KR101939611B1 - Method and Apparatus for Matching Brain Function - Google Patents
Method and Apparatus for Matching Brain Function Download PDFInfo
- Publication number
- KR101939611B1 KR101939611B1 KR1020170087552A KR20170087552A KR101939611B1 KR 101939611 B1 KR101939611 B1 KR 101939611B1 KR 1020170087552 A KR1020170087552 A KR 1020170087552A KR 20170087552 A KR20170087552 A KR 20170087552A KR 101939611 B1 KR101939611 B1 KR 101939611B1
- Authority
- KR
- South Korea
- Prior art keywords
- brain
- brain function
- dimensional
- connectivity
- function signal
- 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
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
-
- A61B5/04012—
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
-
- A61B5/0478—
-
- A61B5/048—
-
- A61B5/0482—
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/25—Bioelectric electrodes therefor
- A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
- A61B5/291—Bioelectric electrodes therefor specially adapted for particular uses for electroencephalography [EEG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/372—Analysis of electroencephalograms
- A61B5/374—Detecting the frequency distribution of signals, e.g. detecting delta, theta, alpha, beta or gamma waves
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/375—Electroencephalography [EEG] using biofeedback
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- High Energy & Nuclear Physics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
Description
본 실시예가 속하는 기술 분야는 타인 간에 뇌 활성 또는 기능적 연결성을 정합하는 방법 및 장치에 관한 것이다.The technical field to which this embodiment pertains is a method and apparatus for matching brain activity or functional connectivity among others.
이 부분에 기술된 내용은 단순히 본 실시예에 대한 배경 정보를 제공할 뿐 종래기술을 구성하는 것은 아니다.The contents described in this section merely provide background information on the present embodiment and do not constitute the prior art.
트라우마(Trauma)는 의학 용어로 외상을 의미하며, 심리학에서는 정신적 외상 또는 영구적인 정신 장애를 남기는 충격을 의미한다. 일반인의 경우 뇌의 편도와 해마가 외부 정보를 협업하여 처리하고 저장한다. 여기서 편도는 무의식, 해마는 의식과 관련된 반응과 기억을 담당한다. 트라우마가 생기면, 편도 및 해마의 협업 시스템이 붕괴된다. 트라우마는 선명한 시각적 이미지를 동반하는 일이 많고 이러한 이미지가 장기 기억되어, 사고 당시와 비슷한 상황이 되었을 때 환자의 심리적 상태를 불안하게 만든다. 즉, 연상시킬 수 있는 조그마한 단서에도 편도의 기억이 밖으로 인출되어 환자에게 영향을 준다.Trauma means trauma in medical terms, and psychology means a trauma that leaves a mental trauma or a permanent mental disorder. In the case of the general public, one side of the brain and the hippocampus collaborate on external information, process and store it. Here, one-way is unconscious, and hippocampus is responsible for reactions and memories related to consciousness. When trauma occurs, the one-way and hippocampus collaboration systems collapse. Trauma is often accompanied by a clear visual image, which makes the patient's psychological state unstable when the images are stored for a long time and become similar to the situation at the time of the accident. In other words, the memory of one way is drawn out even to the small clues that can be reminded, and it affects the patient.
트라우마 환자에게 트라우마가 발생할 때의 뇌활동 영역 및 연결성을 파악하는 방식으로 환자에게 트라우마의 원인이 되는 자극을 다시 제공하고 활성화된 뇌신경 신호를 측정하는 방식이 있다. 이러한 방식은 환자 입장에서 2차 가해가 되므로 실질적인 진단 및 치료가 쉽지 않은 문제가 있다.There is a method of measuring the brain activity area and the connectivity when the trauma occurs to the patient and providing the stimulus that causes the trauma to the patient and measuring the activated nerve signal. This method is a secondary attack from the viewpoint of the patient, so that there is a problem that it is not easy to diagnose and treat it.
본 발명의 실시예들은 동일한 시청각 자극을 받은 트라우마 환자 및 일반 피험자의 뇌기능 신호를 정합하는 뇌기능 정합 모델을 이용하여, 트라우마의 원인이 되는 자극을 받은 일반 피험자의 뇌기능 신호로부터 트라우마 환자의 뇌기능 신호를 추정함으로써, 트라우마를 가진 환자에게 자극을 제공하지 않으면서 트라우마를 유발하는 자극의 뇌기능 신호를 추정하는 데 발명의 주된 목적이 있다.Embodiments of the present invention use a brain function matching model that matches brain function signals of trauma patients and general subjects who have received the same audiovisual stimulus to calculate brain function signals of a general subject who has been stimulated to cause trauma, The main purpose of the invention is to estimate the function signals of the stimuli that cause the trauma without providing the stimulation to the patient with the trauma by estimating the function signal.
본 발명의 명시되지 않은 또 다른 목적들은 하기의 상세한 설명 및 그 효과로부터 용이하게 추론할 수 있는 범위 내에서 추가적으로 고려될 수 있다.Other and further objects, which are not to be described, may be further considered within the scope of the following detailed description and easily deduced from the effects thereof.
본 실시예의 일 측면에 의하면, 컴퓨팅 디바이스에 의한 뇌기능 정합 방법에 있어서, 멀티미디어를 시청하는 트라우마를 가진 환자의 제1 뇌기능 신호를 획득하는 단계, 상기 멀티미디어와 동일한 멀티미디어를 시청하는 일반 피험자의 제2 뇌기능 신호를 획득하는 단계, 상기 트라우마를 가진 환자의 제1 뇌기능 신호 및 상기 일반 피험자의 제2 뇌기능 신호를 기반으로 학습하여 뇌기능 정합 모델을 생성하는 단계, 상기 트라우마의 원인이 되는 자극을 상기 일반 피험자에게 제공하여 활성화된 제3 뇌기능 신호를 획득하는 단계, 및 상기 뇌기능 정합 모델을 이용하여, 상기 제3 뇌기능 신호로부터 상기 트라우마를 가진 환자의 상기 트라우마의 원인이 되는 자극에 관한 제4 뇌기능 신호를 추정하는 단계를 포함하는 뇌기능 정합 방법을 제공한다.According to one aspect of the present invention, there is provided a brain function matching method by a computing device, comprising: acquiring a first brain function signal of a patient having a trauma of watching multimedia; Acquiring a brain function signal, generating a brain function matching model by learning based on a first brain function signal of the patient having the trauma and a second brain function signal of the general subject, Providing a stimulus to the general subject to obtain an activated third brain function signal; and using the brain function matching model, generating a stimulus that causes the trauma of the patient having the trauma from the third brain function signal And estimating a fourth brain function signal relating to the brain function.
본 실시예의 다른 측면에 의하면, 멀티미디어를 시청하는 트라우마를 가진 환자의 제1 뇌기능 신호를 획득하고, 상기 멀티미디어와 동일한 멀티미디어를 시청하는 일반 피험자의 제2 뇌기능 신호를 획득하는 뇌기능 신호 획득부, 상기 트라우마를 가진 환자의 제1 뇌기능 신호 및 상기 일반 피험자의 제2 뇌기능 신호를 기반으로 학습하여 뇌기능 정합 모델을 생성하는 뇌기능 정합 모델 생성부, 및 상기 뇌기능 정합 모델을 이용하여, 상기 뇌기능 신호 획득부에 의해 상기 트라우마의 원인이 되는 자극을 상기 일반 피험자에게 제공하여 획득한 제3 뇌기능 신호로부터 상기 트라우마를 가진 환자의 상기 트라우마의 원인이 되는 자극에 관한 제4 뇌기능 신호를 추정하는 뇌기능 신호 추정부를 포함하는 뇌기능 정합 장치를 제공한다.According to another aspect of the present invention, there is provided a brain function signal acquiring unit for acquiring a first brain function signal of a patient having a trauma of viewing multimedia and acquiring a second brain function signal of a general subject who watches the same multimedia as the multimedia, A brain function matching model generating unit for generating a brain function matching model by learning based on a first brain function signal of a patient having the trauma and a second brain function signal of the general subject, A fourth brain function related to a stimulus causing the trauma of a patient having the trauma from a third brain function signal acquired by providing the stimulus causing the trauma to the general subject by the brain function signal acquisition unit, And a brain function signal estimating unit for estimating a brain function signal.
본 실시예의 또 다른 측면에 의하면, 프로세서에 의해 실행 가능한 컴퓨터 프로그램 명령어들을 포함하는 비일시적(Non-Transitory) 컴퓨터 판독 가능한 매체에 기록되어 뇌기능 정합을 위한 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램 명령어들이 컴퓨팅 디바이스의 프로세서에 의해 실행되는 경우에, 멀티미디어를 시청하는 트라우마를 가진 환자의 제1 뇌기능 신호를 획득하는 단계, 상기 멀티미디어와 동일한 멀티미디어를 시청하는 일반 피험자의 제2 뇌기능 신호를 획득하는 단계, 상기 트라우마를 가진 환자의 제1 뇌기능 신호 및 상기 일반 피험자의 제2 뇌기능 신호를 기반으로 학습하여 뇌기능 정합 모델을 생성하는 단계, 상기 트라우마의 원인이 되는 자극을 상기 일반 피험자에게 제공하여 활성화된 제3 뇌기능 신호를 획득하는 단계, 및 상기 뇌기능 정합 모델을 이용하여, 상기 제3 뇌기능 신호로부터 상기 트라우마를 가진 환자의 상기 트라우마의 원인이 되는 자극에 관한 제4 뇌기능 신호를 추정하는 단계를 포함한 동작들을 수행하는 컴퓨터 프로그램을 제공한다.According to a further aspect of this embodiment, there is provided a computer program for a brain function matching, said computer program being recorded in a non-transitory computer readable medium comprising computer program instructions executable by a processor, Obtaining a first brain function signal of a patient having a trauma watching multimedia, obtaining a second brain function signal of a general subject who watches the same multimedia as the multimedia, Generating a brain function matching model by learning based on a first brain function signal of a patient having a trauma and a second brain function signal of the general subject, providing stimulation to cause the trauma to the general subject, Obtaining a third brain function signal, Using a feature matching model, it provides a computer program to perform actions, including the step of estimating a fourth brain function signal on the magnetic pole that is the third cause of the trauma of the patient with the trauma from the brain function signal.
이상에서 설명한 바와 같이 본 발명의 실시예들에 의하면, 동일한 시청각 자극을 받은 트라우마 환자 및 일반 피험자의 뇌기능 신호를 정합하는 뇌기능 정합 모델을 이용하여, 트라우마의 원인이 되는 자극을 받은 일반 피험자의 뇌기능 신호로부터 트라우마 환자의 뇌기능 신호를 추정함으로써, 트라우마를 가진 환자에게 자극을 제공하지 않으면서 트라우마를 유발하는 자극의 뇌기능 신호를 추정할 수 있는 효과가 있다.As described above, according to the embodiments of the present invention, by using the brain function matching model that matches the brain function signals of the trauma patient and the general subject who have received the same audiovisual stimulus, the general subject who has been stimulated to cause the trauma By estimating the brain function signal of the trauma patient from the brain function signal, it is possible to estimate the brain function signal of the stimulus that induces the trauma without giving the stimulus to the patient having the trauma.
여기에서 명시적으로 언급되지 않은 효과라 하더라도, 본 발명의 기술적 특징에 의해 기대되는 이하의 명세서에서 기재된 효과 및 그 잠정적인 효과는 본 발명의 명세서에 기재된 것과 같이 취급된다.Even if the effects are not expressly mentioned here, the effects described in the following specification which are expected by the technical characteristics of the present invention and their potential effects are handled as described in the specification of the present invention.
도 1은 본 발명의 일 실시예에 따른 뇌기능 정합 장치를 예시한 블록도이다.
도 2는 본 발명의 일 실시예에 따른 뇌기능 정합 장치가 뇌기능 연결성을 고차원에서 저차원으로 변환하는 동작을 예시한 도면이다.
도 3은 본 발명의 일 실시예에 따른 뇌기능 정합 장치가 개별 뇌기능 연결성을 고차원에서 저차원으로 변환하는 동작을 예시한 도면이다.
도 4는 본 발명의 일 실시예에 따른 뇌기능 정합 장치가 전체 뇌기능 연결성을 고차원에서 저차원으로 변환하는 동작을 예시한 도면이다.
도 5는 본 발명의 일 실시예에 따른 뇌기능 정합 장치가 뇌기능 정합 모델을 생성하는 동작을 예시한 도면이다.
도 6은 본 발명의 일 실시예에 따른 뇌기능 정합 장치에 의해 매핑된 뇌기능 연결성을 예시한 도면이다.
도 7은 본 발명의 다른 실시예에 따른 뇌기능 정합 방법을 예시한 흐름도이다.
도 8은 본 발명의 실시예들에 따라 수행된 모의실험 결과를 도시한 것이다.1 is a block diagram illustrating a brain function matching apparatus according to an embodiment of the present invention.
FIG. 2 is a diagram illustrating an operation of converting a brain function connectivity from a high dimensional to a low dimensional state according to an embodiment of the present invention.
3 is a diagram illustrating an operation of the brain function matching apparatus according to an embodiment of the present invention to convert individual brain function connectivity from a higher dimensional level to a lower level.
FIG. 4 is a diagram illustrating an operation of converting a whole brain functional connectivity from a high dimensional to a low dimensional state according to an embodiment of the present invention.
5 is a diagram illustrating an operation of generating a brain function matching model by the brain function matching apparatus according to an embodiment of the present invention.
6 is a diagram illustrating connectivity of brain function mapped by the brain function matching apparatus according to an embodiment of the present invention.
7 is a flowchart illustrating a method of matching a brain function according to another embodiment of the present invention.
Figure 8 shows simulation results performed in accordance with embodiments of the present invention.
이하, 본 발명을 설명함에 있어서 관련된 공지기능에 대하여 이 분야의 기술자에게 자명한 사항으로서 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하고, 본 발명의 일부 실시예들을 예시적인 도면을 통해 상세하게 설명한다.DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings. Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings. Will be described in detail with reference to exemplary drawings.
뇌는 사람마다 동작하는 방식에 있어서 개인차가 상당히 존재하여 공간적으로 동일한 위치의 영역이라도 기능적으로는 차이가 있다. 즉, 특정 기능을 수행할 때 모든 사람에게 동일하게 활성화되는 영역이나 연결성도 있지만, 내재하고 있는 개인 고유의 특성 때문에 동일한 기능 수행하더라도 사람마다 다른 활성화 양상을 보인다. 공간적으로 정합이 되었어도 정합된 영역이 서로 다른 기능을 하는 등 기능적인 측면에서 오차가 다수 발생하므로, 형태학적 기준으로 한 정합 외에 동일 기능을 하는 영역끼리 서로 정합을 하는 기능성 기준의 정합이 필요하다. 특히, 개인마다 제공할 수 있는 자극이 제한되는 경우에 다른 사람으로부터 활성화 양상을 추정할 필요가 있다.The brain is functionally different from each other, even though there are individual differences in the manner in which the brain operates. In other words, when performing a specific function, there is an area or connectivity that is equally activated to all people, but because of the inherent characteristic of the person, the activation pattern of each person is different even if the same function is performed. It is necessary to match the functional criteria to match the regions having the same function in addition to the matching based on the morphological criteria because there are a lot of errors in the functional aspects such that the matched regions function differently even if they are spatially matched. In particular, it is necessary to estimate the activation pattern from another person when stimulation that can be provided for each individual is limited.
이러한 문제들을 해결하기 위하여, 본 실시예들은 개인의 특성을 고려하여 뇌활성도(Brain Activity) 또는 기능적 연결성(Functional Connectivity)을 복수의 사람 간에 정합한다. In order to solve these problems, the embodiments match the Brain Activity or Functional Connectivity among a plurality of persons in consideration of individual characteristics.
도 1은 본 발명의 일 실시예에 따른 뇌기능 정합 장치를 예시한 블록도이다. 도 1에 도시한 바와 같이, 뇌기능 정합 장치(100)는 뇌기능 신호 획득부(110), 뇌기능 정합 모델 생성부(120), 및 뇌기능 신호 추정부(130)를 포함한다. 뇌기능 정합 장치(100)는 도 1에서 예시적으로 도시한 다양한 구성요소들 중에서 일부 구성요소를 생략하거나 다른 구성요소를 추가로 포함할 수 있다.1 is a block diagram illustrating a brain function matching apparatus according to an embodiment of the present invention. 1, the brain
뇌기능 정합 장치(100)는 동일한 시청각 자극을 받은 트라우마 환자 및 일반 피험자의 뇌기능 신호를 정합하는 뇌기능 정합 모델을 이용하여, 트라우마의 원인이 되는 자극을 받은 일반 피험자의 뇌기능 신호로부터 트라우마 환자의 뇌기능 신호를 추정한다.The brain
뇌기능 신호 획득부(110)는 멀티미디어를 시청하는 트라우마를 가진 환자의 제1 뇌기능 신호를 획득하고, 동일한 멀티미디어를 시청하는 일반 피험자의 제2 뇌기능 신호를 획득한다. 뇌기능 신호 획득부(110)는 트라우마의 원인이 되는 자극을 일반 피험자에게 제공하여 활성화된 제3 뇌기능 신호를 획득한다.The brain function
뇌기능 신호 획득부(110)가 획득한 제1 뇌기능 신호, 제2 뇌기능 신호, 및 제3 뇌기능 신호는 기능적 자기공명영상(Functional Magnetic Resonance Imaging, fMRI), 뇌전도(electroencephalography, EEG), 및 기능적 근적외선 분광(Functional Near Infrared Spectroscopy, fNIRS) 중에서 적어도 하나를 적용하여 획득한 신호일 수 있다.The first brain function signal, the second brain function signal, and the third brain function signal acquired by the brain function
뇌기능 정합 모델 생성부(120)은 트라우마를 가진 환자의 제1 뇌기능 신호 및 일반 피험자의 제2 뇌기능 신호를 기반으로 학습하여 뇌기능 정합 모델을 생성한다.The brain function matching
뇌기능 정합 모델 생성부(120)는 제1 뇌기능 신호 및 제2 뇌기능 신호에 포함된 복수의 영역 간에 연결시킨 뇌기능 연결성을 생성하고, 뇌기능 연결성을 고차원에서 저차원으로 변환하고, 제1 뇌기능 신호에 관한 저차원의 뇌기능 연결성에 제2 뇌기능 신호에 관한 저차원의 뇌기능 연결성을 매핑하여 뇌기능 정합 모델의 파라미터를 학습한다.The brain function matching
뇌기능 신호 추정부(130)는 뇌기능 정합 모델을 이용하여, 뇌기능 신호 획득부(110)에 의해 트라우마의 원인이 되는 자극을 일반 피험자에게 제공하여 획득한 제3 뇌기능 신호로부터 트라우마를 가진 환자의 트라우마의 원인이 되는 자극에 관한 제4 뇌기능 신호를 추정한다.The brain function
뇌기능 신호 추정부(130)는 제3 뇌기능 신호에 포함된 복수의 영역 간에 연결시킨 뇌기능 연결성을 생성하고, 뇌기능 연결성을 고차원에서 저차원으로 변환하고, 뇌기능 정합 모델에 제3 뇌기능 신호에 관한 저차원의 뇌기능 연결성을 적용하여 제1 뇌기능 신호에 관하여 매핑된 저차원의 뇌기능 연결성을 추정하고, 매핑된 저차원의 뇌기능 연결성을 고차원의 뇌기능 연결성으로 재구성할 수 있다.The brain
이하에서는 도 2 내지 도 4를 참조하여 뇌기능 정합 장치가 뇌기능 연결성을 고차원에서 저차원으로 변환하는 동작을 설명한다. Hereinafter, the operation of converting the brain function connectivity from a high dimensional to a low dimensional state will be described with reference to FIG. 2 to FIG.
도 2는 본 발명의 일 실시예에 따른 뇌기능 정합 장치가 뇌기능 연결성을 고차원에서 저차원으로 변환하는 동작을 예시한 도면이고, 도 3은 본 발명의 일 실시예에 따른 뇌기능 정합 장치가 개별 뇌기능 연결성을 고차원에서 저차원으로 변환하는 동작을 예시한 도면이고, 도 4는 본 발명의 일 실시예에 따른 뇌기능 정합 장치가 전체 뇌기능 연결성을 고차원에서 저차원으로 변환하는 동작을 예시한 도면이다.FIG. 2 is a diagram illustrating an operation of converting a brain function connectivity from a high dimensional to a low dimensional state by the brain function matching apparatus according to an embodiment of the present invention. FIG. 3 is a block diagram of a brain function matching apparatus according to an embodiment of the present invention. FIG. 4 is a diagram illustrating an operation of converting an individual brain function connectivity from a higher dimensional level to a lower level. FIG. 4 illustrates an operation of converting the whole brain function connectivity from a higher dimensional level to a lower level according to an embodiment of the present invention. Fig.
뇌기능 정합 모델 생성부(120)는 뇌기능 연결성을 고차원에서 저차원으로 변환한다. 뇌기능 활성 및 연결성의 개수는 매우 많고 중복된 정보를 다수 포함하고 있기 때문에 뇌기능 정합을 위해 적절한 데이터 압축(Dimension Reduction)을 수행할 필요가 있다. 뇌기능 활성의 데이터 압축은 오토인코더(Auto Encoder)을 통해서 이루어질 수 있다. 입력과 출력은 N1개의 관심영역(ROI, Region of Interest)의 뇌기능 활성화 값이 되고 레이어의 가장 가운데 은닉레이어(Hidden Layer)가 축약된 뇌기능 활성화 값을 나타낸다. 이러한 데이터 압축 과정이 도 2에 도시되어 있다.The brain function matching
기능적 자기공명영상(Functional Magnetic Resonance Imaging, fMRI)은 뇌 기능의 활성 정도가 영상으로 나타난 것인데, 뇌기능 활성도를 N1(N1은 자연수) 개의 영역으로 나누어 정의한다. 뇌 전체 영역은 N1 개의 활성화 값으로 정의된다. 1xN1 형태의 뇌기능 활성 벡터를 오토인코더를 이용하여 학습한다. 데이터의 크기(N1)에 따라 구성되는 레이어 수는 가변적일 수 있다. 가장 가운데 적은 차원의 은닉 레이어(Hidden layer)가 저차원 고수준의 뇌기능활성화 값을 나타낸다.Functional Magnetic Resonance Imaging (fMRI) is defined as dividing the brain function activity into N1 (N1 is a natural number) region. The entire brain area is defined as N1 activation values. 1xN1 type brain function activation vector is learned by using auto encoder. The number of layers constituted by the size N1 of the data may be variable. The hidden layer of the smallest dimension represents the activation level of the brain function at low level and high level.
뇌기능 연결성의 경우는 뇌기능 활성보다 샘플이 많고 중복되는 정보가 많기 때문에 두 번에 걸쳐서 데이터 압축이 시행된다. 즉, 뇌기능 연결성은 개별 뇌기능 연결성 및 전체 뇌기능 연결성을 구분될 수 있다.In the case of brain functional connectivity, data compression is performed twice because there are more samples and redundant information than brain functional activity. That is, brain functional connectivity can be distinguished between individual brain functional connectivity and total brain functional connectivity.
뇌기능 정합 모델 생성부(120)가 뇌기능 연결성을 고차원에서 저차원으로 변환하는 과정은 (i) 개별 뇌기능 연결성을 고차원에서 저차원으로 변환하는 과정 및 (ii) 변환된 저차원의 개별 뇌기능 연결성을 통합한 전체 뇌기능 연결성을 고차원에서 저차원으로 변환하는 과정을 포함할 수 있다.The process in which the brain function matching
뇌기능 정합 모델 생성부(120)가 개별 뇌기능 연결성을 고차원에서 저차원으로 변환하는 과정은 모든 활성 및 시드 기반(Seed Based) 뇌기능 연결성을 Auto-encoder을 이용하여 낮은 차원으로 첫 번째 데이터 압축을 수행한다. 뇌기능 정합 장치는 고차원의 개별 뇌기능 연결성을 입력으로 하여 제1 오토인코더를 학습하고, 저차원의 개별 뇌기능 연결성을 출력한다. 이러한 데이터 압축 과정이 도 3에 도시되어 있다.The process in which the brain function matching
fMRI영상을 기반으로 뇌의 국소적 영역이 연결된 기능적 연결성(Functional Connectivity)은 뇌기능을 나타내는 중요한 지표이다. 기능적 연결성이 정의되는 방식은 두 개의 노드(Node)에서의 시계열 BOLD신호의 상관계수로 정의된다. 뇌 영역이 N1 개로 정의되었을 때, N1 개 영역이 각각 시드(Seed)가 되어 나머지 영역과 상관성을 계산하는 시드 기반 연결성(Seed Based Connectivity)이 도출된다. The functional connectivity of the focal region of the brain based on fMRI images is an important indicator of brain function. The way in which functional connectivity is defined is defined as the correlation coefficient of the time series BOLD signal at the two nodes. When the brain region is defined as N1, each of the N1 regions becomes a seed, resulting in Seed Based Connectivity, which calculates the correlation with the remaining regions.
정의된 Seed based 연결성의 데이터 차원이 매우 크고 중복된 정보가 많기 때문에 모든 시드 연결성마다 개별의 오토인코더를 만들어 학습한다. 사람의 뇌가 전체 N1 개의 영역으로 정의되면 N1 개의 오코인코더를 생성하고, 각 영역의 시드 연결성이 입력과 출력이 되면서 N2(N2는 N1보다 작은 자연수) 차원의 축소된 시드 연결성이 N1 개로 도출된다. N1 개의 도출된 N2 차원의 뇌기능 연결성이 모아져서 N1xN2 전체 뇌기능 연결성이 도출된다. Since the data dimension of the defined Seed based connectivity is very large and there is a lot of redundant information, we learn to make individual auto encoders for every seed connectivity. If the brain of a human is defined as N1 regions, N1 encoders are generated and N1 (N2 is a natural number smaller than N1) dimensional reduced seed connectivity is derived as N1 as the seed connectivity of each region becomes input and output . The N1 derived N2-dimensional brain functional connectivity is aggregated, resulting in N1xN2 total brain functional connectivity.
뇌기능 정합 모델 생성부(120)가 전체 뇌기능 연결성을 고차원에서 저차원으로 변환하는 과정은 차원 축소된 모든 영역의 뇌기능 활성 및 연결성을 모아서 두 번째 데이터 압축을 수행한다. 뇌기능 정합 장치는 고차원의 전체 뇌기능 연결성을 입력으로 하여 제2 오토인코더를 학습하고, 저차원의 전체 뇌기능 연결성을 출력한다. 이러한 데이터 압축 과정이 도 4에 도시되어 있다.The process in which the brain function matching
한 사람의 뇌기능이 N1xN2 차원의 연결성으로 정의되는데 중복되는 정보가 많고 사고에 직접적으로 관여하지 않는 불필요한 연결성 지표가 많다. 따라서, 뇌 전체 영역의 저차원 고수준으로 축약된 뇌기능 연결성을 얻기 위해서 뇌기능 전체의 연결성에 관한 오토인코더를 다시 한번 생성한다. 입력과 출력으로 N1xN2 차원의 전체 뇌기능 연결성을 사용하고 중간 레이어의 축약된 레이어는 N3 차원의 크기를 갖는다. 도 4에서 입력 벡터(N1xN2)가 N3 차원의 벡터로 축약되어 가는 레이어 및 레이어 가중치를 데이터 축소(Data Reduction) 과정이라 하고, N3 차원의 벡터가 N1xN2 차원의 벡터로 확장되는 과정을 데이터 복원(Data Reconstruction) 과정이라 한다.One person's brain function is defined as N1xN2-dimensional connectivity. There are many redundant information and many unnecessary connectivity indicators that do not directly involve in the accident. Thus, to obtain low-dimensional, high-level abbreviated brain functional connectivity across the brain, an auto-encoder of connectivity for the entire brain function is created. The input and output use the whole brain functional connectivity of the N1xN2 dimension, and the abbreviated layer of the middle layer has the N3 dimension. In FIG. 4, the layer and layer weights, in which the input vector N1xN2 is reduced to a vector of N3 dimensions, are referred to as data reduction processes, and the process of expanding the vector of N3 dimensions into a vector of N1xN2 dimensions is called data restoration Reconstruction process.
이하에서는 도 5를 참조하여 뇌기능 정합 장치가 뇌기능 정합 모델의 파라미터를 학습하는 동작을 설명한다. 도 5는 본 발명의 일 실시예에 따른 뇌기능 정합 장치가 뇌기능 정합 모델의 가중치를 학습하는 동작을 예시한 도면이다.Hereinafter, the operation of learning the parameters of the brain function matching model by the brain function matching apparatus will be described with reference to FIG. 5 is a diagram illustrating an operation of learning a weight of a brain function matching model by a brain function matching apparatus according to an embodiment of the present invention.
뇌기능 정합 모델 생성부(120)는 뇌기능 정합 모델의 파라미터를 변화시켜 학습한다. 뇌기능 정합 장치는 이렇게 압축된 저차원의 뇌기능 활성 및 연결성을 토대로 신경망구조를 새롭게 정의해 사람 간 정합을 위한 레이어 가중치 학습을 수행한다. 축소된 뇌기능 활성 및 연결성을 이용해 사람과 사람간 연결성 정합을 시행한다. The brain function matching
뇌기능 정합 모델은 네트워크로 연결된 하나 이상의 레이어의 노드들을 포함한다. 예컨대, 뇌기능 정합 모델은 3단 신경망 학습 레이어를 구성하고 입력을 정합의 대상이 되는 피험자의 연결성, 출력을 정합의 기준이 되는 피험자의 연결성을 사용하여 사람-사람 변환 레이어 가중치 구성을 학습할 수 있다. 레이어는 파라미터를 포함할 수 있다. 레이어의 파라미터는 학습가능한 필터 집합을 포함한다. 파라미터는 노드 간의 가중치 및/또는 바이어스를 포함한다. 복수의 파라미터를 학습하고, 일부 파라미터는 공유될 수 있다. 신경망의 레이어, 가중치의 초기치, 노드에 들어갈 바이어스, 노드에서 사용할 활성 함수, 신경망의 학습률, 전체 오차를 측정하는 손실함수, 신경망의 오차를 최소화하는 알고리즘, 과적응을 규제하는 알고리즘은 구현되는 설계에 따라 적합한 수치 및 함수가 설정될 수 있다.The brain function matching model includes nodes of one or more layers connected by a network. For example, the brain function matching model can construct a three-level neural network learning layer and learn the composition of the person-to-person conversion layer weight by using the connectivity of the subject, which is the basis of matching, have. A layer can contain parameters. The parameters of the layer include a set of learnable filters. The parameters include weights and / or weights between nodes. A plurality of parameters are learned, and some parameters can be shared. The design of the neural network layer, the initial value of the weight, the bias to the node, the active function to use in the node, the learning rate of the neural network, the loss function to measure the total error, the algorithm to minimize the error of the neural network, Accordingly, appropriate numerical values and functions can be set.
도 6은 본 발명의 일 실시예에 따른 뇌기능 정합 장치에 의해 매핑된 뇌기능 연결성을 예시한 도면이다.6 is a diagram illustrating connectivity of brain function mapped by the brain function matching apparatus according to an embodiment of the present invention.
뇌기능 연결성은 개별 뇌기능 연결성 및 전체 뇌기능 연결성을 구분되며, 뇌기능 정합 장치는 매핑된 저차원의 뇌기능 연결성을 고차원의 뇌기능 연결성으로 재구성한다. 뇌기능 정합 장치는 매핑된 저차원의 뇌기능 연결성으로부터 고차원의 전체 뇌기능 연결성을 재구성하고, 재구성된 고차원의 전체 뇌기능 연결성으로부터 고차원의 개별 뇌기능 연결성을 재구성할 수 있다.Brain functional connectivity distinguishes individual brain functional connectivity and total brain functional connectivity, and the brain functional device reconfigures mapped low dimensional brain functional connectivity to high dimensional brain functional connectivity. The brain function matching device reconstructs the high dimensional whole brain functional connectivity from the mapped low dimensional brain functional connectivity and reconstructs the high dimensional individual brain functional connectivity from the reconstructed high dimensional whole brain functional connectivity.
뇌기능 정합 장치는 사람 대 사람 신경망 매핑을 통해 공통된 공간(Common Space)로 정합된 뇌기능 활성 또는 연결성 값을 오토인코더의 데이터 복원(Data Reconstruction)을 통해 고차원 뇌기능 활성 및 연결성을 회복할 수 있다. 사람 대 사람 연결성 매핑을 통해서 정합의 기준이 되는 기준점 피험자에게 정합이 끝난 뇌기능 활성 및 연결성은 다시 N1차원의 뇌기능 활성과 N1xN2 차원의 뇌기능 연결성으로 차원을 회복하기 위하여 데이터 복원 레이어를 이용하여 전체 뇌기능 활성 및 연결성으로 복구된다.The brain function matching device can recover the brain function activity and connectivity values that are matched to the common space through the human-to-human neural network mapping, through the data reconstruction of the auto encoder. . A reference point that is a reference point for matching through person-to-person connectivity mapping. The matched brain function activity and connectivity are then used to reconstruct the brain function function of the N1-dimensional brain function connection and the N1xN2-dimensional brain function using the data restoration layer Restored to full brain functioning and connectivity.
뇌기능 정합 장치에 포함된 구성요소들이 도 1에서는 분리되어 도시되어 있으나, 복수의 구성요소들은 상호 결합되어 적어도 하나의 모듈로 구현될 수 있다. 구성요소들은 장치 내부의 소프트웨어적인 모듈 또는 하드웨어적인 모듈을 연결하는 통신 경로에 연결되어 상호 간에 유기적으로 동작한다. 이러한 구성요소들은 하나 이상의 통신 버스 또는 신호선을 이용하여 통신한다.Although the components included in the brain function matching device are shown separately in FIG. 1, a plurality of components may be combined with each other to form at least one module. The components are connected to a communication path connecting a software module or a hardware module inside the device and operate organically with each other. These components communicate using one or more communication buses or signal lines.
뇌기능 정합 장치는 하드웨어, 펌웨어, 소프트웨어 또는 이들의 조합에 의해 로직회로 내에서 구현될 수 있고, 범용 또는 특정 목적 컴퓨터를 이용하여 구현될 수도 있다. 장치는 고정배선형(Hardwired) 기기, 필드 프로그램 가능한 게이트 어레이(Field Programmable Gate Array, FPGA), 주문형 반도체(Application Specific Integrated Circuit, ASIC) 등을 이용하여 구현될 수 있다. 또한, 장치는 하나 이상의 프로세서 및 컨트롤러를 포함한 시스템온칩(System on Chip, SoC)으로 구현될 수 있다.The brain function matching device may be implemented in logic circuitry by hardware, firmware, software, or a combination thereof, and may be implemented using a general purpose or special purpose computer. The device may be implemented using a hardwired device, a field programmable gate array (FPGA), an application specific integrated circuit (ASIC), or the like. Further, the device may be implemented as a System on Chip (SoC) including one or more processors and controllers.
뇌기능 정합 장치는 하드웨어적 요소가 마련된 컴퓨팅 디바이스 또는 서버에 소프트웨어, 하드웨어, 또는 이들의 조합하는 형태로 탑재될 수 있다. 컴퓨팅 디바이스 또는 서버는 각종 기기 또는 유무선 통신망과 통신을 수행하기 위한 통신 모뎀 등의 통신장치, 프로그램을 실행하기 위한 데이터를 저장하는 메모리, 프로그램을 실행하여 연산 및 명령하기 위한 마이크로프로세서 등을 전부 또는 일부 포함한 다양한 장치를 의미할 수 있다.The brain function matching device may be implemented as software, hardware, or a combination thereof in a computing device or server having hardware components. The computing device or server may be a communication device such as a communication modem for performing communication with various devices or wired / wireless communication networks, a memory for storing data for executing a program, a microprocessor for executing and calculating a program, May refer to a variety of devices including.
도 7은 본 발명의 다른 실시예에 따른 뇌기능 정합 방법을 예시한 흐름도이다. 뇌기능 정합 방법은 컴퓨팅 디바이스에 의하여 수행될 수 있으며, 뇌기능 정합 장치와 동일한 방식으로 동작한다.7 is a flowchart illustrating a method of matching a brain function according to another embodiment of the present invention. The brain function matching method can be performed by a computing device and operates in the same manner as the brain function matching apparatus.
단계 S710에서, 컴퓨팅 디바이스는 멀티미디어를 시청하는 트라우마를 가진 환자의 제1 뇌기능 신호를 획득한다. 단계 S720에서, 컴퓨팅 디바이스는 멀티미디어와 동일한 멀티미디어를 시청하는 일반 피험자의 제2 뇌기능 신호를 획득한다. 제1 뇌기능 신호 및 제2 뇌기능 신호는 기능적 자기공명영상(Functional Magnetic Resonance Imaging, fMRI), 뇌전도(electroencephalography, EEG), 및 기능적 근적외선 분광(Functional Near Infrared Spectroscopy, fNIRS) 중에서 적어도 하나를 적용하여 획득한 신호이다.In step S710, the computing device acquires the first brain function signal of the patient with the trauma of watching the multimedia. In step S720, the computing device acquires a second brain function signal of a general subject who watches the same multimedia as the multimedia. The first brain function signal and the second brain function signal are generated by applying at least one of Functional Magnetic Resonance Imaging (fMRI), electroencephalography (EEG), and Functional Near Infrared Spectroscopy (fNIRS) It is the acquired signal.
단계 S730에서, 컴퓨팅 디바이스는 트라우마를 가진 환자의 제1 뇌기능 신호 및 일반 피험자의 제2 뇌기능 신호를 기반으로 학습하여 뇌기능 정합 모델을 생성한다. In step S730, the computing device generates a brain function matching model by learning based on the first brain function signal of the patient having the trauma and the second brain function signal of the general subject.
뇌기능 정합 모델을 생성하는 단계(S730)는 (i) 제1 뇌기능 신호 및 상기 제2 뇌기능 신호에 포함된 복수의 영역 간에 연결시킨 뇌기능 연결성을 생성하는 단계, (ii) 뇌기능 연결성을 고차원에서 저차원으로 변환하는 단계, 및 (iii) 제1 뇌기능 신호에 관한 저차원의 뇌기능 연결성에 제2 뇌기능 신호에 관한 저차원의 뇌기능 연결성을 매핑하여 뇌기능 정합 모델의 파라미터를 학습하는 단계를 포함할 수 있다. 뇌기능 연결성은 개별 뇌기능 연결성 및 전체 뇌기능 연결성을 구분될 수 있다. 뇌기능 정합 모델은 네트워크로 연결된 하나 이상의 레이어의 노드들을 포함한다. 뇌기능 정합 모델을 생성하는 단계(S730)는 뇌기능 정합 모델의 파라미터를 변화시켜 학습한다.The step (S730) of generating a brain function matching model includes the steps of (i) generating a brain function connectivity connected between a plurality of regions included in the first brain function signal and the second brain function signal, (ii) (Iii) mapping the low-dimensional brain function connectivity to the low-dimensional brain function connectivity on the first brain function signal to the low-dimensional brain function connectivity on the second brain function signal, And the like. Brain functional connectivity can be distinguished between individual brain functional connectivity and total brain functional connectivity. The brain function matching model includes nodes of one or more layers connected by a network. The step of generating the brain function matching model (S730) learns by changing the parameters of the brain function matching model.
뇌기능 연결성을 고차원에서 저차원으로 변환하는 단계는 (i) 개별 뇌기능 연결성을 고차원에서 저차원으로 변환하는 단계 및 (ii) 변환된 저차원의 개별 뇌기능 연결성을 통합한 전체 뇌기능 연결성을 고차원에서 저차원으로 변환하는 단계를 포함할 수 있다.Transforming brain functional connectivity from higher to lower dimensions includes the steps of (i) transforming individual brain functional connectivity from a higher dimensional to a lower dimensional level and (ii) transforming the entire brain functional connectivity incorporating transformed low dimensional individual brain functional connectivity And converting from a higher dimension to a lower dimension.
개별 뇌기능 연결성을 고차원에서 저차원으로 변환하는 단계는 고차원의 개별 뇌기능 연결성을 입력으로 하여 제1 오토인코더를 학습하고, 저차원의 개별 뇌기능 연결성을 출력한다.The step of transforming individual brain functional connectivity from higher dimensional to lower dimensional level learns the first auto encoder with high dimensional individual brain functional connectivity as inputs and outputs low dimensional individual brain functional connectivity.
전체 뇌기능 연결성을 고차원에서 저차원으로 변환하는 단계는 고차원의 전체 뇌기능 연결성을 입력으로 하여 제2 오토인코더를 학습하고, 저차원의 전체 뇌기능 연결성을 출력한다.The step of converting the whole brain functional connectivity from higher dimensional to lower dimensional level learns the second auto encoder by inputting the higher dimensional whole brain functional connectivity and outputs the low dimensional whole brain functional connectivity.
단계 S740에서, 컴퓨팅 디바이스는 트라우마의 원인이 되는 자극을 상기 일반 피험자에게 제공하여 활성화된 제3 뇌기능 신호를 획득한다. 제3 뇌기능 신호는 기능적 자기공명영상(Functional Magnetic Resonance Imaging, fMRI), 뇌전도(electroencephalography, EEG), 및 기능적 근적외선 분광(Functional Near Infrared Spectroscopy, fNIRS) 중에서 적어도 하나를 적용하여 획득한 신호이다.In step S740, the computing device provides the general subject with a stimulus that causes trauma to acquire an activated third brain function signal. The third brain function signal is obtained by applying at least one of Functional Magnetic Resonance Imaging (fMRI), electroencephalography (EEG), and functional Near Infrared Spectroscopy (fNIRS).
단계 S750에서, 컴퓨팅 디바이스는 뇌기능 정합 모델을 이용하여, 제3 뇌기능 신호로부터 트라우마를 가진 환자의 트라우마의 원인이 되는 자극에 관한 제4 뇌기능 신호를 추정한다. In step S750, the computing device uses the brain function matching model to estimate a fourth brain function signal relating to the stimulus that is causing the trauma of the patient with the trauma from the third brain function signal.
제4 뇌기능 신호를 추정하는 단계(S740)는 (i) 제3 뇌기능 신호에 포함된 복수의 영역 간에 연결시킨 뇌기능 연결성을 생성하는 단계, (ii) 뇌기능 연결성을 고차원에서 저차원으로 변환하는 단계, (iii) 뇌기능 정합 모델에 제3 뇌기능 신호에 관한 저차원의 뇌기능 연결성을 적용하여 상기 제1 뇌기능 신호에 관하여 매핑된 저차원의 뇌기능 연결성을 추정하는 단계, 및 (iv) 매핑된 저차원의 뇌기능 연결성을 고차원의 뇌기능 연결성으로 재구성하는 단계를 포함할 수 있다. 뇌기능 연결성은 개별 뇌기능 연결성 및 전체 뇌기능 연결성을 구분될 수 있다. The step (S740) of estimating the fourth brain function signal includes the steps of (i) generating brain functional connectivity connected between a plurality of regions included in the third brain functional signal, (ii) (Iii) applying low-dimensional brain functional connectivity on the third brain functional signal to the brain functional matching model to estimate low-dimensional brain functional connectivity mapped with respect to the first brain functional signal, and (iv) reconfiguring the mapped low dimensional brain functional connectivity to high dimensional brain functional connectivity. Brain functional connectivity can be distinguished between individual brain functional connectivity and total brain functional connectivity.
매핑된 저차원의 뇌기능 연결성을 고차원의 뇌기능 연결성으로 재구성하는 단계는 매핑된 저차원의 뇌기능 연결성으로부터 고차원의 전체 뇌기능 연결성을 재구성하고, 재구성된 고차원의 전체 뇌기능 연결성으로부터 고차원의 개별 뇌기능 연결성을 재구성할 수 있다.The reconstructing of the mapped lower dimensional brain functional connectivity into higher dimensional brain functional connectivity reconstructs the higher dimensional whole brain functional connectivity from the mapped lower dimensional brain functional connectivity and the higher dimensional individual from the reconstructed higher dimensional brain functional connectivity Brain function connectivity can be reconstructed.
도 8은 본 발명의 실시예들에 따라 수행된 모의실험 결과를 도시한 것이다. 새로운 테스트 데이터에 대하여 기능을 기반으로 하이퍼 정합을 시행하였는지 여부에 따라 기준 피험자와의 유사도를 평가하였다. Y축은 기준 피험자와 정합된 피험자(1 ~ n) 간의 뇌 연결성 유사도를 나타낸다. X축은 Raw, Not Aligned, Hyper Aligned를 나타낸다. Raw는 차원 축소를 하지 않고, 뇌 기능 정합을 수행하지 않은 상태이고, Not Aligned은 데이터의 차원 축소 후 뇌 기능 정합을 수행하지 않고, 다시 데이터 차원 복원한 상태이고, Hyper Aligned은 데이터 차원 축소 후, 뇌 기능 정합을 수행하고, 데이터 차원 복원한 상태이다. 도 8에 도시된 바와 같이, 기준 피험자와 정합된 피험자(1 ~ n) 간의 뇌 연결성 유사도는 Raw보다 Not Aligned에서 높고, Not Aligned보다 Hyper Aligned에서 높게 나타남을 파악할 수 있다.Figure 8 shows simulation results performed in accordance with embodiments of the present invention. The similarity of the new test data with the reference subjects was evaluated based on whether or not the hyper matching was performed based on the function. The Y axis represents the brain connectivity similarity between the reference subject and the matched subjects (1 to n). The X axis represents Raw, Not Aligned, and Hyper Aligned. Raw does not reduce the size but does not perform brain function matching. Not Aligned does not perform brain function matching after reconstructing the data, restores data again, and Hyper Aligned, Brain function matching is performed, and data is restored to the dimension. As shown in FIG. 8, the similarity of brain connectivity between the reference subject and the matched subjects (1 to n) is higher in Not Aligned than in Raw, and higher in Hyper Aligned than Not Aligned.
본 실시예들에 따르면 뇌기능 정합 모델을 생성하고 일반 피험자의 뇌기능 신호로부터 트라우마 환자의 뇌기능 신호를 추정함으로써, 트라우마를 가진 환자에게 자극을 제공하지 않으면서 트라우마를 유발하는 자극의 뇌기능 신호를 추정하는 것이 가능하다.According to the present embodiments, a brain function matching model is generated and a brain function signal of a trauma patient is estimated from a brain function signal of a general subject. Thus, a brain function signal of a stimulus that induces a trauma without providing stimulation to a patient having a trauma Can be estimated.
도 7에서는 각각의 과정을 순차적으로 실행하는 것으로 기재하고 있으나 이는 예시적으로 설명한 것에 불과하고, 이 분야의 기술자라면 본 발명의 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 도 7에 기재된 순서를 변경하여 실행하거나 또는 하나 이상의 과정을 병렬적으로 실행하거나 다른 과정을 추가하는 것으로 다양하게 수정 및 변형하여 적용 가능할 것이다.7, it is described that each process is sequentially executed. However, those skilled in the art will appreciate that those skilled in the art can change and execute the procedure described in FIG. 7 without departing from the essential characteristics of the embodiments of the present invention Or may be variously modified and modified by executing one or more processes in parallel or by adding other processes.
본 실시예들에 따른 동작은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능한 매체에 기록될 수 있다. 컴퓨터 판독 가능한 매체는 실행을 위해 프로세서에 명령어를 제공하는 데 참여한 임의의 매체를 나타낸다. 컴퓨터 판독 가능한 매체는 프로그램 명령, 데이터 파일, 데이터 구조 또는 이들의 조합을 포함할 수 있다. 예를 들면, 자기 매체, 광기록 매체, 메모리 등이 있을 수 있다. 컴퓨터 프로그램은 네트워크로 연결된 컴퓨터 시스템 상에 분산되어 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수도 있다. 본 실시예를 구현하기 위한 기능적인(Functional) 프로그램, 코드, 및 코드 세그먼트들은 본 실시예가 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있을 것이다.The operations according to the present embodiments may be implemented in the form of program instructions that can be executed through various computer means and recorded in a computer-readable medium. A computer-readable medium represents any medium that participates in providing instructions to a processor for execution. The computer readable medium may include program instructions, data files, data structures, or a combination thereof. For example, there may be a magnetic medium, an optical recording medium, a memory, and the like. The computer program may be distributed and distributed on a networked computer system so that computer readable code may be stored and executed in a distributed manner. Functional programs, codes, and code segments for implementing the present embodiment may be easily deduced by programmers of the technical field to which the present embodiment belongs.
본 실시예들은 본 실시예의 기술 사상을 설명하기 위한 것이고, 이러한 실시예에 의하여 본 실시예의 기술 사상의 범위가 한정되는 것은 아니다. 본 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.The present embodiments are for explaining the technical idea of the present embodiment, and the scope of the technical idea of the present embodiment is not limited by these embodiments. The scope of protection of the present embodiment should be construed according to the following claims, and all technical ideas within the scope of equivalents thereof should be construed as being included in the scope of the present invention.
100: 뇌기능 정합 장치
110: 뇌기능 신호 획득부
120: 뇌기능 정합 모델 생성부
130: 뇌기능 신호 추정부100: Brain function matching device
110: brain function signal acquisition unit
120: Brain function matching model generation unit
130: brain function signal estimating unit
Claims (15)
제1 멀티미디어를 시청하는 제1 피험자의 뇌에서 활성화된 제1 뇌기능 신호를 획득하는 단계;
상기 제1 멀티미디어를 시청하는 제2 피험자의 뇌에서 활성화된 제2 뇌기능 신호를 획득하는 단계;
상기 제1 피험자의 제1 뇌기능 신호 및 상기 제2 피험자의 제2 뇌기능 신호를 기반으로 학습하여 뇌기능 정합 모델을 생성하는 단계;
제2 멀티미디어를 상기 제2 피험자에게 제공하여 상기 제2 피험자의 뇌에서 활성화된 제3 뇌기능 신호를 획득하는 단계; 및
상기 뇌기능 정합 모델을 이용하여, 상기 제3 뇌기능 신호로부터 상기 제1 피험자의 뇌에서 활성화되는 제4 뇌기능 신호를 추정하는 단계를 포함하며,
상기 뇌기능 정합 모델을 생성하는 단계는, 상기 제1 뇌기능 신호 및 상기 제2 뇌기능 신호에 포함된 복수의 영역 간에 연결시킨 뇌기능 연결성을 생성하는 단계; 상기 뇌기능 연결성을 고차원에서 저차원으로 변환하는 단계; 및 상기 제1 뇌기능 신호에 관한 저차원의 뇌기능 연결성에 상기 제2 뇌기능 신호에 관한 저차원의 뇌기능 연결성을 매핑하여 상기 뇌기능 정합 모델의 파라미터를 학습하는 단계를 포함하는 것을 특징으로 하는 뇌기능 정합 방법.A method for brain function matching by a computing device,
Obtaining an activated first brain function signal in a brain of a first subject who watches the first multimedia;
Obtaining an activated second brain function signal in a brain of a second subject who watches the first multimedia;
Generating a brain function matching model by learning based on a first brain function signal of the first subject and a second brain function signal of the second subject;
Providing a second multimedia to the second subject to obtain an activated third brain function signal in the brain of the second subject; And
Estimating a fourth brain function signal activated in the brain of the first subject from the third brain function signal using the brain function matching model,
Wherein the step of generating the brain function matching model comprises: generating brain functional connectivity connected between a plurality of regions included in the first brain function signal and the second brain function signal; Converting the brain functional connectivity from a higher dimensional to a lower dimensional; And learning a parameter of the brain function matching model by mapping low-dimensional brain function connectivity with respect to the second brain function signal to low-dimensional brain function connectivity with respect to the first brain function signal, A brain function matching method.
상기 제1 뇌기능 신호, 상기 제2 뇌기능 신호, 및 상기 제3 뇌기능 신호는 기능적 자기공명영상(Functional Magnetic Resonance Imaging, fMRI), 뇌전도(electroencephalography, EEG), 및 기능적 근적외선 분광(Functional Near Infrared Spectroscopy, fNIRS) 중에서 적어도 하나를 적용하여 획득한 신호인 것을 특징으로 하는 뇌기능 정합 방법.The method according to claim 1,
Wherein the first brain function signal, the second brain function signal and the third brain function signal are selected from the group consisting of Functional Magnetic Resonance Imaging (fMRI), electroencephalography (EEG), and Functional Near Infrared Spectroscopy, and fNIRS). ≪ / RTI >
상기 뇌기능 연결성은 개별 뇌기능 연결성 및 전체 뇌기능 연결성으로 구분되며, 상기 뇌기능 연결성을 고차원에서 저차원으로 변환하는 단계는 (i) 상기 개별 뇌기능 연결성을 고차원에서 저차원으로 변환하는 단계 및 (ii) 상기 변환된 저차원의 개별 뇌기능 연결성을 통합한 전체 뇌기능 연결성을 고차원에서 저차원으로 변환하는 단계를 포함하는 것을 특징으로 하는 뇌기능 정합 방법.The method according to claim 1,
Wherein the brain functional connectivity is divided into individual brain functional connectivity and global brain functional connectivity, wherein the step of converting the brain functional connectivity from a higher dimensional to a lower dimensional level comprises: (i) converting the individual brain functional connectivity from a higher dimensional to a lower dimensional; (ii) converting the whole brain functional connectivity that incorporates the transformed low dimensional individual brain functional connectivity into a high dimensional to low dimensional state.
상기 개별 뇌기능 연결성을 고차원에서 저차원으로 변환하는 단계는, 고차원의 개별 뇌기능 연결성을 입력으로 하여 제1 오토인코더를 학습하고, 저차원의 개별 뇌기능 연결성을 출력하는 것을 특징으로 하는 뇌기능 정합 방법.5. The method of claim 4,
Wherein the step of converting the individual brain functional connectivity from a higher dimensional to a lower dimensional level comprises learning the first auto encoder with the input of the individual brain functional connectivity of higher order and outputting the low dimensional individual brain functional connectivity Matching method.
상기 전체 뇌기능 연결성을 고차원에서 저차원으로 변환하는 단계는, 고차원의 전체 뇌기능 연결성을 입력으로 하여 제2 오토인코더를 학습하고, 저차원의 전체 뇌기능 연결성을 출력하는 것을 특징으로 하는 뇌기능 정합 방법.5. The method of claim 4,
Wherein the step of converting the whole brain functional connectivity from a higher dimensional to a lower dimensional level comprises learning the second auto encoder with the input of the higher dimensional whole brain functional connectivity and outputting the whole brain functional connectivity at a lower dimension Matching method.
상기 뇌기능 정합 모델은 네트워크로 연결된 하나 이상의 레이어의 노드들을 포함하며, 상기 뇌기능 정합 모델의 파라미터를 변화시켜 학습하는 것을 특징으로 하는 뇌기능 정합 방법.The method according to claim 1,
Wherein the brain function matching model includes nodes of one or more layers connected to the network, and learning is performed by changing parameters of the brain function matching model.
상기 제4 뇌기능 신호를 추정하는 단계는,
상기 제3 뇌기능 신호에 포함된 복수의 영역 간에 연결시킨 뇌기능 연결성을 생성하는 단계;
상기 뇌기능 연결성을 고차원에서 저차원으로 변환하는 단계;
상기 뇌기능 정합 모델에 상기 제3 뇌기능 신호에 관한 저차원의 뇌기능 연결성을 적용하여 상기 제1 뇌기능 신호에 관하여 매핑된 저차원의 뇌기능 연결성을 추정하는 단계; 및
상기 매핑된 저차원의 뇌기능 연결성을 고차원의 뇌기능 연결성으로 재구성하는 단계
를 포함하는 것을 특징으로 하는 뇌기능 정합 방법.The method according to claim 1,
Wherein the estimating of the fourth brain function signal comprises:
Generating brain functional connectivity connected between a plurality of regions included in the third brain function signal;
Converting the brain functional connectivity from a higher dimensional to a lower dimensional;
Estimating low-dimensional brain functional connectivity mapped with respect to the first brain function signal by applying low-dimensional brain function connectivity with respect to the third brain function signal to the brain function matching model; And
Reconstructing the mapped low dimensional brain functional connectivity into high dimensional brain functional connectivity
And a brain function matching method.
상기 뇌기능 연결성은 개별 뇌기능 연결성 및 전체 뇌기능 연결성으로 구분되며, 상기 매핑된 저차원의 뇌기능 연결성을 고차원의 뇌기능 연결성으로 재구성하는 단계는, 매핑된 저차원의 뇌기능 연결성으로부터 고차원의 전체 뇌기능 연결성을 재구성하고, 상기 재구성된 고차원의 전체 뇌기능 연결성으로부터 고차원의 개별 뇌기능 연결성을 재구성하는 것을 특징으로 하는 뇌기능 정합 방법.9. The method of claim 8,
Wherein the brain functional connectivity is divided into individual brain functional connectivity and whole brain functional connectivity and the step of reconstructing the mapped low dimensional brain functional connectivity into a high dimensional brain functional connectivity comprises: Reconstructing the whole brain functional connectivity and reconstructing the high dimensional individual brain functional connectivity from the reconstructed high dimensional whole brain functional connectivity.
상기 제1 피험자의 제1 뇌기능 신호 및 상기 제2 피험자의 제2 뇌기능 신호를 기반으로 학습하여 뇌기능 정합 모델을 생성하는 뇌기능 정합 모델 생성부; 및
상기 뇌기능 정합 모델을 이용하여, 상기 뇌기능 신호 획득부에 의해 제2 멀티미디어를 상기 제2 피험자에게 제공하여 획득한 상기 제2 피험자의 뇌에서 활성화된 제3 뇌기능 신호로부터 상기 제1 피험자의 뇌에서 활성화되는 제4 뇌기능 신호를 추정하는 뇌기능 신호 추정부를 포함하며,
상기 뇌기능 정합 모델 생성부는, 상기 제1 뇌기능 신호 및 상기 제2 뇌기능 신호에 포함된 복수의 영역 간에 연결시킨 뇌기능 연결성을 생성하고, 상기 뇌기능 연결성을 고차원에서 저차원으로 변환하고, 상기 제1 뇌기능 신호에 관한 저차원의 뇌기능 연결성에 상기 제2 뇌기능 신호에 관한 저차원의 뇌기능 연결성을 매핑하여 상기 뇌기능 정합 모델의 파라미터를 학습하는 것을 특징으로 하는 뇌기능 정합 장치.Acquiring an activated first brain function signal in a brain of a first subject who watches the first multimedia and acquiring a brain function signal to acquire an activated second brain function signal in a brain of a second subject who watches the first multimedia part;
A brain function matching model generating unit for generating a brain function matching model by learning based on a first brain function signal of the first subject and a second brain function signal of the second subject; And
From the third brain function signal activated in the brain of the second subject obtained by providing the second multimedia to the second subject by the brain function signal obtaining unit using the brain function matching model, And a brain function signal estimator for estimating a fourth brain function signal activated in the brain,
Wherein the brain function matching model generation unit generates brain function connectivity connected between a plurality of regions included in the first brain function signal and the second brain function signal and converts the brain function connectivity from a high dimensional dimension to a low dimensional dimension, And mapping the low-dimensional brain function connectivity related to the second brain function signal to low-dimensional brain function connectivity related to the first brain function signal to learn the parameters of the brain function matching model .
상기 제1 뇌기능 신호, 상기 제2 뇌기능 신호, 및 상기 제3 뇌기능 신호는 기능적 자기공명영상(Functional Magnetic Resonance Imaging, fMRI), 뇌전도(electroencephalography, EEG), 및 기능적 근적외선 분광(Functional Near Infrared Spectroscopy, fNIRS) 중에서 적어도 하나를 적용하여 획득한 신호인 것을 특징으로 하는 뇌기능 정합 장치.11. The method of claim 10,
Wherein the first brain function signal, the second brain function signal and the third brain function signal are selected from the group consisting of Functional Magnetic Resonance Imaging (fMRI), electroencephalography (EEG), and Functional Near Infrared Spectroscopy, and fNIRS). ≪ / RTI >
상기 뇌기능 연결성은 개별 뇌기능 연결성 및 전체 뇌기능 연결성으로 구분되며, 상기 뇌기능 연결성을 고차원에서 저차원으로 변환하는 과정은 (i) 상기 개별 뇌기능 연결성을 고차원에서 저차원으로 변환하는 과정 및 (ii) 상기 변환된 저차원의 개별 뇌기능 연결성을 통합한 전체 뇌기능 연결성을 고차원에서 저차원으로 변환하는 과정을 포함하는 것을 특징으로 하는 뇌기능 정합 장치.11. The method of claim 10,
The process of converting the brain functional connectivity from a high dimensional to a low dimensional state comprises the steps of (i) converting the individual brain functional connectivity from a high dimensional to a low dimensional, and (ii) converting the whole brain functional connectivity that incorporates the transformed low dimensional individual brain functional connectivity into a high dimensional to low dimensional state.
상기 뇌기능 신호 추정부는,
상기 제3 뇌기능 신호에 포함된 복수의 영역 간에 연결시킨 뇌기능 연결성을 생성하고, 상기 뇌기능 연결성을 고차원에서 저차원으로 변환하고, 상기 뇌기능 정합 모델에 상기 제3 뇌기능 신호에 관한 저차원의 뇌기능 연결성을 적용하여 상기 제1 뇌기능 신호에 관하여 매핑된 저차원의 뇌기능 연결성을 추정하고, 상기 매핑된 저차원의 뇌기능 연결성을 고차원의 뇌기능 연결성으로 재구성하는 것을 특징으로 하는 뇌기능 정합 장치.12. The method of claim 11,
Wherein the brain function signal estimator comprises:
Generating a brain function connectivity connected between a plurality of regions included in the third brain function signal, converting the brain function connectivity from a higher dimensional level to a lower level, Dimensional brain function connectivity to estimate a low dimensional brain function connectivity mapped with respect to the first brain function signal and to reconstruct the mapped low dimensional brain function connectivity to high dimensional brain function connectivity Brain function matching device.
제1 멀티미디어를 시청하는 제1 피험자의 뇌에서 활성화된 제1 뇌기능 신호를 획득하는 단계;
상기 제1 멀티미디어를 시청하는 제2 피험자의 뇌에서 활성화된 제2 뇌기능 신호를 획득하는 단계;
상기 제1 피험자의 제1 뇌기능 신호 및 상기 제2 피험자의 제2 뇌기능 신호를 기반으로 학습하여 뇌기능 정합 모델을 생성하는 단계;
제2 멀티미디어를 상기 제2 피험자에게 제공하여 상기 제2 피험자의 뇌에서 활성화된 제3 뇌기능 신호를 획득하는 단계; 및
상기 뇌기능 정합 모델을 이용하여, 상기 제3 뇌기능 신호로부터 상기 제1 피험자의 뇌에서 활성화되는 제4 뇌기능 신호를 추정하는 단계를 포함한 동작들을 수행하며,
상기 뇌기능 정합 모델을 생성하는 단계는, 상기 제1 뇌기능 신호 및 상기 제2 뇌기능 신호에 포함된 복수의 영역 간에 연결시킨 뇌기능 연결성을 생성하는 단계; 상기 뇌기능 연결성을 고차원에서 저차원으로 변환하는 단계; 및 상기 제1 뇌기능 신호에 관한 저차원의 뇌기능 연결성에 상기 제2 뇌기능 신호에 관한 저차원의 뇌기능 연결성을 매핑하여 상기 뇌기능 정합 모델의 파라미터를 학습하는 단계를 포함하는 것을 특징으로 하는 컴퓨터 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체.
1. A computer-readable recording medium having recorded thereon a computer program for recording brain functionalities recorded on a non-transitory computer readable medium comprising computer program instructions executable by a processor, When executed by a processor of the processor,
Obtaining an activated first brain function signal in a brain of a first subject who watches the first multimedia;
Obtaining an activated second brain function signal in a brain of a second subject who watches the first multimedia;
Generating a brain function matching model by learning based on a first brain function signal of the first subject and a second brain function signal of the second subject;
Providing a second multimedia to the second subject to obtain an activated third brain function signal in the brain of the second subject; And
Estimating a fourth brain function signal activated in the brain of the first subject from the third brain function signal using the brain function matching model,
Wherein the step of generating the brain function matching model comprises: generating brain functional connectivity connected between a plurality of regions included in the first brain function signal and the second brain function signal; Converting the brain functional connectivity from a higher dimensional to a lower dimensional; And learning a parameter of the brain function matching model by mapping low-dimensional brain function connectivity with respect to the second brain function signal to low-dimensional brain function connectivity with respect to the first brain function signal, A computer readable recording medium having recorded thereon a computer program for causing a computer to function as:
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170087552A KR101939611B1 (en) | 2017-07-11 | 2017-07-11 | Method and Apparatus for Matching Brain Function |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170087552A KR101939611B1 (en) | 2017-07-11 | 2017-07-11 | Method and Apparatus for Matching Brain Function |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101939611B1 true KR101939611B1 (en) | 2019-01-17 |
Family
ID=65279993
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170087552A KR101939611B1 (en) | 2017-07-11 | 2017-07-11 | Method and Apparatus for Matching Brain Function |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101939611B1 (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210043473A (en) * | 2019-10-11 | 2021-04-21 | 연세대학교 산학협력단 | Method and apparatus for matching brain region between heterogeneous |
| KR20220080815A (en) * | 2020-12-07 | 2022-06-15 | 연세대학교 원주산학협력단 | Bio-signal-based degenerative brain disease prediction and training system |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150106954A (en) * | 2013-03-15 | 2015-09-22 | 인텔 코포레이션 | Brain computer interface (bci) system based on gathered temporal and spatial patterns of biophysical signals |
| KR20160031124A (en) * | 2014-09-11 | 2016-03-22 | 한양대학교 산학협력단 | Method and Apparatus for Estimation of Symptom Severity Scores for Patients with Schizophrenia using Electroencephalogram Analysis |
| KR101621849B1 (en) * | 2014-12-02 | 2016-05-31 | 삼성전자주식회사 | Apparatus and method for determining nodes for brain network analysis |
| KR101718293B1 (en) * | 2016-09-27 | 2017-03-20 | 인제대학교 산학협력단 | PTSD diagnostic System through the brain network analysis |
| KR20170097324A (en) * | 2016-02-18 | 2017-08-28 | 연세대학교 원주산학협력단 | Brain damage measuring method based on anatomical brain network and apparatus using thereof |
-
2017
- 2017-07-11 KR KR1020170087552A patent/KR101939611B1/en active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150106954A (en) * | 2013-03-15 | 2015-09-22 | 인텔 코포레이션 | Brain computer interface (bci) system based on gathered temporal and spatial patterns of biophysical signals |
| KR20160031124A (en) * | 2014-09-11 | 2016-03-22 | 한양대학교 산학협력단 | Method and Apparatus for Estimation of Symptom Severity Scores for Patients with Schizophrenia using Electroencephalogram Analysis |
| KR101621849B1 (en) * | 2014-12-02 | 2016-05-31 | 삼성전자주식회사 | Apparatus and method for determining nodes for brain network analysis |
| KR20170097324A (en) * | 2016-02-18 | 2017-08-28 | 연세대학교 원주산학협력단 | Brain damage measuring method based on anatomical brain network and apparatus using thereof |
| KR101718293B1 (en) * | 2016-09-27 | 2017-03-20 | 인제대학교 산학협력단 | PTSD diagnostic System through the brain network analysis |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210043473A (en) * | 2019-10-11 | 2021-04-21 | 연세대학교 산학협력단 | Method and apparatus for matching brain region between heterogeneous |
| KR102385890B1 (en) | 2019-10-11 | 2022-04-12 | 연세대학교 산학협력단 | Method and apparatus for matching brain region between heterogeneous |
| 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 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lee et al. | Families that fire together smile together: Resting state connectome similarity and daily emotional synchrony in parent-child dyads | |
| US20180260706A1 (en) | Systems and methods of identity analysis of electrocardiograms | |
| Guggisberg et al. | Two intrinsic coupling types for resting-state integration in the human brain | |
| Chiarion et al. | Connectivity analysis in EEG data: a tutorial review of the state of the art and emerging trends | |
| Kontson et al. | Your brain on art: emergent cortical dynamics during aesthetic experiences | |
| Lina et al. | Wavelet-based localization of oscillatory sources from magnetoencephalography data | |
| Alderson et al. | Metastable neural dynamics underlies cognitive performance across multiple behavioural paradigms | |
| WO2015120481A1 (en) | Assessing cognition using item-recall trials with accounting for item position | |
| Morettin et al. | Wavelets in functional data analysis | |
| KR101939611B1 (en) | Method and Apparatus for Matching Brain Function | |
| O’Reilly et al. | Assessing EEG sleep spindle propagation. Part 2: experimental characterization | |
| Fukushima et al. | A state-space modeling approach for localization of focal current sources from MEG | |
| CA3063321A1 (en) | Method, command, device and program to determine at least one brain network involved in carrying out a given process | |
| Yu et al. | Horizontal visibility graph transfer entropy (HVG-TE): A novel metric to characterize directed connectivity in large-scale brain networks | |
| CN111387936B (en) | Sleep stage identification method, device and equipment | |
| CN105593860B (en) | For determining the device and patient health condition determiner of composite score distribution | |
| Gauthier et al. | Hippocampal contribution to ordinal psychological time in the human brain | |
| de Pasquale et al. | Temporal and spectral signatures of the default mode network | |
| Loued-Khenissi et al. | Information theoretic characterization of uncertainty distinguishes surprise from accuracy signals in the brain | |
| Das et al. | Neuro-current response functions: A unified approach to MEG source analysis under the continuous stimuli paradigm | |
| CN114648048A (en) | Electrocardiosignal noise reduction method based on variational self-coding and PixelCNN model | |
| Terry et al. | Nonlinear analysis of EEG during NREM sleep reveals changes in functional connectivity due to natural aging | |
| Lee et al. | Group sparse dictionary learning and inference for resting-state fMRI analysis of Alzheimer's disease | |
| Shaw et al. | Brain State Classification With Group l 1–norm Sparse PDC as Novel Features for EEG | |
| Boppana et al. | Deep Learning Approach for an early stage detection of Neurodevelopmental Disorders |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |