KR101633217B1 - 섬망 지표 데이터 제공 방법 및 장치 - Google Patents

섬망 지표 데이터 제공 방법 및 장치 Download PDF

Info

Publication number
KR101633217B1
KR101633217B1 KR1020150033326A KR20150033326A KR101633217B1 KR 101633217 B1 KR101633217 B1 KR 101633217B1 KR 1020150033326 A KR1020150033326 A KR 1020150033326A KR 20150033326 A KR20150033326 A KR 20150033326A KR 101633217 B1 KR101633217 B1 KR 101633217B1
Authority
KR
South Korea
Prior art keywords
delirium
attractor
index
area
wave
Prior art date
Application number
KR1020150033326A
Other languages
English (en)
Inventor
함봉진
정두영
장호종
박상현
Original Assignee
서울대학교산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 서울대학교산학협력단 filed Critical 서울대학교산학협력단
Priority to KR1020150033326A priority Critical patent/KR101633217B1/ko
Application granted granted Critical
Publication of KR101633217B1 publication Critical patent/KR101633217B1/ko

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/369Electroencephalography [EEG]
    • A61B5/0476
    • G06F19/30
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Primary Health Care (AREA)
  • Biophysics (AREA)
  • Databases & Information Systems (AREA)
  • Psychiatry (AREA)
  • Psychology (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Epidemiology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

본 발명은 환자의 뇌파 성분을 비선형 동역학계를 이용하여 분석함으로써, 섬망 증상을 조기 발견하거나 분류 또는 치료법 개발에 도움이 되는 데이터를 제공할 수 있도록 하는 섬망 지표 데이터 제공 방법 및 장치에 관한 것으로,
상기 섬망 지표 데이터 제공 방법 및 장치은 뇌파에 대응되는 어트랙터를 구성하는 단계; 상기 어트랙터를 기반으로 알파파의 어트랙터 면적, 베타파의 어트랙터 면적, 및 뇌파 전체에 대한 어트랙터 면적을 산출하는 단계; 및 상기 알파파의 어트랙터 면적 크기와 상기 베타파의 어트랙터 면적 크기를 기반으로 섬망 증상의 정도를 나타내는 섬망 지표를 산출 및 출력하는 단계를 포함할 수 있다.

Description

섬망 지표 데이터 제공 방법 및 장치{Method and apparatus for providing index of delirium}
본 발명은 섬망 지표 데이터 제공 방법 및 장치에 관한 것으로, 특히 환자의 뇌파 성분을 비선형 동역학계를 이용하여 분석하고, 이를 토대로 섬망 증상 발생 여부를 보다 손쉽고 정확하게 진단할 수 있도록 하는 섬망 지표 데이터 제공 방법 및 장치에 관한 것이다.
섬망(delirium)은 의식의 장애와 주의력 저하, 지남력 장애 등과 같은 인지 기능 전반의 장애, 환각 등 정신병적 증상을 특징으로 하는 신경 정신 질환이다. 이는 안절부절하거나 공격적인 행동을 특징으로 하는 과다활동형(hypoactivity type), 기면 상태가 특징인 과소활동형(hypoactive type), 그리고 이 두 가지 유형이 혼합된 혼재형(mixed type)으로 나타날 수 있다.
섬망은 보통 중독질환, 대사성 질환, 전신감염, 신경계감염, 뇌외상, 뇌졸중, 전신마취, 대수술 등에서 자주 나타나며, 환자, 가족, 그리고 의료진에게 주는 부정적 영향이 크다. 즉 사망률과 이환율을 높이고, 입원기간을 연장시키고 의료비를 증가시킨다. 또한 환자의 독립적 기능 회복이 지연되고 환자간호에 더 많은 시간을 요하게 되어 간호사의 부담을 증가시킨다.
그러나 임상에서 섬망은 제대로 발견되고 치료받는 것이 어려운 것으로 보고되고 있다. Steis와 Fick(2008)은 섬망 환자인지를 주제로 한 선행연구 10편을 찾아 분석한 결과 간호사가 섬망 상태를 인지하는 비율은 26-83% 이라고 보고하였다. 즉 나머지는 인지하지 못한 비율인 것이다. 섬망이 인지되지 못하는 비율을 보고한 다른 선행연구에서도 70% 이상(Hanley, 2004) 혹은 66-84%(Ely et al., 2001)로 보고되고 있어 인지율이 매우 낮다는 문제점이 있다.
이에 섬망 예측 모형방법론과 모형의 예측결과에 따라 중환자실 환자를 대상으로 섬망 발생 가능성을 예측하여 자동적으로 고위험군을 판별할 수 있도록 하는 종래 기술을 제안된 바 있으나, 이는 최적의 예측 모형을 구축하기에 많은 노력과 비용이 소요되는 단점이 있다.
따라서 최소한의 노력과 비용으로 섬망 발생 가능성을 보다 손쉽고 정확하게 진단할 수 있도록 하는 기술에 대한 요구가 증가하고 있는 실정이다.
국내공개특허 제10-2012-0139908호
이에 상기와 같은 문제점을 해결하기 위한 것으로서, 본 발명은 환자의 뇌파 성분을 비선형 동역학계를 이용하여 분석함으로써, 섬망 증상을 조기 발견하거나 분류 또는 치료법 개발에 도움이 되는 데이터를 제공할 수 있도록 하는 섬망 지표 데이터 제공 방법 및 장치을 제공하고자 한다.
본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 본 발명이 속하는 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
상기 과제를 해결하기 위한 수단으로서, 본 발명의 일 실시 형태에 따르면, 뇌파에 대응되는 어트랙터를 구성하는 단계; 상기 어트랙터를 기반으로 알파파의 어트랙터 면적, 베타파의 어트랙터 면적, 및 뇌파 전체에 대한 어트랙터 면적을 산출하는 단계; 및 상기 알파파의 어트랙터 면적 크기와 상기 베타파의 어트랙터 면적 크기를 기반으로 섬망 증상의 정도를 나타내는 섬망 지표를 산출 및 출력하는 단계를 포함하는 섬망 지표 데이터 제공 방법을 제공한다.
상기 섬망 지표 데이터 제공 방법은 상기 어트랙터를 구성하는 단계 이전에, 대리자료 방법(surrogate data method)을 통해 상기 뇌파의 유효성을 확인하는 단계를 더 포함하는 것을 특징으로 한다.
상기 뇌파의 유효성을 확인하는 단계는 대리자료 방법을 통해 상기 뇌파의 비선형성을 확인한 경우에만, 상기 뇌파의 유효하다고 판단하는 것을 특징으로 한다.
그리고 상기 섬망 지표를 산출 및 출력하는 단계는 "
Figure 112015023422025-pat00001
"의 식에 따라 섬망 지표를 산출하며, 상기 indexdeirium은 섬망 지표, 상기 αfield는 알파파의 어트랙터 면적, 상기 βfield는 알파파의 어트랙터 면적, 상기 allfield는 뇌파 전체에 대한 어트랙터 면적, 상기 θ는 알파파의 어트랙터 면적에 대한 가중치, 상기 λ는 베타파의 어트랙터 면적에 대한 가중치를 각각 의미하는 것을 특징으로 한다.
상기 과제를 해결하기 위한 수단으로서, 본 발명의 다른 실시 형태에 따르면, 뇌파에 대한 비선형을 확인한 후, 상기 뇌파를 비선형 동적 이론에 따라 분석하여 알파파의 어트랙터 면적, 베타파의 어트랙터 면적, 그리고 뇌파 전체에 대한 어트랙터 면적을 산출하는 비선형 신호 분석부; 및 상기 알파파의 어트랙터 면적 크기와 상기 베타파의 어트랙터 면적 크기를 기반으로 섬망 증상의 정도를 나타내는 섬망 지표를 산출 및 출력하는 섬망 지표 산출부를 포함하는 섬망 지표 데이터 제공 장치를 제공한다.
상기 섬망 지표 데이터 제공 장치는 상기 뇌파에 대한 독립 성분 분석을 수행하여 안구 움직임 값을 추출하는 안구 움직임 분석부를 더 포함하며, 상기 섬망 지표 산출부는 상기 안구 움직임에 대응되는 제2 섬망 지표를 추가 산출하고, 상기 제1 섬망 지표와 상기 제2 섬망 지표를 함께 고려하여 최종적인 섬망 지표를 산출 및 출력하는 기능을 더 포함하는 것을 특징으로 한다.
본 발명에서는 환자의 뇌파 성분을 비선형 동역학계를 이용하여 분석하여 섬망 증상의 정도를 나타내는 섬망 지표를 제공할 수 있도록 함으로써, 고도로 숙련되지 않은 의료진도 이를 참고하여 섬망 증상을 조기 발견할 수 있도록 해준다. 또한 본 발명에 의해 산출된 섬망 지표를 기반으로 환자의 신체 상태 및 각종 증상을 역추적할 수 있도록 함으로서, 섬망 증상의 분류 또는 치료법 개발에 도움이 되는 데이터를 부가적으로 획득할 수 있도록 해준다.
도1는 본 발명의 일 실시예에 따른 섬망 지표 데이터 제공 방법을 설명하기 위한 도면이다.
도2는 선형 시스템의 연속 신호에 대응되는 어트랙터 구성 예를 도시한 도면이다.
도3은 비선형 시스템의 연속 신호에 대응되는 어트랙터 구성 예를 도시한 도면이다.
도4는 본 발명의 일 실시예에 따른 섬망 지표 데이터 제공 장치를 설명하기 위한 도면이다.
도5는 본 발명의 다른 실시예에 따른 섬망 지표 데이터 제공 장치를 설명하기 위한 도면이다.
본 발명의 목적 및 효과, 그리고 그것들을 달성하기 위한 기술적 구성들은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 본 발명을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다.
그리고 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다.
그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있다. 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
본 발명에서는 뇌파와 같은 생체 신호의 카오스 특징을 이용하여 섬망 조기 진단에 도움이 되는 지표 데이터를 생성하고자 한다.
뇌파는 규칙적인 리듬이 존재하는 데, 뇌파의 리듬의 일반적으로 주파수 대역에 따라 8~13Hz의 주파수 성분을 갖는 알파파(α), 20~30Hz의 주파수 성분을 갖는 베타파(β), 4~8Hz의 주파수 성분을 갖는 세타파(θ), 4Hz 미만의 델타파(δ)등으로 구분된다.
뇌파의 분석에는 기록 용지의 시각적 검사방법, 푸리에 변화에 의한 대역별 스펙트럼의 정량적 해석 방법이나 고속 푸리에 변화를 이용하여 주파수 대역 분포를 비교 검토할 수 있도록 한 2차원 뇌전도 기법 등이 주로 사용되어 왔다. 하지만, 기록용지의 시각적 검사에 의한 방법은 고도의 전문성을 요하며 주관적 판단에 의하기 때문에 정량성을 기대하기 어렵고, 주파수 변환에 의한 해석방법도 뇌파를 단순한 정현파와 여현파의 합으로 선형 근사 해석법이라는 한계를 가지고 있다.
이에 최근에 들어 비선형 동역학 시스템에 의한 연구가 제안되어 '카오스(chaos)'의 개념으로 다수의 변수를 갖는 복잡한 시스템을 분석하는 새로운 방법들이 제기되고 있다. 카오스의 개념을 간단히 정의하면 '외부적인 동태가 불규칙하게 관찰되지만 내부적으로 결정론적인 규칙을 가지고 있는 동역학 시스템으로부터 발생하는 현상'이라고 할 수 있다.
한편, 섬망은 환자의 뇌기능의 변화에 의해 발생하는 것으로, 특히 환자의 의식수준과 주의력의 변화에 의해 크게 영향을 받는 특징을 가지며, 논문(What Are the Opportunities for EEG-Based Monitoring of Delirium in the ICU?, Arendina W. van der Kooi 외)에서는 섬망 증상을 가지는 환자의 뇌파 분석 결과, 알파파와 베타파가 소정의 비율을 가지는 특징을 가짐을 개시하고 있다.
이에 본 발명에서는 상기의 특징을 기반으로 뇌파를 비선형 동역학 시스템에 따라 분석함으로써, 섬망 증상의 조기발견 뿐 아니라 분류 및 치료법 개발에 유용하게 활용될 수 있는 섬망 지표를 산출 및 제공하는 방법을 제안하고자 한다.
도1는 본 발명의 일 실시예에 따른 섬망 지표 데이터 제공 방법을 설명하기 위한 도면이다.
도1을 참고하면, 본 발명의 섬망 지표 데이터 제공 방법은 환자의 뇌파 측정 단계(S1), 뇌파의 유효성 확인 단계(S2), 알파파 및 베타파의 어트랙터(attractor) 구성 단계(S3), 알파파 및 베타파의 어트랙터 면적 크기 산출 단계(S4), 및 섬망 지표 계산 단계(S5) 등을 포함하여 구성될 수 있다.
뇌파 측정 단계(S1)에서는, 환자의 머리 부분에 뇌파 측정 장치의 전극을 적어도 하나 부착한 후, 전극을 통해 측정되는 미약한 뇌파 신호를 증폭, 디지털 변환하여 출력한다.
뇌파의 유효성 확인 단계(S2)에서는, 대리자료 방법(surrogate data method)을 통해 뇌파 측정 장치를 통해 측정된 뇌파의 비선형성을 확인한다. 즉, 환자로부터 얻은 생체 신호가 확률론 계에서 발생한 소음인지, 결정론 계에서 발생한 유효한 신호인지를 판별하도록 한다.
참고로, 대리자료 방법은 비선형 분석에서 가장 널리 애용되고 있는 방법으로, 이는 원래 신호를 퓨리에 변환(Fourier transformation)한 다음, 무작위적(random)으로 할당된 위상 항을 곱한 후, 다시 역퓨리에 변환(inverse Fourier transformation)을 해 대리 자료를 획득하는 방법이다. 이런 과정은 이 신호가 원래 신호와 똑같은 분포의 파워 스펙트럼을 갖게 하지만, 무작위로 할당된 위상 항을 통해 신호 내부에 존재할 수도 있는 동역학 법칙들을 완전히 깨뜨린다. 만약 원래의 신호와 대리 자료의 비선형 동역학 변수(예를 들어, 상관차원(correlation dimension, D2), 리아프노프 지수(first positive Lyapunov exponent, L1) 등)를 구했을 때, 그 값이 통계적으로 유의미한 차이를 보인다면, 그것은 원래 신호가 '선형적인 소음'이 아니라는 것을 의미한다. 즉 비선형적이거나, 결정론계 신호임을 의미한다.
어트랙터 구성 단계(S3)에서는, 뇌파에 대응되는 어트랙터를 구성하도록 한다. 어트랙터는 신호의 정보를 시간적으로 반영하는 변수로부터 시간 지연축으로 구성된 공간에 형성된 특정한 기하학의 궤적에 해당하는 것으로, 선형 시스템의 연속 신호에 대해 어트랙터를 구성하는 경우에는 도2에 도시된 바와 같이 어트랙터는 포인트 형태를 가지는 반면, 비선형 시스템의 연속 신호에 대해 어트랙터를 구성하는 경우에는 도3에 도시된 바와 같이 어트랙터의 위상도가 소정의 면적을 가지는 특징이 있다.
이에 본 발명의 뇌파의 어트랙터 또한 도3에서와 같이 소정의 면적값을 가지게 되며, 이는 환자의 의식수준과 주의력, 즉 섬망 증상의 정도에 따라 그 값이 달라지게 된다.
주파수 성분별 어트랙터 면적 크기 산출 단계(S4)에서는, 어트랙터 구성 단계(S3)를 통해 구성된 어트랙터를 기반으로 총 뇌파에 대응되는 어트랙터 값의 면적 크기를 계산하도록 한다. 그리고 이와 함께 8~13Hz의 주파수 성분을 갖는 알파파(α)에 대응되는 어트랙터 값의 면적 크기와 20~30Hz의 주파수 성분을 갖는 베타파(β)에 대응되는 어트랙터 값의 면적 크기를 추가적으로 계산하도록 한다.
섬망 지표 계산 단계(S5)에서는, 이하의 수학식1에서와 같이 알파파와 베타파에 대응되는 어트랙터 면적 크기를 뇌파 전체에 대응되는 어트랙터 면적 크기로 나누어, 섬망 증상의 정도를 나타내는 섬망 지표(indexdeirium)를 획득하도록 한다.
Figure 112015023422025-pat00002
이때, αfield는 알파파의 어트랙터 면적, βfield는 알파파의 어트랙터 면적, allfield는 뇌파 전체에 대한 어트랙터 면적, θ는 알파파의 어트랙터 면적에 대한 가중치, λ는 베타파의 어트랙터 면적에 대한 가중치를 각각 의미한다. 이때, θ 및 λ는 관리자에 의해 사전 설정되는 값으로, 차후 필요에 따라 임의 조정될 수 있도록 한다.
도4는 본 발명의 일 실시예에 따른 섬망 지표 데이터 제공 장치를 설명하기 위한 도면이다.
도4를 참고하면, 본 발명의 섬망 지표 데이터 제공 장치는 비선형 신호 분석부(11), 섬망 지표 산출부(12), 제어부(13), 사용자 인터페이스(14), 장치 인터페이스(15) 등을 포함하여 구성된다.
비선형 신호 분석부(11)는 뇌파 측정 장치(20)로부터 뇌파 신호가 전송되면, 전송된 뇌파 신호에 대한 비선형을 확인하여 현재 측정된 뇌파 신호가 유효한 신호인지를 우선 확인한다. 그리고 나서 뇌파 신호를 비선형 동적 이론에 따라 분석하여 알파파의 어트랙터 면적, 베타파의 어트랙터 면적, 그리고 뇌파 전체에 대한 어트랙터 면적을 산출하도록 한다.
섬망 지표 산출부(12)는 비선형 신호 분석부(11)를 통해 획득된 알파파와 베타파에 대응되는 어트랙터 면적 크기를 뇌파 전체에 대응되는 어트랙터 면적 크기로 나누어, 섬망 증상의 정도를 나타내는 섬망 지표(indexdeirium)를 획득하도록 한다.
제어부(13)는 사용자 인터페이스(14) 또는 장치 인터페이스(15)를 통해 획득되는 사용자 제어값에 따라 섬망 지표 데이터 제공 장치의 전반적인 동작을 제어하거나, 섬망 지표 데이터 제공 장치의 동작 상태를 시청각적으로 알려주는 리포트 정보를 생성하여 사용자 인터페이스(14) 또는 장치 인터페이스(15)를 통해 출력하도록 한다.
사용자 인터페이스(14)는 터치 스크린, 모니터, 키보드, 제어 패널, 스피커 등을 구비하고, 이를 통해 각종 데이터 입출력 동작을 수행하도록 한다.
장치 인터페이스(15)는 유선 또는 무선 통신 모듈을 구비하고, 병원의 중앙 서버, 의료진 단말 등과 같은 외부의 장치와의 통신을 지원하도록 한다. 특히, 본 발명의 장치 인터페이스를 원거리 통신 기능을 지원함으로써, 원격지에 위치하는 의료진이 환자의 상태를 원격 모니터링하고, 이에 따른 진단을 내릴 수 있도록 해준다.
도5는 본 발명의 다른 실시예에 따른 섬망 지표 데이터 제공 장치를 설명하기 위한 도면이다.
도5를 참고하면, 본 발명의 다른 실시예에 따른 섬망 지표 데이터 제공 장치는 도4의 비선형 신호 분석부(11), 섬망 지표 산출부(12), 제어부(13), 사용자 인터페이스(14), 장치 인터페이스(15), 이외에 안구 움직임 분석부(16)을 더 포함하여 구성됨을 알 수 있다.
참고로, 섬망 환자의 경우 정상인들에 비해 빠른 안구 움직임을 가지며, 논문 "독립 성분 분석을 통한 뇌파 신호에서 안구 움직임 성분 검출에 관한 방법(저자: 김현규, 이효종)"등에서는 뇌파에 안구 운동에 상응하는 신호 값이 포함되며, 독립 성분 분석 기법을 통해 뇌파에서 안구 운동에 상응하는 신호 값을 추출할 수 있음을 지적하고 있다.
이에 본 발명은 안구 움직임 분석부(16)를 추가 구비하고, 이를 통해 뇌파에 대한 독립 성분 분석을 수행하여 안구 움직임 값을 추출하도록 한다.
그러면, 섬망 지표 산출부(12)는 안구 움직임과 섬망 지표간 상관관계에 대한 정보를 사전에 정의 및 등록하고, 이를 기반으로 안구 움직임에 대응되는 섬망 지표를 추가 산출하도록 한다. 그리고 안구 움직임에 대응되는 섬망 지표(indexeye)와 어트랙터 면적 크기에 기반하여 산출되는 섬망 지표(indexattractor)를 함께 고려하여, 최종적인 섬망 지표를 산출 및 출력하도록 한다.
Figure 112015023422025-pat00003
이때, ρ는 안구 움직임 기반 섬망 지표(indexeye)에 대한 가중치, σ는 어트랙터 기반 섬망 지표(indexattractor)를 각각 의미하며, ρ 및 σ는 관리자에 의해 사전 설정되는 값으로, 차후 필요에 따라 임의 조정될 수 있도록 한다.
이상에서 전술한 바와 같은 이를 구현하기 위한 프로그램 명령어로서 구현될 수 있으며, 이러한 프로그램 명령어를 기록한 컴퓨터로 읽힐 수 있는 기록매체는, 일 예로, ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 미디어 저장장치 등이 있다.
또한 전술한 바와 같은 프로그램을 기록한 컴퓨터로 읽힐 수 있는 기록매체는 네트워크로 커넥션된 컴퓨터 장치에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 이 경우, 다수의 분산된 컴퓨터 중 어느 하나 이상의 컴퓨터는 상기에 제시된 기능들 중 일부를 실행하고, 그 결과를 다른 분산된 컴퓨터들 중 하나 이상에 그 실행 결과를 전송할 수 있으며, 그 결과를 전송받은 컴퓨터 역시 상기에 제시된 기능들 중 일부를 실행하여, 그 결과를 역시 다른 분산된 컴퓨터들에 제공할 수 있다.
본 발명의 각 실시예에 따른 섬망 지표 데이터 제공 방법 및 장치를 구동시키기 위한 프로그램인 애플리케이션을 기록한 기록매체를 읽을 수 있는 컴퓨터는, 일반적인 데스크 탑이나 노트북 등의 일반 PC 뿐만 아니라, 스마트 폰, 태블릿 PC, PDA(Personal Digital Assistants) 및 이동통신 단말 등의 모바일 단말을 포함할 수 있으며, 이뿐만 아니라, 컴퓨팅(Computing) 가능한 모든 기기로 해석되어야 할 것이다.
이상에서, 본 발명의 실시예를 구성하는 모든 구성 요소들이 하나로 결합되거나 결합되어 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 또한, 그 모든 구성 요소들이 각각 하나의 독립적인 하드웨어로 구현될 수 있지만, 각 구성 요소들의 그 일부 또는 전부가 선택적으로 조합되어 하나 또는 복수 개의 하드웨어에서 조합된 일부 또는 전부의 기능을 수행하는 프로그램 모듈을 갖는 컴퓨터 프로그램으로서 구현될 수도 있다. 그 컴퓨터 프로그램을 구성하는 코드들 및 코드 세그먼트들은 본 발명의 기술 분야의 당업자에 의해 용이하게 추론될 수 있을 것이다. 이러한 컴퓨터 프로그램은 컴퓨터가 읽을 수 있는 저장매체(Computer Readable Media)에 저장되어 컴퓨터에 의하여 읽혀지고 실행됨으로써, 본 발명의 실시예를 구현할 수 있다. 컴퓨터 프로그램의 저장매체로서는 자기 기록매체, 광 기록매체, 등이 포함될 수 있다.
또한, 이상에서 기재된 "포함하다", "구성하다" 또는 "가지다" 등의 용어는, 특별히 반대되는 기재가 없는 한, 해당 구성 요소가 내재될 수 있음을 의미하는 것이므로, 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것으로 해석되어야 한다. 기술적이거나 과학적인 용어를 포함한 모든 용어들은, 다르게 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 사전에 정의된 용어와 같이 일반적으로 사용되는 용어들은 관련 기술의 문맥 상의 의미와 일치하는 것으로 해석되어야 하며, 본 발명에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (7)

  1. 뇌파에 대응되는 어트랙터를 구성하는 단계;
    상기 어트랙터를 기반으로 알파파의 어트랙터 면적, 베타파의 어트랙터 면적, 및 뇌파 전체에 대한 어트랙터 면적을 산출하는 단계; 및
    상기 알파파의 어트랙터 면적 크기와 상기 베타파의 어트랙터 면적 크기를 기반으로 섬망 증상의 정도를 나타내는 섬망 지표를 산출 및 출력하는 단계를 포함하는 섬망 지표 데이터 제공 방법.
  2. 제1항에 있어서,
    상기 어트랙터를 구성하는 단계 이전에, 대리자료 방법(surrogate data method)을 통해 상기 뇌파의 유효성을 확인하는 단계를 더 포함하는 것을 특징으로 하는 섬망 지표 데이터 제공 방법.
  3. 제1항에 있어서, 상기 뇌파의 유효성을 확인하는 단계는
    대리자료 방법을 통해 상기 뇌파의 비선형성을 확인한 경우한 경우, 상기 뇌파가 유효하다고 판단하는 것을 특징으로 하는 섬망 지표 데이터 제공 방법.
  4. 제1항에 있어서, 상기 섬망 지표를 산출 및 출력하는 단계는
    "
    Figure 112015023422025-pat00004
    "의 식에 따라 섬망 지표를 산출하며,
    상기 indexdeirium은 섬망 지표, 상기 αfield는 알파파의 어트랙터 면적, 상기 βfield는 알파파의 어트랙터 면적, 상기 allfield는 뇌파 전체에 대한 어트랙터 면적, 상기 θ는 알파파의 어트랙터 면적에 대한 가중치, 상기 λ는 베타파의 어트랙터 면적에 대한 가중치를 각각 의미하는 것을 특징으로 하는 섬망 지표 데이터 제공 방법.
  5. 제1항 내지 제4항 중 어느 한 항에 기재된섬망 지표 데이터 제공 방법을 실행하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
  6. 뇌파에 대한 비선형을 확인한 후, 상기 뇌파를 비선형 동적 이론에 따라 분석하여 알파파의 어트랙터 면적, 베타파의 어트랙터 면적, 그리고 뇌파 전체에 대한 어트랙터 면적을 산출하는 비선형 신호 분석부; 및
    상기 알파파의 어트랙터 면적 크기와 상기 베타파의 어트랙터 면적 크기를 기반으로 섬망 증상의 정도를 나타내는 제1 섬망 지표를 산출 및 출력하는 섬망 지표 산출부를 포함하는 섬망 지표 데이터 제공 장치.
  7. 제6항에 있어서,
    상기 뇌파에 대한 독립 성분 분석을 수행하여 안구 움직임 값을 추출하는 안구 움직임 분석부를 더 포함하며,
    상기 섬망 지표 산출부는
    상기 안구 움직임에 대응되는 제2 섬망 지표를 추가 산출하고, 상기 제1 섬망 지표와 상기 제2 섬망 지표를 함께 고려하여 최종적인 섬망 지표를 산출 및 출력하는 기능을 더 포함하는 것을 특징으로 하는 섬망 지표 데이터 제공 장치.
KR1020150033326A 2015-03-10 2015-03-10 섬망 지표 데이터 제공 방법 및 장치 KR101633217B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150033326A KR101633217B1 (ko) 2015-03-10 2015-03-10 섬망 지표 데이터 제공 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150033326A KR101633217B1 (ko) 2015-03-10 2015-03-10 섬망 지표 데이터 제공 방법 및 장치

Publications (1)

Publication Number Publication Date
KR101633217B1 true KR101633217B1 (ko) 2016-06-23

Family

ID=56353526

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150033326A KR101633217B1 (ko) 2015-03-10 2015-03-10 섬망 지표 데이터 제공 방법 및 장치

Country Status (1)

Country Link
KR (1) KR101633217B1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2727745C1 (ru) * 2019-12-16 2020-07-23 Государственное бюджетное учреждение здравоохранения "Научно-исследовательский институт - краевая клиническая больница N 1 имени профессора С.В. Очаповского" Министерства здравоохранения Краснодарского края (ГБУЗ "НИИ-ККБ N1" МЗ КК) Способ прогнозирования послеоперационного делирия у пациентов пожилого возраста после торакальных операций
CN112312838A (zh) * 2018-06-15 2021-02-02 柯惠有限合伙公司 提供表明术后谵妄出现概率增大的参数的方法和装置
WO2022124862A1 (ko) * 2020-12-10 2022-06-16 가톨릭대학교 산학협력단 섬망 발생 여부 판단 장치 및 이를 이용한 섬망 발생 여부 판단 방법
CN116168840A (zh) * 2023-04-23 2023-05-26 北京大学人民医院 一种预测术后谵妄发生风险的方法、设备及系统
RU2815626C1 (ru) * 2023-05-22 2024-03-19 Федеральное государственное бюджетное научное учреждение "Научно-исследовательский институт комплексных проблем сердечно-сосудистых заболеваний" (НИИ КПССЗ) Способ прогнозирования послеоперационного делирия у детей при оперативной коррекции септальных врождённых пороков сердца в условиях искусственного кровообращения

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020015547A (ko) * 2000-08-22 2002-02-28 심규석 뇌파 분석을 통한 감성 치료용 정보 생성 방법 및 이에이용되는 뇌파 분석장치 및 감성 치료용 정보가 기록된기록매체
KR20110023872A (ko) * 2011-02-14 2011-03-08 인제대학교 산학협력단 뇌파 분석을 이용한 치매 진단 장치
KR20120139908A (ko) 2011-06-20 2012-12-28 가톨릭대학교 산학협력단 섬망 고위험군 예측모형 시스템 및 그 예측모형 방법, 및 그것을 이용한 섬망 고위험군 예측 시스템

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020015547A (ko) * 2000-08-22 2002-02-28 심규석 뇌파 분석을 통한 감성 치료용 정보 생성 방법 및 이에이용되는 뇌파 분석장치 및 감성 치료용 정보가 기록된기록매체
KR20110023872A (ko) * 2011-02-14 2011-03-08 인제대학교 산학협력단 뇌파 분석을 이용한 치매 진단 장치
KR20120139908A (ko) 2011-06-20 2012-12-28 가톨릭대학교 산학협력단 섬망 고위험군 예측모형 시스템 및 그 예측모형 방법, 및 그것을 이용한 섬망 고위험군 예측 시스템

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
논문;J NEUROPSYCHIATRY CLIN NEUROSIC *
논문;한국교원대학교 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112312838A (zh) * 2018-06-15 2021-02-02 柯惠有限合伙公司 提供表明术后谵妄出现概率增大的参数的方法和装置
RU2727745C1 (ru) * 2019-12-16 2020-07-23 Государственное бюджетное учреждение здравоохранения "Научно-исследовательский институт - краевая клиническая больница N 1 имени профессора С.В. Очаповского" Министерства здравоохранения Краснодарского края (ГБУЗ "НИИ-ККБ N1" МЗ КК) Способ прогнозирования послеоперационного делирия у пациентов пожилого возраста после торакальных операций
WO2022124862A1 (ko) * 2020-12-10 2022-06-16 가톨릭대학교 산학협력단 섬망 발생 여부 판단 장치 및 이를 이용한 섬망 발생 여부 판단 방법
CN116168840A (zh) * 2023-04-23 2023-05-26 北京大学人民医院 一种预测术后谵妄发生风险的方法、设备及系统
CN116168840B (zh) * 2023-04-23 2023-12-22 北京大学人民医院 一种预测术后谵妄发生风险的方法、设备及系统
RU2815626C1 (ru) * 2023-05-22 2024-03-19 Федеральное государственное бюджетное научное учреждение "Научно-исследовательский институт комплексных проблем сердечно-сосудистых заболеваний" (НИИ КПССЗ) Способ прогнозирования послеоперационного делирия у детей при оперативной коррекции септальных врождённых пороков сердца в условиях искусственного кровообращения

Similar Documents

Publication Publication Date Title
Acı et al. Distinguishing mental attention states of humans via an EEG-based passive BCI using machine learning methods
Lin et al. Advanced artificial intelligence in heart rate and blood pressure monitoring for stress management
AU2022201530A1 (en) Apparatus, systems and methods for predicting, screening and monitoring of encephalopathy/delirium
KR102129730B1 (ko) 인공지능 기반의 환자상태 예측 장치 및 이를 이용한 환자상태 예측 방법
Wu et al. Evaluating physiological dynamics via synchrosqueezing: Prediction of ventilator weaning
Oletic et al. Low-power wearable respiratory sound sensing
KR101633217B1 (ko) 섬망 지표 데이터 제공 방법 및 장치
WO2016029166A1 (en) Automated diagnosis based at least in part on pulse waveforms
JP2018521830A (ja) 注意欠陥を監視し改善する方法およびシステム
Tsang et al. Application of machine learning algorithms for asthma management with mHealth: a clinical review
Cernea et al. EEG-based measurement of subjective parameters in evaluations
Twose et al. Early-warning signals for disease activity in patients diagnosed with multiple sclerosis based on keystroke dynamics
KR102461646B1 (ko) 뇌파 검사 데이터에 대한 전이 학습 기반의 증강데이터 생성방법
Du et al. Deep learning-based mental health monitoring scheme for college students using convolutional neural network
Deng et al. SparNet: a convolutional neural network for EEG space-frequency feature learning and depression discrimination
Sood Performance analysis of classifiers for seizure diagnosis for single channel EEG data
González et al. Poincaré plot analysis of cerebral blood flow signals: Feature extraction and classification methods for apnea detection
Dziuda et al. Evaluation of a fatigue detector using eye closure-associated indicators acquired from truck drivers in a simulator study
US20190159713A1 (en) System and method for evaluating mental disease treatment contents using complex biometric information
KR20120082689A (ko) 뇌파 신호 동기화 수준을 이용한 정신분열병 고위험군 진단의 정량화 방법, 장치, 및 컴퓨터로 읽을 수 있는 매체
Sarlabous et al. Development and validation of a sample entropy-based method to identify complex patient-ventilator interactions during mechanical ventilation
JP2020203032A (ja) 脳症判定プログラム、脳症判定方法および情報処理装置
JP2013192719A (ja) 解析装置、解析プログラムおよび解析方法
Hwa et al. Stroke detection based on the scaling properties of human EEG
Zhang et al. EEG-based real-time diagnostic system with developed dynamic 2TEMD and dynamic ApEn algorithms

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20190520

Year of fee payment: 4