KR101796055B1

KR101796055B1 - 다중 뇌 연결망 구축을 통한 뇌 상태 모니터링 방법 및 장치

Info

Publication number: KR101796055B1
Application number: KR1020160068885A
Authority: KR
Inventors: 이성환; 감태의; 석흥일
Original assignee: 고려대학교 산학협력단
Priority date: 2016-06-02
Filing date: 2016-06-02
Publication date: 2017-11-10

Abstract

본 발명에 따르는, 컴퓨터 장치에 의해 수행되는, 다중 뇌 연결망 구축을 통한 뇌 상태 모니터링 방법은 (a) 시간에 따른 피검체의 뇌 영상 데이터를 획득하는 단계; (b) 상기 뇌 영상 데이터로부터 각 뇌 영역에 대한 뇌 신호를 검출하는 단계; (c) 상기 각 뇌 영역에 대한 뇌 신호들 간의 상관도 분석을 수행하고, 상기 상관도에 기초하여 복수의 뇌 연결망을 생성하는 단계; (d) 상기 복수의 뇌 연결망의 비교를 통해, 각 뇌 연결망마다 뇌 연결망을 대표하는 특징점 및 특징값을 추출하는 단계; 및 (e) 상기 각 뇌 연결망에 대한 상기 특징점 및 특징값을 시각화한 데이터를 디스플레이 모듈을 통해 제공하는 단계를 포함한다.

Description

다중 뇌 연결망 구축을 통한 뇌 상태 모니터링 방법 및 장치{METHOD AND DEVICE FOR MONITORING BRAIN STATUS BY CONSTRUCTING MULTIPLE BRAIN NETWORKS}

본 발명은 다중 뇌 연결망 구축을 통한 뇌 상태 모니터링 방법 및 장치에 관한 것으로서, 보다 상세하게는, 뇌의 기능적 이상상태를 효과적으로 모니터링할 수 있도록 하는 다중 뇌 연결망 구축을 통한 뇌 상태 모니터링 방법 및 장치에 관한 것이다.

뇌파나 뇌혈관 내 산소포화도 등의 측정을 통해, 뇌의 각 영역의 활성화도를 분석하고 이를 기반으로 뇌의 기능적 역할을 분석하는 기술은 지속적으로 연구되어 왔다. 최근 들어, 이러한 데이터를 기반으로 뇌의 기능적 연결망을 구축하고 이러한 연결망의 변화를 분석함으로써, 알츠하이머 병, 자폐증, 조현병과 같은 뇌질환에 따라 발생하는 뇌의 기능적 이상 상태를 모니터링하는 기술이 주목을 받고 있다.

뇌의 기능적 이상 상태를 모니터링하는 기술을 구현하기 위해서는 다양한 비침습적 뇌 활성화도 측정 기술과 뇌 활성화도를 분석하는 기계학습 기술, 그리고 분석 결과를 시각화하는 기술의 활용이 요구된다.

한편, 뇌파 측정을 통해 뇌 피질리듬의 활동상황을 모니터링하기 위한 종래의 기술로서, 한국 등록특허 제10-0911731호 (등록공고일 : 2009.08.10, 발명의 명칭: 뇌파기반 피질리듬활동 모니터링 시스템)가 있다. 하지만 이 기술의 경우, 뇌의 연결성을 모니터링하는 것이 아니라, 단순히 개별 뇌 영역에서의 활성화정도를 측정 및 모니터링하기 때문에, 보다 고차원적인 뇌의 기능을 이해하기에는 한계점을 가지고 있다. 이러한 한계점을 해결하기 위해, 한국 등록특허 제10-1087580호 (등록공고일 : 2011.11.28, 발명의 명칭: 뇌파 기반 실시간 기능적 피질 연결성 모니터링 시스템)에서 개별 뇌 영역의 활성화를 모니터링하는 것이 아닌, 뇌의 기능적 연결성을 모니터링 하는 기술이 제안되었다. 하지만 이 기술의 경우에도, 뇌 전체 영역에 대해 하나의 연결망만을 구성하였으며, 단순히 영역 간 연결성을 시각화할 뿐, 각 연결망에서의 주요 특징점이나 특징값들을 검출하고 시각화하는데 있어서는 한계점을 보이고 있다.

본 발명은 보다 정밀하게 뇌의 기능적 이상 상태를 분석하기 위해, 다중 뇌 연결망을 구성하고, 이를 기반으로 뇌의 이상상태를 모니터링하는 기술을 제공하는 것을 목적으로 한다.

보다 구체적으로, 본 발명은 다중 뇌 연결망에 대하여 뇌의 이상 상태와 관련성이 높은 특징점 및 특징값을 검출하며, 각 뇌 연결망에 따라 서로 다른 창에 시각화함으로써, 각각의 뇌 연결망을 모니터링할 수 있는 기술을 제공하는 것을 목적으로 한다.

본 발명의 제 1 실시예에 따르는, 컴퓨터 장치에 의해 수행되는, 다중 뇌 연결망 구축을 통한 뇌 상태 모니터링 방법은 (a) 시간에 따른 피검체의 뇌 영상 데이터를 획득하는 단계; (b) 상기 뇌 영상 데이터로부터 각 뇌 영역에 대한 뇌 신호를 검출하는 단계; (c) 상기 각 뇌 영역에 대한 뇌 신호들 간의 상관도 분석을 수행하고, 상기 상관도에 기초하여 복수의 뇌 연결망을 생성하는 단계; (d) 상기 복수의 뇌 연결망의 비교를 통해, 각 뇌 연결망마다 뇌 연결망을 대표하는 특징점 및 특징값을 추출하는 단계; 및 (e) 상기 각 뇌 연결망에 대한 상기 특징점 및 특징값을 시각화한 데이터를 디스플레이 모듈을 통해 제공하는 단계를 포함한다.

본 발명의 제 2 실시예에 따르는, 다중 뇌 연결망 구축을 통한 뇌 상태 모니터링 장치는, 다중 뇌 연결망 구축을 통한 뇌 상태 모니터링 방법을 수행하기 위한 메모리; 및 상기 프로그램을 수행하는 프로세서;를 포함하며, 상기 프로세서는, 상기 프로그램의 실행에 따라, 시간에 따른 피검체의 뇌 영상 데이터를 획득하고, 상기 뇌 영상 데이터로부터 각 뇌 영역에 대한 뇌 신호를 검출하며, 상기 각 뇌 영역에 대한 뇌 신호들 간의 상관도 분석을 수행하고, 상기 상관도에 기초하여 복수의 뇌 연결망을 생성하며, 상기 복수의 뇌 연결망의 비교를 통해, 각 뇌 연결망마다 뇌 연결망을 대표하는 특징점 및 특징값을 추출하고, 상기 각 뇌 연결망에 대한 상기 특징점 및 특징값을 시각화한 데이터를 디스플레이 모듈을 통해 제공한다.

기존의 뇌 연결망 모니터링 시스템의 경우, 뇌 전체에 대하여 하나의 뇌 연결망을 구축하고 이를 시각화함으로써, 뇌의 각 기능 별 연결망을 모니터링하기 어려웠으며, 뇌 연결망과 이상 상태와의 관련성을 도출하기도 어렵다는 문제점이 있었다.

이러한 종래의 문제점을 해결하기 위하여, 본 발명은 단순히 하나의 뇌 연결망을 시각화하는 것이 아니라, 뇌의 각 기능에 따라 서로 다른 뇌 연결망을 구성하여 다중 뇌 연결망을 구축하고 각 뇌 연결망에서 이상 상태를 나타내는 특징점과 특징값들을 기초로 이상 상태를 분류한다. 또한, 검출한 특징점 및 특징값들을 각 뇌 연결망에 따라 서로 다른 창에 모니터링 가능하게 시각화함으로써, 사용자가 환자의 뇌의 이상 상태를 보다 정밀하게 모니터링하도록 제공할 수 있다. 이를 통해, 뇌 질환을 진단하는 것 뿐만 아니라, 뇌의 다양한 기능적 역할을 분석하는 등에 있어서 효과적인 데이터를 제공할 수 있다.

도 1은 본 발명의 일 실시예에 따르는 다중 뇌 연결망 구축을 통한 뇌 상태 모니터링 시스템의 구조도이다.
도 2는 본 발명의 일 실시예에 따르는 다중 뇌 연결망 구축을 통한 뇌 상태 모니터링 장치의 구성요소에 관한 블록도이다.
도 3은 피검체의 뇌 영상 데이터의 예시에 해당하는 자기공명영상이다.
도 4는 연결망 메트릭스, 대표 연결망 메트릭스, 그리고 단일 시드(seed_ 연결망 간의 관계를 설명하기 위한 개념도이다.
도 5는 다중 뇌 연결망에 대한 특징점 및 특징값이 시각화된 사용자 인터페이스의 예시도이다.
도 6은 본 발명의 일 실시예에 따르는 다중 뇌 연결망 구축을 통한 뇌 상태 모니터링 방법을 설명하기 위한 순서도이다.

아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.

본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다. 한편, '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, '~부'는 어드레싱 할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.

이하에서 언급되는 "뇌 상태 모니터링 장치"는 네트워크를 통해 서버나 타 단말에 접속할 수 있는 컴퓨터나 휴대용 단말기로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(desktop), 랩톱(laptop) 등을 포함하고, 휴대용 단말기는 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet), LTE(Long Term Evolution) 통신 기반 단말, 스마트폰, 태블릿 PC 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다. 또한, "네트워크"는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN) 또는 부가가치 통신망(Value Added Network; VAN) 등과 같은 유선 네트워크나 이동 통신망(mobile radio communication network) 또는 위성 통신망 등과 같은 모든 종류의 무선 네트워크로 구현될 수 있다.

이하, 도면을 참조하여, 본 발명의 일 실시예에 대하여 구체적으로 설명하도록 한다.

도 1을 참조하면, 본 발명의 일 실시예에 따르는 시스템은 뇌 영상 측정기기(100), 뇌 상태 모니터링 장치(200), 디스플레이 모듈(300)을 포함한다.

뇌 영상 측정기기(100)는 피검체의 뇌 영상 데이터를 측정한다. 예를 들어, 자기공명영상장치일 수 있다.

뇌 상태 모니터링 장치(200)는 뇌 영상 측정기기(100)와 무선 또는 유선으로 연결되어 뇌 영상 데이터를 수신하고, 뇌 영상 데이터를 분석하여 다중 뇌 연결망을 구성한다. 그리고, 다중 뇌 연결망에서 이상상태를 나타내는 특징점 및 특징값들을 추출하여, 시각화를 수행한다.

시각화된 영상은 디스플레이 모듈(300)을 통해 사용자에게 제공된다.

이와 같이, 다중 뇌 연결망을 구성하고, 각각의 뇌 연결망에 대한 시각화된 데이터를 사용자에게 제공함으로써, 사용자가 손 쉽게 뇌의 여러 영역에서의 이상 상태 발현을 효과적으로 관측할 수 있다.

이하, 도 2를 참조하여, 본 발명의 일 실시예에 따르는 뇌 영상 모니터링 장치(200)의 구성에 대하여 구체적으로 설명하도록 한다. 뇌 영상 모니터링 장치(200)는 다중 뇌 연결망 구축을 통한 뇌 상태 모니터링 방법을 수행하기 위한 프로그램(또는 애플리케이션)이 저장된 메모리와 위 프로그램을 실행하는 프로세서를 포함하여 구성될 수 있다. 여기서 프로세서는 메모리에 저장된 프로그램의 실행에 따라 다양한 기능을 수행할 수 있는데, 각 기능에 따라 프로세서에 포함되는 세부 모듈들을 뇌 영상 데이터 수신부(210), 뇌 신호 검출부(220), 다중 뇌 연결망 생성부(230), 특징 추출부(240) 및 시각화부(250)로 나타낼 수 있다.

먼저, 뇌 영상 데이터 수신부(210)는 외부 장치로부터 뇌 영상 데이터를 수신한다. 뇌 영상 데이터는 뇌의 기능적 활성화 정도를 나타내는 영상 데이터이다. 예를 들어, 뇌 영상 데이터는 도 3과 같은, 기능성 자기공명 영상(functional Magnetic Resonance Imaging: fMRI) 데이터일 수 있다. 그리고 뇌 영상 데이터 수신부(210)는 피검체의 측정시간 동안 시간에 따라 순차적으로 뇌 영상 데이터를 수집한다.

뇌 신호 검출부(220)는 뇌 영상 데이터로부터 각 뇌 영역에 대한 뇌 신호를 검출한다. 뇌는 복수의 영역으로 구분되어 규정될 수 있다. 이때, 뇌 신호 검출부(220)는 뇌 영상 데이터 전처리하고, 이로부터 각 뇌 영역에 대한 신호로 변환하여 뇌 신호를 검출한다.

구체적으로, 뇌 신호 검출부(220)는 전처리 단계에서 사용자의 머리 움직임 등으로 인해 발생한 각종 잡음을 제거한다. 그리고, 뇌 신호 검출부(220)는 잡음이 제거된 뇌 영상 데이터를 표준화된 뇌 모델(예를 들어, Automated Anatomical Labeling)에 적용하여 R(>1, 정수)개의 관심 뇌 영역(Regions of Interest: ROIs)마다 구분한다. 그 후, 각 관심 뇌 영역별로 활성화 정도에 대한 평균값을 구하는 방식 등으로 대표값을 검출한다. 뇌 영상 데이터 수신부(210)에서 시간에 따라 뇌 영상 데이터를 수신하였기 때문에, 각 뇌 영역 별로 시간에 따라 대표값이 검출된다. 각 대표값들을 시간축을 기준으로 순차적으로 나열하여 결합할 경우, 시간에 따른 대표값의 집합이 하나의 뇌 신호로 검출되며, 이에 따라 각 뇌 영역 마다 하나의 뇌 신호가 검출될 수 있다. 이러한 전처리를 통해, 뇌 영상 데이터는 R개의 뇌 신호로 변환될 수 있다.

다중 뇌 연결망 생성부(230)는 각 뇌 영역의 뇌 신호들 간의 상관도 분석을 수행하고 상관도에 기초하여 복수의 뇌 연결망을 생성한다.

구체적으로, 다중 뇌 연결망 생성부(230)는 전체 뇌 영역들 중 임의의 두 개의 뇌 영역 쌍을 선택하는 작업을 각 뇌 영역 마다 수행하고, 각 뇌 영역 쌍에 대한 뇌 신호들 간의 상관도 분석을 수행한다. 그 분석 결과에 따라 뇌 신호들 간 유사도값을 측정하되, 전체 뇌 신호에 대하여 수행함으로써 복수의 유사도값을 추출한다. 이어서, 다중 뇌 연결망 생성부(230)는 복수의 유사도값을 각각의 성분으로 포함하는 매트릭스를 각 피검체마다 생성한다. 이에 따라, 1명의 피검체마다 1개의 R X R 크기의 매트릭스가 생성될 수 있다. 매트릭스의 행과 열은 각각 하나의 뇌 영역을 나타낸다. 즉, 메트릭스의 (i,j)의 값은 뇌 영역 i와 뇌 영역 j 간의 연결성 값을 나타내게 된다.

이어서, 다중 뇌 연결망 생성부(230)는 피검체의 특성에 따라 복수의 매트릭스를 피검체 그룹 별로 분류한다. 여러 명의 피검체를 대상으로 측정을 수행할 경우, 복수의 매트릭스가 수집될 수 있는데, 피검체의 뇌상태 특성(즉, 피검체가 정상인 또는 뇌질환 환자인지 여부)에 따라, 도 4의 1단계와 같이 복수의 매트릭스를 그룹 별로 분류한다. 도 4의 1단계에서 그룹1은 정상인들의 매트릭스가 수집된 것을 나타내며, 그룹 2는 뇌질환 환자의 매트릭스가 수집된 것을 나타낸다.

그리고 다중 뇌 연결망 생성부(230)는 도 4의 2단계와 같이, 각 피검체 그룹에 포함된 매트릭스를 평균하여 피검체 그룹을 대표하는 그룹 매트릭스를 생성한다. 예를 들어, 정상인 그룹, 뇌질환 환자 그룹 등 각 그룹 마다 1개씩의 그룹 매트릭스가 생성된다. 그룹 매트릭스에서 하나의 행벡터는 하나의 대표 뇌 영역(seed)과 다른 뇌 영역들과의 유사도(즉, 연결성)을 나타낸다. 이때의 행 벡터를 하나의 뇌 연결망으로 정의할 수 있다. 이러한 방식으로 각 그룹마다 복수의 뇌 연결망이 정의될 수 있다.

이어서, 다중 뇌 연결망 생성부(230)는 도 4의 3 단계와 같이, 각 뇌 연결망에 대한 계층적 군집화 (hierarchical clustering)를 수행하고, 복수의 뇌 연결망을 그룹핑하여, 적어도 하나의 연결망 군집을 구성한다. 구체적으로, 다중 뇌 연결망 생성부(230)는 행벡터 간의 유사도값을 측정하고, 유사도값의 차이가 미리 설정된 범위 이내인(즉, 유사성이 높은) 복수의 뇌 연결망들을 그룹핑한다. 그 결과, 복수의 뇌 연결망들을 포함하는 연결망 군집이 적어도 하나 이상 생성되며, 각 연결망 군집을 하나의 복합 뇌 연결망으로 정의할 수 있다. 그에 따라, 다중 복합 뇌 연결망을 구축하게 되며, 다르게 표현하여 복수의 뇌 연결망 또는 다중 뇌 연결망이라 지칭할 수도 있다.

특징 추출부(240)는 복수의 뇌 연결망의 비교를 통해 각 뇌 연결망마다 뇌 연결망을 대표하는 특징점 및 특징값을 추출한다. 특징 추출부(240)는 각각의 뇌 연결망에 Deep Boltzmann Machine (DBM) 등의 딥러닝 기계학습 기법을 적용하여, 임의의 두 개의 피검체 그룹(예를 들어, 정상인 vs. 특정 뇌질환 환자) 간에 뚜렷한 차이를 보이는 특징을 검출한다. 구체적으로, 특징 추출부(240)는 복수의 뇌 연결망을 구성하는 행벡터들을 비교하여 각 뇌 연결망을 대표하는 특징점을 검출한다. 특징점은 뇌 영역 내에서의 위치에 대한 값으로서, 두 그룹을 구분할 수 있는 포인트가 될 수 있다. 그리고 특징점에서의 수치를 특징값으로 추출할 수 있다.

이어서, 특징 추출부(240)는 각 뇌 연결망마다, 기존에 수집된 특징값들에 대해 Support Vector Machine (SVM) 등의 기계학습 기반 분류기로 학습을 수행한다. 구체적으로, 특징 추출부(240)는 각 특징값이 뇌 연결망에 매칭되는 것으로 판단하기 위한 확률값을 뇌 연결망마다 결정한다. 이어서, 각 뇌 연결망마다 분류기를 할당하고, 결정된 확률값을 각 뇌 연결망의 분류기의 가중치로 할당한다.

이때, 학습된 특징 추출부(240)에 신규 특징값이 입력될 경우, 해당 특징값이 어느 그룹에 포함되는지를 확률적으로 결정할 수 있다. 구체적으로, 신규 특징값에 대하여 각 뇌 연결망의 분류기 및 가중치를 기초로 연산을 수행한다. 그리고 각 분류기에서 출력된 연산결과를 종합하여 최종적으로 신규 특징값이 어느 뇌 연결망에 대응되는 것인지 판단할 수 있다. 특히, 각 분류기에서의 결과값과 해당 분류기의 가중치를 가중합하여 하나의 통합된 결과를 도출함으로써 연산결과를 종합할 수도 있다.

시각화부(250)는 각 뇌 연결망에 대한 특징점 및 특징값을 시각화한 데이터를 디스플레이 모듈(300)을 통해 제공할 수 있다. 구체적으로, 시각화부(250)는 도 5와 같이 각 뇌 연결망마다 다른 윈도우를 생성하고, 각 윈도우에 대응하는 하나의 뇌 연결망에 대한 특징점 및 특징값을 시각화할 수 있다. 각 윈도우마다 2차원 뇌 이미지가 표시되고, 각 뇌 영역마다 소정의 점들이 표시되는 데, 그중 이상 상태를 나타내는 특징점은 특징점1, 특징점 k 등과 같이 식별요소와 함께 구분되어 표시될 수 있다.

또한, 시각화된 윈도우 데이터는 특징점의 위치 외에도 특징점이 갖는 특징값, 분류기의 확률값 및 분류기에 의한 분류결과를 포함할 수 있다. 특징값은 수치 범위로 제시될 수 있으며, 레인보우 색상을 갖는 바(bar)와 같은 형태를 통해 수치 범위를 나타낼 수 있다. 또한, 분류기의 확률값 및 분류결과에 따른 피검체 그룹의 종류는 각 윈도우의 일 영역에 표시될 수 있다.

이하, 도 6을 참조하여, 본 발명의 일 실시예에 따르는 다중 뇌 연결망 구축을 통한 뇌 상태 모니터링 방법에 대하여 구체적으로 설명하도록 한다.

이하의 방법은, 상술한 장치(200)에 의해 수행되는 것이므로, 이하에서 생략된 내용이 있더라도 상술한 설명으로 갈음하도록 한다.

먼저, 뇌 상태 모니터링 장치(200)는 시간에 따른 피검체의 뇌 영상 데이터를 획득한다(S110).

이어서, 상기 장치(200)는 뇌 영상 데이터로부터 각 뇌 영역에 대한 뇌 신호를 검출한다(S120).

그리고 상기 장치(200)는 각 뇌 영역에 대한 뇌 신호들 간의 상관도 분석을 수행하고, 상관도에 기초하여 복수의 뇌 연결망을 생성한다(S130). 구체적으로, 상관도 분석에 따른 각 뇌 신호들간의 연결성값들을 하나의 매트릭스로 표현함으로써, 각 피검체마다 하나의 매트릭스를 생성한다. 이후, 매트릭스들을 피검체의 뇌 특성에 따라 분류함으로써, 그룹 매트릭스를 정의한다. 그룹 매트릭스들을 하나의 대표 매트릭스로 정의한 후, 대표 매트릭스 내에 포함된 행벡터들을 하나의 뇌 연결망으로 간주함으로써 복수의 뇌 연결망을 생성할 수 있다.

상기 장치(200)는 복수의 뇌 연결망의 비교를 통해 각 뇌 연결망마다 뇌 연결망을 대표하는 특징점 및 특징값을 추출한다(S140).

마지막으로, 상기 장치(200)는 특징점 및 특징값을 시각화한 데이터를 디스플레이 모듈(300)을 통해 제공할 수 있다(S150).

본 발명의 일 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체 및 통신 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 통신 매체는 전형적으로 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈, 또는 반송파와 같은 변조된 데이터 신호의 기타 데이터, 또는 기타 전송 메커니즘을 포함하며, 임의의 정보 전달 매체를 포함한다.

본 발명의 방법 및 시스템은 특정 실시예와 관련하여 설명되었지만, 그것들의 구성 요소 또는 동작의 일부 또는 전부는 범용 하드웨어 아키텍쳐를 갖는 컴퓨터 시스템을 사용하여 구현될 수 있다.

전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.

본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

100: 뇌 영상 측정기기 200: 뇌 상태 모니터링 장치
210 : 뇌 영상 데이터 수신부 220 : 뇌 신호 검출부
230 : 다중 뇌 연결망 생성부 240 : 특징 추출부
250 : 시각화부 300 : 디스플레이 모듈

Claims

컴퓨터 장치에 의해 수행되는, 다중 뇌 연결망 구축을 통한 뇌 상태 모니터링 방법에 있어서,
(a) 시간에 따른 피검체의 뇌 영상 데이터를 획득하는 단계;
(b) 상기 뇌 영상 데이터로부터 각 뇌 영역에 대한 뇌 신호를 검출하는 단계;
(c) 상기 각 뇌 영역에 대한 뇌 신호들 간의 상관도 분석을 수행하고, 상기 상관도에 기초하여 복수의 뇌 연결망을 생성하는 단계;
(d) 상기 복수의 뇌 연결망의 비교를 통해, 각 뇌 연결망마다 뇌 연결망을 대표하는 특징점 및 특징값을 추출하는 단계; 및
(e) 상기 각 뇌 연결망에 대한 상기 특징점 및 특징값을 시각화한 데이터를 디스플레이 모듈을 통해 제공하는 단계를 포함하되,
상기 (c) 단계는
(c-1) 상기 각 뇌 영역의 뇌 신호들 간의 유사도 값을 추출하고, 상기 유사도값을 기초로 각 피검체마다 매트릭스를 생성하는 단계;
(c-2) 상기 각 피검체마다 생성되어 수집된 복수의 매트릭스들을 상기 피검체의 특성에 따라 피검체 그룹 별로 분류하여 각 피검체 그룹을 대표하는 뇌 연결망을 구성하는 단계; 및
(c-3) 미리 설정된 기준에 따라 상기 뇌 연결망을 그룹핑하여 적어도 하나의 연결망 군집을 구성하는 단계를 포함하는 것인 다중 뇌 연결망 구축을 통한 뇌 상태 모니터링 방법.
제 1 항에 있어서,
상기 뇌 영상 데이터는,
기능성 자기공명 영상(functional Magnetic Resonance Imaging: fMRI)을 포함하는, 다중 뇌 연결망 구축을 통한 뇌 상태 모니터링 방법.
제 1 항에 있어서,
상기(b) 단계는,
(b-1) 상기 뇌 영상 데이터에 대한 전처리를 수행하는 단계; 및
(b-2) 상기 전처리된 데이터로부터 상기 각 뇌 영역에 대한 뇌 신호를 검출하는 단계;를 포함하는, 다중 뇌 연결망 구축을 통한 뇌 상태 모니터링 방법.
제 3 항에 있어서,
상기 (b-1) 단계는,
상기 피검체의 머리 움직임으로 인해 발생된 잡음을 제거하는 단계; 및
상기 잡음이 제거된 뇌 영상 데이터를 각 뇌 영역마다 구분하는 단계;를 포함하며,
상기 (b-2) 단계는,
상기 각 뇌 영역의 뇌 영상 데이터에 대하여, 시간 별로 대표값을 검출하고 상기 대표값을 시간축에 따라 결합함으로써 상기 뇌 신호를 검출하는 단계를 포함하는, 다중 뇌 연결망 구축을 통한 뇌 상태 모니터링 방법.
삭제
제 1 항에 있어서,
상기 (c-1) 단계는,
임의의 두 개의 뇌 영역 쌍에 대한 뇌 신호들 간의 상관도 분석을 수행하여, 뇌 신호 간 유사도값을 측정하되, 전체 뇌 신호에 대하여 수행함으로써 복수의 유사도값을 추출하는 단계; 및
상기 복수의 유사도값을 성분으로 하는 매트릭스를 각 피검체마다 생성하는 단계;를 포함하는, 다중 뇌 연결망 구축을 통한 뇌 상태 모니터링 방법.
제 1 항에 있어서,
상기 (c-2) 단계는,
상기 피검체의 특성에 따라 복수의 매트릭스를 피검체 그룹 별로 분류하고, 각 피검체 그룹에 포함된 매트릭스를 평균하여 피검체 그룹을 대표하는 그룹 매트릭스를 생성하는 단계; 및
상기 그룹 매트릭스의 각 행에 포함된 성분들을 기초로 행벡터를 구성하여 뇌 연결망을 생성하는 단계; 를 포함하는, 다중 뇌 연결망 구축을 통한 뇌 상태 모니터링 방법.
제 7 항에 있어서,
상기 (c-3) 단계는,
상기 행벡터 간의 유사도값을 측정하고, 상기 유사도값의 차이가 미리 설정된 범위 이내인 복수의 뇌 연결망들을 그룹핑하여, 적어도 하나의 연결망 군집을 구성하는 단계; 를 포함하는, 다중 뇌 연결망 구축을 통한 뇌 상태 모니터링 방법.
제 7 항에 있어서,
상기 (d) 단계는,
상기 복수의 뇌 연결망을 구성하는 행벡터들을 비교하여, 각 뇌 연결망을 대표하는 특징점을 검출하는 단계; 및
상기 특징점에서의 수치를 특징값으로 추출하는 단계;를 포함하는, 다중 뇌 연결망 구축을 통한 뇌 상태 모니터링 방법.
제 1 항에 있어서,
(f) 상기 (d) 단계 후, 상기 특징값에 대하여 기계학습 기반의 분류기로 학습을 수행하는 단계를 더 포함하는, 다중 뇌 연결망 구축을 통한 뇌 상태 모니터링 방법.
제 10 항에 있어서,
상기 (f) 단계는,
(f-1) 기존에 수집된 특징값들을 기초로 상기 분류기에 대한 기계학습을 수행하는 단계; 및
(f-2) 신규 특징값이 입력될 경우, 상기 신규 특징값에 대응하는 뇌 연결망을 상기 분류기를 통해 결정하는 단계;를 포함하는, 다중 뇌 연결망 구축을 통한 뇌 상태 모니터링 방법.
제 11 항에 있어서,
상기 (f-1) 단계는,
각 특징값이 뇌 연결망에 매칭되는 것으로 판단되기 위한 확률값을 각 뇌 연결망마다 결정하는 단계; 및
상기 각 뇌 연결망마다 상기 분류기를 할당하고, 상기 확률값을 각 뇌 연결망의 분류기의 가중치로 할당하는 단계; 를 포함하는, 다중 뇌 연결망 구축을 통한 뇌 상태 모니터링 방법.
제 11 항에 있어서,
상기 (f-2) 단계는,
상기 신규 특징값에 대하여 각 뇌연결망의 분류기 및 가중치를 기초로 연산을 수행하고, 상기 각 분류기의 연산결과를 종합하여 상기 신규 특징값이 어느 뇌 연결망에 대응되는 것인지 판단하는 단계를 포함하는, 다중 뇌 연결망 구축을 통한 뇌 상태 모니터링 방법.
제 1항에 있어서,
상기 (e) 단계는,
상기 각 뇌 연결망마다 다른 윈도우를 생성하고, 각 윈도우에 대응하는 하나의 뇌 연결망에 대한 특징점 및 특징값을 시각화하는 단계;를 포함하는, 다중 뇌 연결망 구축을 통한 뇌 상태 모니터링 방법.
제 1항에 있어서,
상기 시각화한 데이터 상에서, 상기 특징점은 다른 특징점들과 함께 2차원 이미지 상에서 표시되되, 상기 다른 특징점들과 구분되도록 표시되는, 다중 뇌 연결망 구축을 통한 뇌 상태 모니터링 방법.
제 12항에 있어서,
상기 시각화한 데이터는,
상기 각 뇌 연결망의 특징점의 위치, 상기 특징점이 갖는 특징값, 상기 분류기의 확률값 및 상기 분류기에 의한 분류 결과를 포함하는 것인, 다중 뇌 연결망 구축을 통한 뇌 상태 모니터링 방법.
다중 뇌 연결망 구축을 통한 뇌 상태 모니터링 장치에 있어서,
다중 뇌 연결망 구축을 통한 뇌 상태 모니터링 방법을 수행하기 위한 프로그램이 저장된 메모리; 및
상기 프로그램을 수행하는 프로세서;를 포함하며,
상기 프로세서는, 상기 프로그램의 실행에 따라,
시간에 따른 피검체의 뇌 영상 데이터를 획득하고,
상기 뇌 영상 데이터로부터 각 뇌 영역에 대한 뇌 신호를 검출하며,
상기 각 뇌 영역의 뇌 신호들 간의 유사도 값을 추출하고, 상기 유사도 값을 기초로 각 피검체마다 매트릭스를 생성하고, 상기 각 피검체마다 생성되어 수집된 복수의 매트릭스들을 상기 피검체의 특성에 따라 피검체 그룹 별로 분류하여 각 피검체 그룹을 대표하는 뇌 연결망을 구성하며, 미리 설정된 기준에 따라 상기 뇌 연결망을 그룹핑하여 복수의 뇌 연결망을 구성하고,
상기 복수의 뇌 연결망의 비교를 통해, 각 뇌 연결망마다 뇌 연결망을 대표하는 특징점 및 특징값을 추출하고,
상기 각 뇌 연결망에 대한 상기 특징점 및 특징값을 시각화한 데이터를 디스플레이 모듈을 통해 제공하는, 다중 뇌 연결망 구축을 통한 뇌 상태 모니터링 장치.