기능적 변화 패턴 구분 방법.The method of claim 1,
The dementia screening information is
Method for distinguishing functional change pattern of default mode network, characterized in that it is Mini Mental Status Examination (MMSE).
상기 디폴트 모드 네트워크의 기능적 변화 패턴은,
치매 진단에 사용되는 것을 특징으로 하는 디폴트 모드 네트워크의 기능적 변화 패턴 구분 방법.The method of claim 1,
The functional change pattern of the default mode network is
A method for distinguishing functional change patterns of a default mode network, which is used for diagnosis of dementia.
상기 추출한 영역에서 디폴트 모드 네트워크의 기능적 연결성 정보를 추출하는 기능적 연결성 정보 추출부; 및
상기 추출한 기능적 연결성 정보와 치매 정도를 나타내는 치매선별 정보 간의 관련성을 분석하여 치매의 진행에 따른 디폴트 모드 네트워크의 기능적 변화 패턴을 구분하는 기능적 변화 패턴 구분부
를 포함하는 디폴트 모드 네트워크의 기능적 변화 패턴 구분 시스템.An area extracting unit extracting an area having a difference greater than or equal to a predetermined value between a default mode network of a normal person, a mild cognitive impairment patient, and an Alzheimer's patient;
A functional connectivity information extraction unit for extracting functional connectivity information of a default mode network from the extracted area; And
Functional change pattern dividing unit for distinguishing functional change patterns of default mode network according to the progression of dementia by analyzing the relationship between the extracted functional connectivity information and dementia information indicating the degree of dementia
Functional change pattern identification system of the default mode network comprising a.
상기 정상인, 경도인지장애 환자 및 알츠하이머 환자 각각에 대한 휴지 상태의 자기공명영상을 획득하는 자기공명영상 획득부; 및
상기 자기공명영상을 기초로 독립 성분 분석을 수행하여 상기 정상인, 경도인지장애 환자 및 알츠하이머 환자 각각의 디폴트 모드 네트워크를 추출하는 디폴트 모드 네트워크 추출부
를 더 포함하는 것을 특징으로 하는 디폴트 모드 네트워크의 기능적 변화 패턴 구분 시스템.10. The method of claim 9,
A magnetic resonance image acquisition unit for acquiring a magnetic resonance image at rest for each of the normal, mild cognitive impairment patient and the Alzheimer's patient; And
A default mode network extraction unit for extracting a default mode network of each of the normal, mild cognitive impairment patients and Alzheimer's patients by performing independent component analysis based on the magnetic resonance images
Functional change pattern classification system of the default mode network, characterized in that further comprises.
상기 디폴트 모드 네트워크 추출부는,
상기 자기공명영상을 기초로 상기 정상인, 경도인지장애 환자 및 알츠하이머 환자 각각의 기능적 영상과 구조적 영상을 생성하고, 상기 생성한 기능적 영상을 전처리한 후 독립 성분 분석을 수행하여 상기 정상인, 경도인지장애 환자 및 알츠하이머 환자 각각의 디폴트 모드 네트워크를 추출하고,
상기 영역 추출부는,
상기 추출한 각각의 디폴트 모드 네트워크와 상기 구조적 영상을 기초로 공분산 분석을 수행함으로써 상기 정상인, 경도인지장애 환자 및 알츠하이머 환자 각각의 디폴트 모드 네트워크 간에 기 설정된 값 이상 차이가 있는 영역을 추출하는 것을 특징으로 하는 디폴트 모드 네트워크의 기능적 변화 패턴 구분 시스템.The method of claim 10,
The default mode network extraction unit,
Functional images and structural images of the normal, mild cognitive impairment patients and Alzheimer's patients are generated based on the magnetic resonance images, and the independent functional analysis is performed after pre-processing the generated functional images. And extracting a default mode network for each Alzheimer's patient,
The region extracting unit may extract,
By performing covariance analysis based on the extracted default mode network and the structural image, a region having a difference greater than or equal to a predetermined value between the default mode networks of the normal, mild cognitive impaired patient and the Alzheimer's patient is extracted. Functional change pattern identification system of default mode network.
상기 기능적 영상은 EPI(Echo Planar Image)이고, 상기 구조적 영상은 T1 강조 영상(T1-weighted Image)인 것을 특징으로 하는 디폴트 모드 네트워크의 기능적 변화 패턴 구분 시스템.12. The method of claim 11,
And wherein the functional image is an EPI (Echo Planar Image) and the structural image is a T1-weighted image.
상기 기능적 연결성 정보 추출부는,
오른쪽 마루소엽(Inferior Parietal Lobule), 왼쪽 후측 대상회(Posterior Cingulate Cortex), 왼쪽 내측두이랑(Middle Temporal Gyrus) 및 왼쪽 내측전두이랑(Medial Frontal Gyrus) 부분에서 상기 디폴트 모드 네트워크의 기능적 연결성 정보를 추출하는 것을 특징으로 하는 디폴트 모드 네트워크의 기능적 변화 패턴 구분 시스템.10. The method of claim 9,
The functional connectivity information extraction unit,
Functional connectivity information of the default mode network is extracted from the right inferior parietal lobule, left posterior cingulate cortex, left middle temporal gyrus, and left medial frontal gyrus. Functional change pattern classification system of the default mode network, characterized in that the.
상기 디폴트 모드 네트워크의 기능적 변화 패턴은,
치매 진단에 사용되는 것을 특징으로 하는 디폴트 모드 네트워크의 기능적 변화 패턴 구분 시스템.10. The method of claim 9,
The functional change pattern of the default mode network is
A functional change pattern classification system of a default mode network, which is used for diagnosis of dementia.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020120096936A KR101317040B1 (en) | 2012-09-03 | 2012-09-03 | Method and system for classifying functional alternation patterns of default mode network in progression of normal aging to mild cognitive impairment and alzheimer's disease |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020120096936A KR101317040B1 (en) | 2012-09-03 | 2012-09-03 | Method and system for classifying functional alternation patterns of default mode network in progression of normal aging to mild cognitive impairment and alzheimer's disease |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101317040B1 true KR101317040B1 (en) | 2013-10-11 |
Family
ID=49638169
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020120096936A KR101317040B1 (en) | 2012-09-03 | 2012-09-03 | Method and system for classifying functional alternation patterns of default mode network in progression of normal aging to mild cognitive impairment and alzheimer's disease |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101317040B1 (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210119071A (en) | 2020-03-24 | 2021-10-05 | 부산대학교병원 | User Customized Training System And Method For Improving Cognitive Using Cognitive Impairment Analysis By Virtual Reality Based Cognitive Game Score |
| CN113558603A (en) * | 2021-06-11 | 2021-10-29 | 杭州电子科技大学 | Multi-modal cognitive impairment recognition method based on deep learning |
| KR20220080815A (en) * | 2020-12-07 | 2022-06-15 | 연세대학교 원주산학협력단 | Bio-signal-based degenerative brain disease prediction and training system |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20020048857A (en) * | 2000-12-18 | 2002-06-24 | 가부시키가이샤 노키노겐큐쇼 | Method and apparatus for estimating degree of neuronal impairment in brain cortex |
| US20050215884A1 (en) | 2004-02-27 | 2005-09-29 | Greicius Michael D | Evaluation of Alzheimer's disease using an independent component analysis of an individual's resting-state functional MRI |
| KR20110045618A (en) * | 2009-10-27 | 2011-05-04 | 가톨릭대학교 산학협력단 | Method for diagnosis of Parkinson's disease by quantitative measuring of brain metabolites using magnetic resonance spectroscopy |
-
2012
- 2012-09-03 KR KR1020120096936A patent/KR101317040B1/en not_active IP Right Cessation
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20020048857A (en) * | 2000-12-18 | 2002-06-24 | 가부시키가이샤 노키노겐큐쇼 | Method and apparatus for estimating degree of neuronal impairment in brain cortex |
| US20050215884A1 (en) | 2004-02-27 | 2005-09-29 | Greicius Michael D | Evaluation of Alzheimer's disease using an independent component analysis of an individual's resting-state functional MRI |
| KR20110045618A (en) * | 2009-10-27 | 2011-05-04 | 가톨릭대학교 산학협력단 | Method for diagnosis of Parkinson's disease by quantitative measuring of brain metabolites using magnetic resonance spectroscopy |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210119071A (en) | 2020-03-24 | 2021-10-05 | 부산대학교병원 | User Customized Training System And Method For Improving Cognitive Using Cognitive Impairment Analysis By Virtual Reality Based Cognitive Game Score |
| KR20220080815A (en) * | 2020-12-07 | 2022-06-15 | 연세대학교 원주산학협력단 | Bio-signal-based degenerative brain disease prediction and training system |
| KR102527561B1 (en) * | 2020-12-07 | 2023-05-03 | 연세대학교 원주산학협력단 | Bio-signal-based degenerative brain disease prediction and training system |
| CN113558603A (en) * | 2021-06-11 | 2021-10-29 | 杭州电子科技大学 | Multi-modal cognitive impairment recognition method based on deep learning |
| CN113558603B (en) * | 2021-06-11 | 2023-11-10 | 杭州电子科技大学 | Multi-modal cognitive disorder recognition method based on deep learning |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9131889B2 (en) | Cognitive impairment determination apparatus, cognitive impairment determination system and program | |
| JP7221693B2 (en) | Method and magnetic imaging device for cataloging cortical function in the human brain | |
| WO2020075737A1 (en) | Brain functional connectivity correlation value adjustment method, brain functional connectivity correlation value adjustment system, brain activity classifier harmonization method, brain activity classifier harmonization system, and brain activity biomarker system | |
| US20050215884A1 (en) | Evaluation of Alzheimer's disease using an independent component analysis of an individual's resting-state functional MRI | |
| KR101797501B1 (en) | Apparatus and method for analyzing brain disease using magnetic resonance imaging and functional magnetic resonance imaging | |
| US11016160B2 (en) | Parkinson's disease diagnosing apparatus and method | |
| JP2020062369A (en) | Brain functional connectivity correlation value adjustment method, brain functional connectivity correlation value adjustment system, brain activity classifier harmonization method, brain activity classifier harmonization system, and brain activity biomarker system | |
| KR101317040B1 (en) | Method and system for classifying functional alternation patterns of default mode network in progression of normal aging to mild cognitive impairment and alzheimer's disease | |
| CN115662576B (en) | Method and system for generating neurofeedback training paradigm of associated cognitive disorder conditions | |
| Carone et al. | Impact of automated ICA-based denoising of fMRI data in acute stroke patients | |
| KR101388546B1 (en) | System and method for assessing brain dyfunction using functional magnetic resonance imaging | |
| JP2022120755A (en) | Parkinson disease information providing device and method using a neuro melanine image | |
| Wilson et al. | Structural magnetic resonance imaging in Huntington's disease | |
| Mostafa et al. | Parkinson’s disease detection using ensemble architecture from mr images | |
| KR101601041B1 (en) | Pattern Classification Apparatus and Method for fMRI | |
| Frankford et al. | Reliability of single-subject neural activation patterns in speech production tasks | |
| US11439315B2 (en) | MRI T1W and T2W combined features for detecting neurodegeneration | |
| Zanin et al. | Using diffusion-weighted magnetic resonance imaging techniques to explore the microstructure and connectivity of subcortical white matter tracts in the human auditory system | |
| RU2581252C1 (en) | Method for diagnosing neurodegenerative process in parkinson's disease | |
| KR102096357B1 (en) | Device and method for estimating task-related spatial patterns using task-negative default-mode networks and recording medium for performing the method | |
| Fenske et al. | Sensitivity of functional connectivity to periaqueductal gray localization, with implications for identifying disease-related changes in chronic visceral pain: a MAPP research network neuroimaging study | |
| US11529054B2 (en) | Method and system for post-traumatic stress disorder (PTSD) and mild traumatic brain injury (mTBI) diagnosis using magnetic resonance spectroscopy | |
| Bisgaard et al. | EEG recordings as a source for the detection of IRBD | |
| JP7270975B2 (en) | Diagnosis support system, diagnosis support method and program | |
| Shukla et al. | Automated Pipeline Preprocessing Techniques for Alzhiemer Disease Detection |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20161004 Year of fee payment: 4 |
|
| LAPS | Lapse due to unpaid annual fee |