KR102373760B1 - 익명화된 데이터 기반 외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 시스템 및 방법 - Google Patents

익명화된 데이터 기반 외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 시스템 및 방법 Download PDF

Info

Publication number
KR102373760B1
KR102373760B1 KR1020210089052A KR20210089052A KR102373760B1 KR 102373760 B1 KR102373760 B1 KR 102373760B1 KR 1020210089052 A KR1020210089052 A KR 1020210089052A KR 20210089052 A KR20210089052 A KR 20210089052A KR 102373760 B1 KR102373760 B1 KR 102373760B1
Authority
KR
South Korea
Prior art keywords
server
brain
brain stimulation
simulation
global matrix
Prior art date
Application number
KR1020210089052A
Other languages
English (en)
Inventor
김동현
Original Assignee
뉴로핏 주식회사
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 뉴로핏 주식회사 filed Critical 뉴로핏 주식회사
Priority to KR1020210089052A priority Critical patent/KR102373760B1/ko
Priority to PCT/KR2021/018140 priority patent/WO2023282404A1/ko
Priority to US17/676,758 priority patent/US20230038541A1/en
Application granted granted Critical
Publication of KR102373760B1 publication Critical patent/KR102373760B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • 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
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4058—Detecting, measuring or recording for evaluating the nervous system for evaluating the central nervous system
    • A61B5/4064—Evaluating the brain
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4836—Diagnosis combined with treatment in closed-loop systems or methods
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/02—Details
    • A61N1/04—Electrodes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/02—Details
    • A61N1/04—Electrodes
    • A61N1/0404—Electrodes for external use
    • A61N1/0408—Use-related aspects
    • A61N1/0456—Specially adapted for transcutaneous electrical nerve stimulation [TENS]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/02—Details
    • A61N1/08—Arrangements or circuits for monitoring, protecting, controlling or indicating
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/18—Applying electric currents by contact electrodes
    • A61N1/20—Applying electric currents by contact electrodes continuous direct currents
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Theoretical Computer Science (AREA)
  • Pathology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Radiology & Medical Imaging (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Databases & Information Systems (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Geometry (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Neurology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Evolutionary Computation (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Psychology (AREA)
  • Neurosurgery (AREA)
  • Physiology (AREA)

Abstract

익명화된 데이터 기반 외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 시스템 및 방법이 제공된다. 본 발명의 다양한 실시예에 따른 외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 방법은, 컴퓨팅 장치에 의해 수행되는 방법에 있어서, 제1 서버가 복수의 대상체 각각에 대한 복수의 뇌 모델을 이용하여 상기 복수의 대상체에 대한 뇌 자극 시뮬레이션을 수행하기 위한 글로벌 매트릭스(Global Matrix)를 생성하는 단계 및 제2 서버가 상기 제1 서버로부터 상기 생성된 글로벌 매트릭스를 제공받고, 상기 제공된 글로벌 매트릭스를 이용하여 상기 복수의 대상체에 대한 뇌 자극 시뮬레이션을 수행하는 단계를 포함한다.

Description

익명화된 데이터 기반 외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 시스템 및 방법{SYSTEM AND METHOD FOR EXECUTING BRAIN STIMULUS SIMULATION ACCORDING TO PRE-SET GUIDE SYSTEM USING EXTERNAL SERVER BASED ON ANONYMIZED DATA}
본 발명의 다양한 실시예는 익명화된 데이터 기반 외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 시스템 및 방법에 관한 것이다.
뇌는 인체 머리의 내부 기관으로 신경계의 최고 중추기관이며, 대뇌, 소뇌, 중간뇌, 다리뇌, 연수로 나뉘어진다. 또한, 뇌는 뉴런 활동 준위의 합이 뇌의 표피에서 측정되는 신호인 뇌파를 발생한다.
뇌의 상태를 측정하는 방법으로, 먼저 두피에 전극을 구비한 패드를 장착하여 전극으로부터 수신되는 뇌파를 측정해 검사하는 EEG(electroencephalogram) 검사, 또는, 뇌를 방사선이나 초음파를 이용하여 여러 각도에서 단층 촬영해 검사하는 CT 검사, 자기공명에 의해 뇌를 촬영하는 MRI 검사 등이 있다.
다양한 개념들이 뇌 구조들의 신경 자극 분야에 알려져 있으며, 뇌를 자극시켜서 소정의 목적을 달성하는 두뇌자극술은 크게 침습식 두뇌자극술(invasive brain stimulation)과 비침습식 두뇌자극술(non-invasive brain stimulation)로 구분된다.
침습식 두뇌자극술은 수술을 통해 전극을 뇌에 침투시키고 전기 신호를 인가하는 방법이며, 비침습식 두뇌자극술은 두개골 내부로 전극을 침습하지 않고 뇌를 자극하여 소정의 효과를 달성하는 방법이다.
구체적인 두뇌자극술로는, 심부 전기 자극법(deep electrical stimulation), 경두개 자기 자극법(Transcranial Magnetic Stimulation, TMS), 경두개 전기 자극법(Transcranial Electrical Stimulation, TES), 경두개 직류 자극법(transcranial Direct Current Stimulation, tDCS) 및 경두개 랜덤 노이즈 자극법(transcranial Random Noise Stimulation, tRNS) 등이 있다.
이 가운데 경두개 직류 자극법(tDCS)을 이용한 뇌 전기 자극 기술은, 상대적으로 간단한 비침습식 두뇌자극술 가운데 하나로써, 인지 능력 향상이나 우울증, ADHD(Attention Deficit Hyperactivity Disorder), 간질, 치매, 수면장애 등 다양한 뇌신경 질환 치료에 효과가 있는 것으로 알려져 있어 이와 관련된 많은 연구가 활발히 이루어지고 있다.
경두개 직류 자극(tDCS) 장치를 이용하여 뇌를 자극하는 방법은, 직류 전류를 발생시키는 경두개 직류 자극(tDCS) 장치에 양극 전극(Anode)과 음극 전극(Cathode)을 연결하여, 양극 전극(Anode)에 전류를 주입하면 전류는 대뇌를 거처 음극 전극(Cathode)으로 다시 들어오게 된다.
이 경우, 양극 전극(Anode)에서부터 음극 전극(Cathode)으로 전류가 흐르며 대뇌를 자극하는데, 치료 방법에 따라 전기자극 방향을 바꿀 필요도 있다.
종래에는, 경두개 직류 자극법에 따라 사용자의 뇌에 기 설정된 목표 지점을 정확하게 자극하기 위하여, 사전에 사용자의 뇌 모델을 이용하여 뇌 자극 시뮬레이션을 수행하는 과정을 수행해야 하나, 일반적으로 병원 등과 같은 의료 기관에 구비되어 있는 컴퓨팅 장치의 성능이 좋지 않기 때문에 시뮬레이션 하는 과정에서 많은 시간이 소요되며, 다수의 사용자에 대한 시뮬레이션을 동시에 수행할 수 없다는 문제가 있다.
또한, 보다 성능이 좋은 외부의 컴퓨팅 장치를 이용하여 다수의 사용자에 대한 뇌 자극 시뮬레이션을 수행하고자 하는 경우, 다수의 사용자에 대한 정보를 포함하는 의료 데이터를 외부로 반출해야 하기 때문에 법적인 제재(예: 개인정보보호법 등)를 받을 수 있으며, 이를 방지하기 위해서는 막대한 양의 의료 데이터에 대한 비식별화 과정을 수행해야 한다는 문제가 있다.
한국등록특허 제10-1758903호 (2017.07.11)
본 발명이 해결하고자 하는 과제는 종래의 문제점을 극복하기 위한 목적으로, 다수의 사용자를 대상으로 뇌 자극 시뮬레이션을 수행하기 위하여 사용자에 대한 정보를 포함하지 않는 글로벌 매트릭스(Global matrix)를 생성하여 외부 서버로 송신함으로써, 의료 데이터를 외부로 송신함에 있어서 다수의 사용자에 대한 익명성을 보장하여 법적 제재를 방지할 수 있고, 외부 서버를 통해 글로벌 매트릭스를 기반의 뇌 자극 시뮬레이션을 수행하고, 외부 서버로부터 뇌 자극 시뮬레이션을 수행한 결과를 제공받음으로써, 보다 좋은 성능을 가지는 외부의 컴퓨팅 장치를 통해 다수의 사용자에 대한 시뮬레이션을 보다 빠르고 정확하게 처리할 수 있는 익명화된 데이터 기반 외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 시스템 및 방법을 제공하는 것이다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상술한 과제를 해결하기 위한 본 발명의 일 실시예에 따른 외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 방법은, 컴퓨팅 장치에 의해 수행되는 방법에 있어서, 제1 서버가 복수의 대상체 각각에 대한 복수의 뇌 모델을 이용하여 상기 복수의 대상체에 대한 뇌 자극 시뮬레이션을 수행하기 위한 글로벌 매트릭스(Global Matrix)를 생성하는 단계 및 제2 서버가 상기 제1 서버로부터 상기 생성된 글로벌 매트릭스를 제공받고, 상기 제공된 글로벌 매트릭스를 이용하여 상기 복수의 대상체에 대한 뇌 자극 시뮬레이션을 수행하는 단계를 포함할 수 있다.
다양한 실시예에서, 상기 글로벌 매트릭스를 생성하는 단계는, 상기 복수의 대상체에 대한 MRI 영상을 획득하는 단계, 상기 획득한 MRI 영상을 복수의 영역으로 분할하는 단계, 상기 복수의 영역으로 분할된 MRI 영상을 이용하여 3차원 뇌 영상을 생성하는 단계, 상기 생성된 3차원 뇌 영상에 포함된 복수의 영역 각각에 대한 속성에 기초하여, 복수의 격자(mesh)로 구성된 3차원 뇌지도를 생성하는 단계 및 상기 생성된 3차원 뇌지도를 이용하여 상기 글로벌 매트릭스를 생성하는 단계를 포함할 수 있다.
다양한 실시예에서, 상기 생성된 3차원 뇌지도를 이용하여 상기 글로벌 매트릭스를 생성하는 단계는, 상기 뇌 자극 시뮬레이션을 수행하기 위한 수학식을 도출하는 단계, 상기 생성된 3차원 뇌지도에 포함된 복수의 노드를 복수의 그룹으로 그룹화하고, 상기 도출된 수학식을 이용하여 상기 복수의 그룹 각각에 대한 단위 매트릭스를 생성하는 단계 및 상기 생성된 단위 매트릭스를 결합하여 하나의 글로벌 매트릭스를 생성하는 단계를 포함할 수 있다.
다양한 실시예에서, 상기 수학식을 도출하는 단계는, 상기 뇌 자극 시뮬레이션을 수행하기 위한 수학식을 도출하되, 상기 도출된 수학식의 형태는 상기 뇌 자극 시뮬레이션을 수행하는 목적 - 상기 목적은 시계열 전류 예측, 정전류 및 저주파 전류 예측 및 초음파 자극에 대한 진동 예측 중 적어도 하나를 포함함 - 에 따라 결정되는 것인, 단계를 포함할 수 있다.
다양한 실시예에서, 상기 복수의 그룹 각각은, 사면체 형상을 가지는 4개의 노드를 포함하며, 상기 복수의 그룹 각각에 대한 단위 매트릭스를 생성하는 단계는, 유한 요소법(Finite Element Method, FEM)을 이용하여 상기 사면체 형상을 가지는 4개의 노드에 대한 강성 매트릭스(stiffness Matrix)를 생성하는 단계를 포함할 수 있다.
다양한 실시예에서, 상기 복수의 영역으로 분할하는 단계는, 상기 획득한 MRI 영상을 분할함으로써 생성되는 상기 복수의 영역 각각에 상기 복수의 영역 각각에 대한 물리적 특성을 할당하되, 상기 복수의 영역 각각에 할당되는 물리적 특성의 종류는 시뮬레이션 하고자 하는 뇌 자극의 종류에 따라 결정되는 것인, 단계를 포함할 수 있다.
다양한 실시예에서, 상기 글로벌 매트릭스를 생성하는 단계는, 상기 뇌 자극 시뮬레이션을 수행하기 위한 뇌 자극 조건을 설정하되, 상기 설정된 뇌 자극 조건은 기 설정된 가이드 시스템에 따른 복수의 자극 위치, 상기 복수의 자극 위치에 부착 가능한 전극의 개수 및 뇌 자극의 세기 중 적어도 하나를 포함하는 것인, 단계를 더 포함할 수 있다.
다양한 실시예에서, 상기 제1 서버가 상기 제2 서버로부터 상기 복수의 대상체에 대한 뇌 자극 시뮬레이션의 결과를 제공받고, 상기 제공받은 뇌 자극 시뮬레이션의 결과와 상기 생성된 3차원 뇌지도를 결합하여 출력하는 단계를 더 포함할 수 있다.
다양한 실시예에서, 상기 뇌 자극 시뮬레이션을 수행하는 단계는, 상기 제공된 글로벌 매트릭스를 이용하여, 상기 제공된 글로벌 매트릭스에 대한 선형 방정식을 도출하는 단계 및 상기 뇌 자극 시뮬레이션의 결과로서 상기 도출된 선형 방정식의 해를 산출하는 단계를 포함할 수 있다.
상술한 과제를 해결하기 위한 본 발명의 다른 실시예에 따른 외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 시스템은, 복수의 대상체 각각에 대한 복수의 뇌 모델을 이용하여 상기 복수의 대상체에 대한 뇌 자극 시뮬레이션을 수행하기 위한 글로벌 매트릭스(Global Matrix)를 생성하는 제1 서버 및 상기 제1 서버로부터 상기 생성된 글로벌 매트릭스를 제공받고, 상기 제공된 글로벌 매트릭스를 이용하여 상기 복수의 대상체에 대한 뇌 자극 시뮬레이션을 수행하는 제2 서버를 포함할 수 있다.
본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
본 발명의 다양한 실시예에 따르면, 다수의 사용자를 대상으로 뇌 자극 시뮬레이션을 수행하기 위하여 사용자에 대한 정보를 포함하지 않는 글로벌 매트릭스(Global matrix)를 생성하여 외부 서버로 송신함으로써, 의료 데이터를 외부로 송신함에 있어서 다수의 사용자에 대한 익명성을 보장하여 법적 제재를 방지할 수 있고, 외부 서버를 통해 글로벌 매트릭스를 기반의 뇌 자극 시뮬레이션을 수행하고, 외부 서버로부터 뇌 자극 시뮬레이션을 수행한 결과를 제공받음으로써, 보다 좋은 성능을 가지는 외부의 컴퓨팅 장치를 통해 다수의 사용자에 대한 시뮬레이션을 보다 빠르고 정확하게 처리할 수 있다는 이점이 있다.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 시스템을 도시한 도면이다.
도 2는 다양한 실시예에서, 외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 시스템의 제1 서버의 하드웨어 구성도이다.
도 3은 본 발명의 다른 실시예에 따른 외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 방법의 순서도이다.
도 4는 다양한 실시예에서, 대상체의 뇌 영상을 이용하여 3차원 뇌지도를 생성하는 방법의 순서도이다.
도 5는 다양한 실시예에서, 대상체의 뇌에 대한 MRI 영상과 이를 분할한 결과를 예시적으로 도시한 도면이다.
도 6은 다양한 실시예에서, 연결 구성요소(Connected component)기반의 노이즈 제거를 수행하여 복수의 영역으로 분할된 MRI 영상의 노이즈를 제거하는 과정을 도시한 도면이다.
도 7은 다양한 실시예에서, 복수의 영역으로 분할된 MRI 영상을 홀 리젝션(Hole rejection) 처리하고, 이를 이용하여 3차원 뇌 영상을 생성하는 과정을 도시한 도면이다.
도 8은 다양한 실시예에서, 글로벌 매트릭스를 생성하는 방법을 설명하기 위한 순서도이다.
도 9는 다양한 실시예에 적용 가능한 기 설정된 가이드 시스템에 따른 복수의 자극 위치를 예시적으로 도시한 도면이다.
도 10은 다양한 실시예에서, 자극 위치를 필터링하여 뇌 자극 시뮬레이션을 수행하는 방법을 설명하기 위한 순서도이다.
도 11은 다양한 실시예에서, 필터링 대상 영역을 설정하여 적어도 하나의 자극 위치를 필터링하는 형태를 예시적으로 도시한 도면이다.
도 12는 다양한 실시예에서, 제1 서버가 제공하는 사용자 인터페이스(User Interface, UI)를 예시적으로 도시한 도면이다.
도 13은 다양한 실시예에서, 뇌 자극 시뮬레이션을 수행한 결과가 반영된 3차원 뇌지도를 예시적으로 도시한 도면이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
명세서에서 사용되는 "부" 또는 “모듈”이라는 용어는 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, "부" 또는 “모듈”은 어떤 역할들을 수행한다. 그렇지만 "부" 또는 “모듈”은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. "부" 또는 “모듈”은 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 "부" 또는 “모듈”은 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 "부" 또는 “모듈”들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 "부" 또는 “모듈”들로 결합되거나 추가적인 구성요소들과 "부" 또는 “모듈”들로 더 분리될 수 있다.
공간적으로 상대적인 용어인 "아래(below)", "아래(beneath)", "하부(lower)", "위(above)", "상부(upper)" 등은 도면에 도시되어 있는 바와 같이 하나의 구성요소와 다른 구성요소들과의 상관관계를 용이하게 기술하기 위해 사용될 수 있다. 공간적으로 상대적인 용어는 도면에 도시되어 있는 방향에 더하여 사용시 또는 동작시 구성요소들의 서로 다른 방향을 포함하는 용어로 이해되어야 한다. 예를 들어, 도면에 도시되어 있는 구성요소를 뒤집을 경우, 다른 구성요소의 "아래(below)"또는 "아래(beneath)"로 기술된 구성요소는 다른 구성요소의 "위(above)"에 놓여질 수 있다. 따라서, 예시적인 용어인 "아래"는 아래와 위의 방향을 모두 포함할 수 있다. 구성요소는 다른 방향으로도 배향될 수 있으며, 이에 따라 공간적으로 상대적인 용어들은 배향에 따라 해석될 수 있다.
본 명세서에서, 컴퓨터는 적어도 하나의 프로세서를 포함하는 모든 종류의 하드웨어 장치를 의미하는 것이고, 실시 예에 따라 해당 하드웨어 장치에서 동작하는 소프트웨어적 구성도 포괄하는 의미로서 이해될 수 있다. 예를 들어, 컴퓨터는 스마트폰, 태블릿 PC, 데스크톱, 노트북 및 각 장치에서 구동되는 사용자 클라이언트 및 애플리케이션을 모두 포함하는 의미로서 이해될 수 있으며, 또한 이에 제한되는 것은 아니다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.
본 명세서에서 설명되는 각 단계들은 컴퓨터에 의하여 수행되는 것으로 설명되나, 각 단계의 주체는 이에 제한되는 것은 아니며, 실시 예에 따라 각 단계들의 적어도 일부가 서로 다른 장치에서 수행될 수도 있다.
의료 데이터의 분석은 병원과 같은 의료기관 내의 컴퓨팅 장치(또는 컴퓨터)를 이용하여 간단하게 연산하는 것이 일반적이나, 의료 기술에 발전으로 인해 의료 데이터의 분석이 고도화됨에 따라, 클라우드 서비스 등과 같이 의료 기관 밖의 컴퓨팅 장치를 이용하여 의료 데이터를 분석하는 서비스에 대한 니즈가 증가하고 있고 있으며, 이에 따라 다양한 의료 데이터 분석 서비스들이 등장하고 있다.
클라우드 서비스 등과 같이 의료 기관 밖의 컴퓨팅 장치를 이용하여 의료 데이터를 분석하고자 할 경우, 의료 기관 내의 컴퓨팅 장치에 저장된 의료 데이터를 의료 기간 외부의 컴퓨팅 장치로 송신하는 과정이 필요한데, 의료 데이터는 다양한 환자들의 정보(예: 환자들의 개인 정보)을 포함하고 있기 때문에, 환자의 허가를 받지 않거나, 비식별화(de-identification)를 수행하지 않은 상태에서 병원 외 또는 국가 외로 의료 데이터를 유출할 경우, 개인정보보호법 등에 따라 법적 제재를 받을 수 있다는 이슈가 있다.
따라서, 의료 기관 외부의 컴퓨팅 장치를 통해 의료 데이터를 분석하기 위해서는, 의료 영상에서 환자를 식별할 수 있는 식별자(얼굴 윤곽, 환자 번호)를 제거해야 하고, 유전체 또는 의무 기록에서 환자 식별자(예: 환자 번호, 이름, 성별 및 해당 정보를 유추할 수 있는 정보들)를 제거하는 등 개인 정보에 대한 비식별화 과정을 수행해야 한다.
보다 구체적으로, 의료 영상 데이터(예: 뇌 MRI 영상, 두부 CT 영상, 복부 CT 영상, 3차원 초음파 이미지 등)의 경우, 가이드 라인에 따라 영상 상에 환자 번호, 성명 등 식별자를 표시한 것을 삭제 또는 마스킹하거나 DICOM 헤더 등 메타 데이터 상의 식별자를 삭제하거나 영상 정보 신체의 표면 가장자리(surface boundary)를 삭제하는 소프트웨어를 적용해야 하는 바, 외부 컴퓨팅 장치를 통해 의료 데이터를 분석하기 위해서는 의료 데이터를 다수의 과정을 거쳐 다소 까다롭게 보정을 해야 하며, 이에 따라 많은 시간과 인력이 소요된다는 문제가 있다.
이러한 문제점을 극복하기 위한 목적으로, 본 발명의 다양한 실시예에 따른 외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 시스템 및 방법은, 다수의 환자에 대한 익명성이 유지된 상태에서, 외부의 컴퓨팅 장치를 통해 다수의 환자에 대한 치료 설계 및 분석을 위한 시뮬레이션을 수행할 때 필요한 방대한 양의 연산 과정(예: 전기적 뇌 자극술의 시뮬레이션 계산, 초음파 자극의 시뮬레이션 계산 및 EEG/MEG의 source localization을 위한 계산 등)을 수행할 수 있도록 한다. 이하, 도 1 내지 10을 참조하여 설명하도록 한다.
도 1은 본 발명의 일 실시예에 따른 외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 시스템을 도시한 도면이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 시스템은, 제1 서버(100), 제2 서버(200) 및 사용자 단말(300)을 포함할 수 있다.
여기서, 도 1에 도시된 외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 시스템은 일 실시예에 따른 것이고, 그 구성 요소가 도 1에 도시된 실시예에 한정되는 것은 아니며, 필요에 따라 부가, 변경 또는 삭제될 수 있다.
일례로, 본 발명의 다양한 실시예에 따른 외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 시스템은 경우에 따라 둘 이상의 제1 서버(100)를 포함할 수 있으며, 하나의 제2 서버(200)가 둘 이상의 제1 서버(100)에서 각각 생성한 글로벌 매트릭스를 이용하여 뇌 자극 시뮬레이션을 수행할 수 있다.
다른 예로, 본 발명의 다양한 실시예에 따른 외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 시스템은 경우에 따라 둘 이상의 제2 서버(200)를 포함하며, 둘 이상의 제2 서버(200)가 하나의 제1 서버(100)에서 생성한 글로벌 매트릭스를 동시 또는 분할하여 뇌 자극 시뮬레이션을 수행하거나, 하나의 제1 서버(100)에서 생성한 둘 이상의 글로벌 매트릭스를 각각 이용하여 뇌 자극 시뮬레이션을 수행할 수 있다.
일 실시예에서, 제1 서버(100)는 후술되는 제2 서버(200)를 통해 복수의 대상체에 대한 뇌 자극 시뮬레이션을 수행하기 위하여, 글로벌 매트릭스를 생성할 수 있다.
여기서, 글로벌 매트릭스는 개인정보보호법에 의거하여 다수의 대상체(뇌 자극을 시뮬레이션 하고자 하는 환자)에 대한 개인 정보를 포함하지 않고, 뇌 자극 시뮬레이션에 필요한 각종 정보(예: 다수의 대상체의 뇌모델에 대한 기하학적 구조, 시뮬레이션을 수행하기 위하여 필요한 수학식, 물리적 특성 등)만을 포함하는 매트릭스 형태의 데이터를 의미할 수 있으나, 이에 한정되지 않는다.
다양한 실시예에서, 제1 서버(100)는 대상체에 대한 뇌 자극 시뮬레이션을 직접 수행하는 동작과 대상체에 대한 뇌 자극 시뮬레이션을 위한 글로벌 매트릭스를 생성하는 동작을 선택적으로 수행할 수 있다.
예를 들어, 제1 서버(100)는 병원 등과 같은 의료 기관 내에 구비되는 컴퓨팅 장치 즉, 컴퓨팅 성능이 비교적 낮은 컴퓨팅 장치인 바, 뇌 자극을 시뮬레이션 하고자 하는 대상체의 수가 기 설정된 수 이하인 경우 즉 소수의 대상체에 대한 뇌 자극 시뮬레이션을 수행하고자 하는 경우, 제1 서버(100)는 소수의 대상체에 대한 뇌 자극 시뮬레이션을 자체적으로 수행할 수 있다.
한편, 제1 서버(100)는 뇌 자극을 시뮬레이션 하고자 하는 대상체의 수가 기 설정된 수 이하인 경우 즉 다수의 대상체에 대한 뇌 자극 시뮬레이션을 수행하고자 하는 경우, 외부의 제2 서버(200)를 통해 다수의 대상체에 대한 뇌 자극 시뮬레이션을 수행할 수 있도록 글로벌 매트릭스를 생성하여 제2 서버(200)로 제공할 수 있다.
일 실시예에서, 제2 서버(200)는 네트워크(400)를 통해 제1 서버(100)와 연결될 수 있으며, 제1 서버(100)로부터 글로벌 매트릭스를 제공받을 수 있고, 제공받은 글로벌 매트릭스를 이용하여 복수의 대상체에 대한 뇌 자극 시뮬레이션을 수행할 수 있다.
또한, 제2 서버(200)는 글로벌 매트릭스를 이용하여 복수의 대상체에 대한 뇌 자극 시뮬레이션을 수행한 결과를 네트워크(400)를 통해 제1 서버(100)로 제공할 수 있다.
여기서, 제2 서버(200)는 병원 등과 같은 의료기관 외부에 별도로 구비되며, 제1 서버(100)에서 처리하기 어려운 프로세스(예: 다수의 대상체에 대한 뇌 자극 시뮬레이션을 일시에 수행하는 프로세스)를 처리할 수 있도록 제1 서버(100) 대비 비교적 고성능의 사양을 가지는 외부의 서버일 수 있으나, 이에 한정되지 않는다.
다양한 실시예에서, 제1 서버(100)는 네트워크(400)를 통해 사용자 단말(300)과 연결될 수 있으며, 사용자 단말(300)을 통해 입력된 뇌 자극 시뮬레이션 요청에 따라 특정 대상체에 대한 뇌 자극 시뮬레이션 또는 뇌 자극 시뮬레이션을 위한 글로벌 매트릭스 생성을 수행할 수 있다.
또한, 제1 서버(100)는 사용자 단말(300)을 통해 입력된 뇌 자극 시뮬레이션 요청에 따라 복수의 대상체에 대한 뇌 자극 시뮬레이션을 수행한 결과를 사용자 단말(300)로 제공할 수 있다.
여기서, 사용자 단말(300)은, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 네비게이션, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(Smartphone), 스마트 패드(Smartpad), 타블렛PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있으나, 이에 한정되지 않는다.
또한, 여기서, 네트워크(400)는 복수의 단말 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미할 수 있다. 예를 들어, 네트워크(400)는 근거리 통신망(LAN: Local Area Network), 광역 통신망(WAN: Wide Area Network), 인터넷(WWW: World Wide Web), 유무선 데이터 통신망, 전화망, 유무선 텔레비전 통신망 등을 포함한다.
또한, 여기서, 무선 데이터 통신망은 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), 5GPP(5th Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), RF(Radio Frequency), 블루투스(Bluetooth) 네트워크, NFC(Near-Field Communication) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다. 이하, 도 2를 참조하여, 외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 방법을 수행하는 제1 서버(100)의 하드웨어 구성에 대해 설명하도록 한다.
도 2는 다양한 실시예에서, 외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 시스템의 제1 서버의 하드웨어 구성도이다.
도 2를 참조하면, 다양한 실시예에서, 제1 서버(100)는 하나 이상의 프로세서(110), 프로세서(110)에 의하여 수행되는 컴퓨터 프로그램(151)을 로드(Load)하는 메모리(120), 버스(130), 통신 인터페이스(140) 및 컴퓨터 프로그램(151)을 저장하는 스토리지(150)를 포함할 수 있다. 여기서, 도 2에는 본 발명의 실시예와 관련 있는 구성요소들만 도시되어 있다. 따라서, 본 발명이 속한 기술분야의 통상의 기술자라면 도 2에 도시된 구성요소들 외에 다른 범용적인 구성 요소들이 더 포함될 수 있음을 알 수 있다. 또한, 아래에서는 도 2를 참조하여 제1 서버(100)의 하드웨어 구성에 대해 설명하고 있으나, 이에 한정되지 않고, 제2 서버(200)도 제1 서버(100)와 동일한 하드웨어 구성을 포함할 수 있다.
프로세서(110)는 제1 서버(100)의 각 구성의 전반적인 동작을 제어한다. 프로세서(110)는 CPU(Central Processing Unit), MPU(Micro Processor Unit), MCU(Micro Controller Unit), GPU(Graphic Processing Unit) 또는 본 발명의 기술 분야에 잘 알려진 임의의 형태의 프로세서를 포함하여 구성될 수 있다.
또한, 프로세서(110)는 본 발명의 실시예들에 따른 방법을 실행하기 위한 적어도 하나의 애플리케이션 또는 프로그램에 대한 연산을 수행할 수 있으며, 제1 서버(100)는 하나 이상의 프로세서를 구비할 수 있다.
다양한 실시예에서, 프로세서(110)는 프로세서(110) 내부에서 처리되는 신호(또는, 데이터)를 일시적 및/또는 영구적으로 저장하는 램(RAM: Random Access Memory, 미도시) 및 롬(ROM: Read-Only Memory, 미도시)을 더 포함할 수 있다. 또한, 프로세서(110)는 그래픽 처리부, 램 및 롬 중 적어도 하나를 포함하는 시스템온칩(SoC: system on chip) 형태로 구현될 수 있다.
메모리(120)는 각종 데이터, 명령 및/또는 정보를 저장한다. 메모리(120)는 본 발명의 다양한 실시예에 따른 방법/동작을 실행하기 위하여 스토리지(150)로부터 컴퓨터 프로그램(151)을 로드할 수 있다. 메모리(120)에 컴퓨터 프로그램(151)이 로드되면, 프로세서(110)는 컴퓨터 프로그램(151)을 구성하는 하나 이상의 인스트럭션들을 실행함으로써 상기 방법/동작을 수행할 수 있다. 메모리(120)는 RAM과 같은 휘발성 메모리로 구현될 수 있을 것이나, 본 개시의 기술적 범위가 이에 한정되는 것은 아니다.
버스(130)는 제1 서버(100)의 구성 요소 간 통신 기능을 제공한다. 버스(130)는 주소 버스(address Bus), 데이터 버스(Data Bus) 및 제어 버스(Control Bus) 등 다양한 형태의 버스로 구현될 수 있다.
통신 인터페이스(140)는 제1 서버(100)의 유무선 인터넷 통신을 지원한다. 또한, 통신 인터페이스(140)는 인터넷 통신 외의 다양한 통신 방식을 지원할 수도 있다. 이를 위해, 통신 인터페이스(140)는 본 발명의 기술 분야에 잘 알려진 통신 모듈을 포함하여 구성될 수 있다. 몇몇 실시예에서, 통신 인터페이스(140)는 생략될 수도 있다.
스토리지(150)는 컴퓨터 프로그램(151)을 비 임시적으로 저장할 수 있다. 제1 서버(100)를 통해 외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 프로세스를 수행하는 경우, 스토리지(150)는 외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 프로세스를 제공하기 위하여 필요한 각종 정보를 저장할 수 있다.
스토리지(150)는 ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리 등과 같은 비휘발성 메모리, 하드 디스크, 착탈형 디스크, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터로 읽을 수 있는 기록 매체를 포함하여 구성될 수 있다.
컴퓨터 프로그램(151)은 메모리(120)에 로드될 때 프로세서(110)로 하여금 본 발명의 다양한 실시예에 따른 방법/동작을 수행하도록 하는 하나 이상의 인스트럭션들을 포함할 수 있다. 즉, 프로세서(110)는 상기 하나 이상의 인스트럭션들을 실행함으로써, 본 발명의 다양한 실시예에 따른 상기 방법/동작을 수행할 수 있다.
일 실시예에서, 컴퓨터 프로그램(151)은 제1 서버가 복수의 대상체 각각에 대한 복수의 뇌 모델을 이용하여 복수의 대상체에 대한 뇌 자극 시뮬레이션을 수행하기 위한 글로벌 매트릭스(Global Matrix)를 생성하는 단계 및 제2 서버가 제1 서버로부터 생성된 글로벌 매트릭스를 제공받고, 제공된 글로벌 매트릭스를 이용하여 복수의 대상체에 대한 뇌 자극 시뮬레이션을 수행하는 단계를 포함하는 외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 방법을 수행하도록 하는 하나 이상의 인스트럭션을 포함할 수 있다.
본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.
본 발명의 구성 요소들은 하드웨어인 컴퓨터와 결합되어 실행되기 위해 프로그램(또는 애플리케이션)으로 구현되어 매체에 저장될 수 있다. 본 발명의 구성 요소들은 소프트웨어 프로그래밍 또는 소프트웨어 요소들로 실행될 수 있으며, 이와 유사하게, 실시 예는 데이터 구조, 프로세스들, 루틴들 또는 다른 프로그래밍 구성들의 조합으로 구현되는 다양한 알고리즘을 포함하여, C, C++, 자바(Java), 어셈블러(assembler) 등과 같은 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능적인 측면들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다. 이하, 도 3 내지 10을 참조하여, 제1 서버(100)가 수행하는 외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 방법에 대해 설명하도록 한다.
도 3은 본 발명의 다른 실시예에 따른 외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 방법의 순서도이다.
도 3을 참조하면, S110 단계에서, 제1 서버(100)는 복수의 대상체에 대한 뇌 자극 시뮬레이션을 수행하기 위하여, 복수의 대상체 각각에 대한 뇌 모델을 생성할 수 있다. 이하, 도 4를 참조하여, 제1 서버(100)에 의해 수행되는 복수의 대상체 각각에 대한 뇌 모델을 생성하는 과정에 대하여 보다 구체적으로 설명하도록 한다.
도 4는 다양한 실시예에서, 대상체의 뇌 영상을 이용하여 3차원 뇌지도를 생성하는 방법의 순서도이다.
도 4를 참조하면, S210 단계에서, 제1 서버(100)는 대상체(또는 복수의 대상체)의 뇌에 대한 MRI(magnetic resonance imaging) 영상(예: 도 5(A)의 10)을 획득할 수 있다.
여기서, 대상체의 뇌에 대한 MRI 영상은 대상체의 뇌를 포함하는 머리 부분을 촬영한 MRI 영상을 의미할 수 있다. 즉, 대상체의 뇌에 대한 MRI 영상은 대상체의 뇌뿐 아니라 대상체의 두개골 및 두피를 포함할 수 있다. 예를 들어, 제1 서버(100)는 MRI 영상 획득장치와 연결된 워크스테이션인 컴퓨터와 연결될 수 있고, MRI 영상 획득장치로부터 직접 대상체의 뇌 MRI 영상을 컴퓨터를 통해 획득할 수 있다. 그러나, 이에 한정되지 않는다.
S220 단계에서, 제1 서버(100)는 S210 단계에서 획득한 MRI 영상을 복수의 영역으로 분할(구획화)할 수 있다(예: 도 5(B)의 11).
다양한 실시예에서, 제1 서버(100)는 획득한 MRI 영상을 분석하여, MRI 영상을 뇌의 부위별로 분할함으로써, 복수의 영역을 생성할 수 있다. 예를 들어, 서버(100)는 MRI 영상을 뇌의 백질 영역, 회백질 영역, 뇌척수액 영역, 두개골 영역 및 두피 영역으로 분할할 수 있으나, 이에 한정되지 않는다.
다양한 실시예에서, 제1 서버(100)는 기 학습된 인공지능 모델을 MRI 영상을 분석함으로써, MRI 영상을 복수의 영역으로 분할할 수 있다.
여기서, 기 학습된 인공지능 모델은 하나 이상의 배치 정규화(Batch Normalization) 레이어, 활성화(Activation) 레이어 및 컨볼루션(Convolution) 레이어를 포함하며, 뇌의 부위에 따라 복수의 영역으로 분할된 MRI 영상을 학습 데이터로 하여 머신 러닝 기반의 학습 방법에 따라 학습된 인공지능 모델(예: 기계학습(Machine Learning)을 이용하여 학습된 모델 특히, 딥러닝(Deep Learning)을 이용하여 학습된 모델)일 수 있다.
또한, 기 학습된 인공지능 모델은 MRI 영상의 저 레벨 특성으로부터 고 레벨 특성을 추출하는 복수의 블록으로 구성된 수평 파이프라인과 수평 파이프라인에서 추출된 특성을 모아 분할을 수행하는 수직 파이프라인을 포함하여 상대적으로 화질이 떨어지는 MRI 영상에 대한 분할을 수행할 수 있도록 구성될 수도 있으나, 이에 한정되지 않는다.
다양한 실시예에서, 제1 서버(100)는 상기의 방법에 따라 복수의 영역으로 분할된 MRI 영상을 후처리할 수 있다.
먼저, 도 6를 참조하면, 제1 서버(100)는 복수의 영역으로 분할된 MRI 영상에 대하여, 연결 구성요소 기반 노이즈 제거(Connected Component-based Noise Rejection)를 수행할 수 있다.
여기서, 연결 구성요소 기반 노이즈 제거는 콘벌루션 신경망(Convolution Neural Network, CNN)을 이용하여 수행된 MRI 영상 분할의 결과를 향상시키는 과정에서 활용될 수 있다. 예를 들어, 제1 서버(100)는 도 6에 도시된 바와 같이 복수의 영역으로 분할된 MRI 영상(21)에서, 가장 큰 덩어리(chunk)인 연결 구성요소를 제외한 나머지 구성요소(21a)들을 제거함으로써, 노이즈가 제거된 MRI 영상(22)을 생성할 수 있다.
여기서, 연결 구성요소 기반 노이즈 제거를 수행하는 방법과 관련해서는 다양한 기술들이 공지되어 있고, 상황에 따라 이러한 다양한 공지 기술들을 선택적으로 적용할 수 있는 바, 본 명세서에서는 제1 서버(100)에 의해 수행되는 연결 구성요소 기반 노이즈 제거 방법에 대해 구체적으로 개시하지 않는다.
이후, 도 7을 참조하면, 제1 서버(100)는 복수의 영역으로 분할된 MRI 영상에 대하여, 홀 리젝션(Hole Rejection)을 수행할 수 있다. 여기서, 홀 리젝션은 콘벌루션 신경망 기반 분할의 오류 중 하나인 홀을 제거하는데 활용될 수 있다. 예를 들어, 제1 서버(100)는 복수의 영역으로 분할된 MRI 영상(31)에 포함된 홀(31A)의 적어도 일부를 제거하여 홀이 제거된 MRI 영상(32)을 생성할 수 있다.
여기서, 홀 리젝션을 수행하는 방법과 관련해서는 연결 구성요소 기반 노이즈 제거를 수행하는 방법과 마찬가지로 다양한 기술들이 공지되어 있고, 상황에 따라 이러한 다양한 공지 기술들을 선택적으로 적용할 수 있는 바, 본 명세서에서는 제1 서버(100)에 의해 수행되는 홀 리젝션을 수행하는 방법에 대해 구체적으로 개시하지 않는다.
S230 단계에서, 제1 서버(100)는 복수의 영역으로 분할된 MRI 영상(예: 노이즈와 홀이 제거된 MRI 영상)을 이용하여 3차원 뇌 영상(예: 도 7의 33)을 생성할 수 있다.
S240 단계에서, 제1 서버(100)는 S230 단계를 거쳐 생성된 3차원 뇌 영상에 포함된 복수의 영역 각각에 대한 속성에 기초하여, 전기 자극의 전달과정을 시뮬레이션할 수 있는 복수의 격자(mesh)로 구성된 3차원 뇌지도를 생성할 수 있다. 예를 들어, 제1 서버(100)는 사면체 또는 육면체를 포함하는 복수의 공간 격자(Volumetric Mesh)로 구성된 3차원 입체 영상을 생성하거나, 삼각형 또는 사각형을 포함하는 복수의 표면 격자(Surface Mesh)로 구성된 3차원 입체 영상을 생성할 수 있으나, 이에 한정되지 않고, 3차원 입체 영상을 구성하는 격자의 종류는 시뮬레이션의 용도에 따라 다르게 설정될 수 있다.
다양한 실시예에서, 제1 서버(100)는 3차원 뇌지도에 포함된 복수의 영역 각각에 대하여, 복수의 영역 각각에 물리적 특성을 할당할 수 있다. 이때, 제1 서버(100)는 시뮬레이션 하고자 하는 뇌 자극의 종류에 따라 복수의 영역 각각에 할당할 물리적 특정의 종류를 결정할 수 있다.
예를 들어, 제1 서버(100)는 복수의 대상체에 대하여 전기적 뇌 자극을 시뮬레이션 하고자 하는 경우, 물리적 특성으로서 복수의 영역 각각에 대한 조직당 전도도를 할당할 수 있다. 그러나, 이에 한정되지 않는다.
또한, 제1 서버(100)는 복수의 대상체에 대하여 초음파 뇌 자극을 시뮬레이션 하고자 하는 경우, 물리적 특성으로서 복수의 영역 각각에 대한 조직당 밀도와 이를 활용한 값인 람다(Rambda, λ)(체적 계수(bulk modulus) 및 전단 계수(shear modulus)와 관련된 제1 매개 변수), 뮤(mu, μ)(제2 매개 변수 또는 강성 계수), 에타(etha, η)(전단 또는 제1 점성 계수) 및 파이(phi, φ)(체적 또는 제2 점성 계수)를 할당할 수 있다. 그러나, 이에 한정되지 않는다.
다시, 도 3을 참조하면, S120 단계에서, 제1 서버(100)는 S110 단계를 거쳐 생성된 복수의 대상체 각각에 대한 복수의 뇌 모델을 이용하여, 복수의 대상체에 대한 뇌 자극 시뮬레이션을 수행하기 위한 글로벌 매트릭스를 생성할 수 있다. 이하, 도 8을 참조하여, 제1 서버(100)에 의해 수행되는 글로벌 매트릭스를 생성하는 방법에 대해 구체적으로 설명하도록 한다.
도 8은 다양한 실시예에서, 글로벌 매트릭스를 생성하는 방법을 설명하기 위한 순서도이다.
도 8을 참조하면, S310 단계에서, 제1 서버(100)는 뇌 자극 시뮬레이션을 수행하기 위한 수학식을 도출할 수 있다.
여기서, 수학식은 독립 변수와 종속 변수 간의 관계를 수학적으로 설명하는 지배 방정식(Governing equation)일 수 있으나, 이에 한정되지 않는다.
다양한 실시예에서, 제1 서버(100)는 경두개 직류 자극법(tDCS)과 같이 뇌에 전기 자극을 가하는 시뮬레이션을 수행하기 위하여, 뇌에 전기 자극을 가함에 따라 발생되는 뇌의 전위 분포에 관한 수학식(지배 방정식)을 도출할 수 있다. 예를 들어, 제1 서버(100)는 준정적 맥스웰 방정식(quasi-static Maxwell's equation)을 이용하여 아래의 수학식 1 및 2와 같은 지배 방정식을 도출할 수 있다.
<수학식 1>
Figure 112021078355498-pat00001
<수학식 2>
Figure 112021078355498-pat00002
여기서,
Figure 112021078355498-pat00003
는 x축 전기 전도도(electrical conductivity, S/m)이고,
Figure 112021078355498-pat00004
는 y축 전기 전도도(S/m)이며,
Figure 112021078355498-pat00005
는 z축 전기 전도도(S/m)이고,
Figure 112021078355498-pat00006
는 전위(Potential)이며,
Figure 112021078355498-pat00007
는 해석 도메인(head)을 의미할 수 있다.
여기서, 전극이 붙어있는 영역을 제외하고 해석 도메인 밖으로 전류가 흐르지 않는다는 점을 고려하여, 아래의 수학식 3과 같은 경계 조건(노이만 경계 조건(Neumann boundary condition))을 가질 수 있다.
<수학식 3>
Figure 112021078355498-pat00008
다양한 실시예에서, 제1 서버(100)는 뇌 자극 시뮬레이션을 수행하기 위한 수학식(지배 방정식)을 도출하되, 뇌 자극 시뮬레이션을 수행하고자 하는 목적에 따라 도출되는 수학식의 형태를 결정할 수 있다.
예를 들어, 제1 서버(100)는 뇌 자극 시뮬레이션을 수행하고자 하는 목적이 시계열 전류 예측인 경우, 맥스웰 방정식(Maxwell’s equation) 기반의 수학식을 도출할 수 있다.
또한, 제1 서버(100)는 뇌 자극 시뮬레이션을 수행하고자 하는 목적이 정전류 및 저주파 전류 예측인 경우, 상기와 같이 준정적 맥스웰 방정식 기반의 수학식 도출할 수 있다.
또한, 제1 서버(100)는 뇌 자극 시뮬레이션을 수행하고자 하는 목적이 초음파 자극에 대한 진동 예측인 경우, 선형 음향학(linear acoustics) 기반의 수학식 도출할 수 있다. 그러나, 이에 한정되지 않는다.
S320 단계에서, 제1 서버(100)는 S310 단계에서 도출된 수학식(지배 방정식)을 이용하여, 복수의 단위 매트릭스를 생성할 수 있고, 이를 이용하여 글로벌 매트릭스를 생성할 수 있다.
다양한 실시예에서, 제1 서버(100)는 갤러킨 방법(Galerkin method)을 이용하여 S310 단계에서 도출된 수학식(지배 방정식)을 풀이함으로써, 강성 매트릭스(stiffness Matrix)를 생성할 수 있고, 생성된 강성 매트릭스를 이용하여 글로벌 매트릭스를 생성할 수 있다.
여기서, 갤러킨 방법은 지배 방정식의 해를 근사시켜 지배 방적식을 풀이하는 방법으로, 근사해(approximate solution)(예: 시험함수(또는 시도함수, trial function)의 일차결합(linear combination))을 가정하여 지배 방정식에 대입함으로써 발생되는 잔차(residual)(또는 오차(error))에 대하여, 잔차의 가중 평균이 0이 되도록 함으로써, 지배 방정식의 해를 산출하는 방법을 의미한다.
이때, 복수의 노드를 포함하는 3차원 뇌지도의 경우, 다소 형상이 복잡하기 때문에, 3차원 뇌지도 상에 포함된 전체의 노드에 대하여 경계 조건을 만족하는 지배 방정식의 해를 산출하는 것은 매우 어렵다는 문제가 있다.
이를 고려하며, 제1 서버(100)는 경계 조건을 적용하기 어려운 전체의 해석 도메인을 간단한 형상을 가진 하부 도메인인 유한 요소(finite element)로 나누고, 하부 도메인 마다 경계 조건을 적용하여 지배 방정식의 해를 산출할 수 있다.
보다 구체적으로, 제1 서버(100)는 3차원 뇌지도에 포함된 복수의 노드를 복수의 그룹으로 그룹화하고, S310 단계에서 도출된 수학식(지배 방정식)을 이용하여 복수의 그룹 각각에 대한 단위 매트릭스를 생성할 수 있다.
예를 들어, 3차원 뇌지도는 사면체 포함하는 복수의 공간 격자를 포함할 수 있으며, 제1 서버(100)는 사면체 형상을 가지는 4개의 노드씩 그룹화함으로써 복수의 그룹을 생성할 수 있고, 유한 요소법(Finite Element Method, FEM)을 이용하여 상기 사면체 형상을 가지는 4개의 노드에 대한 강성 매트릭스를 생성할 수 있다.
즉, 제1 서버(100)는 다소 복잡한 형상을 가지는 전체의 해석 도메인인 3차원 뇌지도를 사면체 형상을 가지는 4개의 노드씩 그룹화 및 분할하여 생성된 복수의 그룹 각각을 개별적인 하부 도메인으로 설정할 수 있고, 갤러킨 방법에 따라 하부 도메인 각각에 대한 강성 매트릭스를 생성할 수 있다. 이하, 제1 서버(100)가 복수의 하부 도메인 각각에 대한 강성 매트릭스를 생성하는 방법과 이를 이용하여 글로벌 매트릭스를 생성하는 방법에 대해 설명한다.
먼저, 제1 서버(100)는 각각의 하부 도메인(사면체로 구성된 4개의 노드 조합)의 잔차(r)를 아래의 수학식 4 내지 6과 같이 정의할 수 있다.
<수학식 4>
Figure 112021078355498-pat00009
<수학식 5>
Figure 112021078355498-pat00010
<수학식 6>
Figure 112021078355498-pat00011
여기서,
Figure 112021078355498-pat00012
는 n번째 노드의 시험함수(trial function)이고,
Figure 112021078355498-pat00013
는 하부 도메인(사면체로 구성된 4개의 노드 조합)이며,
Figure 112021078355498-pat00014
는 하부 도메인의 강성 매트릭스를 의미할 수 있다.
이후, 제1 서버(100)는 상기의 수학식 6에 대하여 연쇄 법칙(Chain rule)을 수행함에 따라 하기의 수학식 7을 도출할 수 있다.
<수학식 7>
Figure 112021078355498-pat00015
또한, 제1 서버(100)는 상기의 수학식 7에 대하여 발산 법칙(Divergence theorem)을 적용함에 따라 하기의 수학식 8을 도출할 수 있다.
<수학식 8>
Figure 112021078355498-pat00016
또한, 제1 서버(100)는
Figure 112021078355498-pat00017
와
Figure 112021078355498-pat00018
의 관계를 이용하여 상기의 수학식 8을 정리함에 따라 하기의 수학식 9를 도출할 수 있다.
<수학식 9>
Figure 112021078355498-pat00019
이때, 뇌 속에 전류원이 존재하지 않고, 전극이 부착되는 영역을 제외한 나머지 영역에서는 해석 도메인 밖으로 나가지 않는다는 점을 고려하여, 제1 서버(100)는 면적분 부분(surface integral part)을 0으로 설정할 수 있고, 이에 따라 하기의 수학식 10을 도출할 수 있다.
<수학식 10>
Figure 112021078355498-pat00020
여기서,
Figure 112021078355498-pat00021
는 사면체로 구성된 4개의 노드 즉, 하부 도메인에 대한 강성 매트릭스로서, i*j 매트릭스(4*4 매트릭스)을 가지게 된다.
즉, 제1 서버(100)는 복수의 그룹(하부 도메인) 각각에 대하여, 수학식 10을 적용함으로써, 복수의 그룹 각각에 대한 강성 매트릭스를 생성할 수 있다.
이후, 제1 서버(100)는 복수의 그룹 각각에 대한 강성 매트릭스를 조합함으로써, k*k 매트릭스 형태의 글로벌 매트릭스를 생성할 수 있다.
다양한 실시예에서, 제1 서버(100)는 해석 도메인의 기하학적 구조(예: 3차원 뇌지도의 기하학적 구조), 뇌 자극 시뮬레이션에 따른 물리적 현상을 설명하는 수식(예: 지배 방정식, 수학식 1 및 2), 복수의 영역 각각에 대한 물리적 특성을 글로벌 매트릭스와 조합하여 이를 대표하는 방정식(선형 또는 비선형 방정식) 형태의 글로벌 매트릭스 어셈블리(Global matrix assembly)를 생성할 수 있다.
S330 단계에서, 제1 서버(100)는 글로벌 매트릭스를 이용하여 뇌 자극 시뮬레이션을 수행하기 위한 뇌 자극 조건(boundary condition)을 설정할 수 있다. 예를 들어, 제1 서버(100)는 기 설정된 가이드 시스템(예: 10-20 SYSTEM, 도 9의 40)에 따른 복수의 자극 위치, 복수의 자극 위치에 부착 가능한 전극의 개수 및 뇌 자극의 세기 중 적어도 하나를 포함하는 자극 조건을 설정받을 수 있다.
S340 단계에서, 제1 서버(100)는 S330 단계에서 설정된 자극 조건을 S320 단계를 거쳐 생성된 글로벌 매트릭스 상에 할당함으로써, 뇌 자극 조건이 포함된 글로벌 매트릭스(Global matrix assembly with boundary condition)를 생성할 수 있다.
다양한 실시예에서, 제1 서버(100)는 S340 단계를 거쳐 설정된 뇌 자극 조건를 리스트화 함으로써, 뇌 자극 조건 리스트를 생성할 수 있고, 생성된 뇌 자극 조건 리스트를 글로벌 매트릭스 어셈블리와 매칭 및 결합하여 제2 서버(200)로 제공함으로써, 제2 서버(200)에서 뇌 자극 조건에 따라 뇌 자극 시뮬레이션을 수행하도록 할 수 있다.
다양한 실시예에서, 제1 서버(100)는 기 설정된 가이드 시스템에 따른 복수의 자극 위치 중 기 설정된 조건에 대응하는 자극 위치를 필터링할 수 있고, 복수의 자극 위치 중 필터링된 자극 위치를 제외한 나머지 자극 위치를 이용하여 대상체에 대한 뇌 자극 시뮬레이션을 수행하도록 글로벌 매트릭스를 생성할 수 있다. 이하, 도 10 내지 13을 참조하여 설명하도록 한다.
도 10은 다양한 실시예에서, 자극 위치를 필터링하여 뇌 자극 시뮬레이션을 수행하는 방법을 설명하기 위한 순서도이다.
도 10을 참조하면, S410 단계에서, 제1 서버(100)는 기 설정된 가이드 시스템에 따른 복수의 자극 위치 중 기 설정된 조건에 대응되는 자극 위치를 필터링할 수 있다.
다양한 실시예에서, 제1 서버(100)는 대상체에 대한 두부 영상을 이용하여 적어도 하나의 자극 위치를 필터링 할 수 있다.
먼저, 제1 서버(100)는 대상체의 두부를 촬영함으로써 생성되는 두부 영상을 획득할 수 있고, 획득한 두부 영상에 기초하여 하나 이상의 기준 자극 위치를 설정할 수 있다. 예를 들어, 제1 서버(100)는 사용자 단말(300)로 UI(예: 도 12의 50)를 제공할 수 있고, UI를 통해 기 설정된 가이드 시스템에 따른 복수의 자극 위치를 출력할 수 있으며, 출력된 복수의 자극 위치 중 하나 이상의 자극 위치를 기준 자극 위치로서 선택받음으로써, 기준 자극 위치를 설정할 수 있다. 그러나, 이에 한정되지 않고, 대상 체의 두부 영상을 이미지 분석함으로써, 기 설정된 가이드 시스템에 따른 복수의 자극 위치를 산출하기 위한 기준 자극 위치를 자동적으로 설정하는 방법 등 다양한 방법이 적용될 수 있다.
이후, 제1 서버(100)는 하나 이상의 기준 자극 위치를 기준으로 복수의 자극 위치를 설정할 수 있다. 예를 들어, 제1 서버(100)는 상기의 방법에 따라 설정된 기준 자극 위치가 총 4개이며, 각각 대상체의 비근(Nasion), 후두극(lnion), 좌측 귀(Left ear) 및 우측 귀(Right ear) 각각에 대응되는 4개의 자극 위치(Nz, Iz, LPA, RPA)인 경우, 비근과 후두극에 대응되는 자극 위치(Nz 및 Iz)를 연결하는 제1 연결선과 좌측 귀 및 우측 귀에 대응되는 자극 위치(LPA, RPA)를 연결하는 제2 연결선이 교차하는 지점을 중심 좌표로 산출할 수 있고, 중심 좌표를 기준으로 제1 연결선과 제2 연결선 상의 거리 정보를 이용하여 10-20 시스템에 따른 복수의 자극 위치에 대한 좌표계를 도출할 수 있다. 일례로, 제1 서버(100)는 중심 좌표를 기준으로 제1 연결선 및 제2 연결선을 각각 10% 또는 20% 거리를 두고 분할한 위치를 갖도록 10-20 시스템의 좌표계를 도출할 수 있다.
이후, 제1 서버(100)는 두부 영상 상에 설정된 복수의 자극 위치를 이용하여 필터링 대상 영역(예: 자극 위치를 필터링하는 기준이 되는 영역)을 설정하고, 설정된 필터링 대상 영역에 기초하여 적어도 하나의 자극 위치를 필터링할 수 있다.
다양한 실시예에서, 제1 서버(100)는 하나 이상의 기준 자극 위치를 포함하는 평면을 필터링 대상 영역으로 설정하고, 필터링 대상 영역으로 설정된 평면을 기준으로 필터링 대상 영역으로 설정된 평면 상에 위치하는 적어도 하나의 자극 위치를 필터링할 수 있다. 예를 들어, 제1 서버(100)는 도 11에 도시된 바와 같이, 하나 이상의 기준 자극 위치가 비근, 후두극, 좌측 귀 및 우측 귀 각각에 대응되는 4개의 자극 위치(Nz, Iz, LPA, RPA)인 경우, Nz, Iz, LPA 및 RPA를 포함하는 평면을 필터링 대상 영역으로 설정하고, Nz, Iz, LPA 및 RPA를 포함하는 평면 상에 위치하는 모든 자극 위치를 필터링할 수 있다.
다양한 실시예에서, 제1 서버(100)는 필터링 대상 영역으로 설정된 평면을 기준으로 해당 평면 하단에 위치하는 모든 자극 위치를 필터링할 수 있다. 예를 들어, 제1 서버(100)는 사용자로부터 설정된 하나 이상의 기준 자극 위치가 Fpz, T7, Oz 및 T10인 경우, Fpz, T7, Oz 및 T10을 포함하는 평면의 하단에 위치하는 자극 위치인 Nz, Iz, LPA 및 RPA을 필터링할 수 있다.
즉, 비근, 후두극, 좌측 귀 및 우측 귀 각각에 대응되는 자극 위치는 두부의 형태나 귀로 인해 전극 부착이 어렵거나 전극을 부착하더라도 정확한 위치에 부착하기 어려운 바, 이러한 위치에 대응되는 자극 위치를 필터링할 수 있다.
다양한 실시예에서, 제1 서버(100)는 두부 영상을 분석하여 대상체의 두부 상에 전극 부착이 불가능한 영역을 검출하고, 검출된 전극 부착이 불가능한 영역을 필터링 대상 영역으로 설정하며, 필터링 대상 영역 상에 포함된 적어도 하나의 자극 위치를 필터링할 수 있다. 예를 들어, 대상체의 뇌에 금속 물질(clip, coil, metabolic foreign body 등)이 있는 영역 또는 두피 질환이나 상처 등과 같이 부상이 있는 경우에는 해당 영역에 전극을 부착하여 전기 자극을 가하기 어렵다는 문제가 있다. 이러한 점을 고려하여, 제1 서버(100)는 이미지 분석을 통해 대상체의 두부 영상을 분석함으로써, 이와 같이 전극 부착이 불가능한 영역을 검출할 수 있고, 검출된 영역에 포함되는 자극 위치를 필터링할 수 있다.
S420 단계에서, 제1 서버(100)는 S410 단계를 거쳐 필터링된 자극 위치를 제외하고 나머지 자극 위치만을 이용하여 글로벌 매트릭스를 생성할 수 있다. 예를 들어, 제1 서버(100)는 복수의 하부 도메인(복수의 그룹) 중 상기의 방법에 따라 필터링된 자극 위치에 대응되는 하부 도메인에 대응하여 생성된 강성 매트릭스를 제외하고, 나머지 하부 도메인에 대응하여 생성된 강성 매트릭스들만을 결합함으로써 필터링된 자극 위치가 제외된 글로벌 매트릭스를 생성할 수 있다.
다시, 도 3을 참조하면, S130 단계에서, 제1 서버(100)는 네트워크(400)를 통해 제2 서버(200)와 연결될 수 있고, 상기의 방법에 따라 생성된 글로벌 매트릭스(자극 조건이 포함된 글로벌 매트릭스(Global matrix assembly with boundary condition))를 제2 서버(200)로 제공할 수 있다.
S140 단계에서, 제2 서버(200)는 S130 단계를 거쳐 제1 서버(100)로부터 제공된 글로벌 매트릭스를 이용하여, 뇌 자극 시뮬레이션을 수행할 수 있다.
먼저, 제2 서버(200)는 글로벌 매트릭스를 이용하여, 뇌 자극 시뮬레이션을 위한 방정식을 도출할 수 있다. 예를 들어, 제2 서버(200)는 시뮬레이션 하고자 하는 뇌 자극이 전기 자극인 경우, 뇌 전기 자극 시뮬레이션을 위한 선형 방정식(예: AV=R, 여기서, R은 잔차)을 도출할 수 있으며, 잔차가 0이 되도록 R에 0을 할당하고, 선형 방정식에 뇌 자극 조건을 추가함으로써 최종적으로 하기의 수학식 11을 도출할 수 있다.
<수학식 11>
Figure 112021078355498-pat00022
여기서,
Figure 112021078355498-pat00023
는 글로벌 매트릭스(k*k matrix),
Figure 112021078355498-pat00024
는 뇌에 전기 자극을 가함에 따라 발생되는 전위값(k*1 matrix, vector) 및
Figure 112021078355498-pat00025
는 힘 벡터(k*1 matrix, force vector)일 수 있다.
이후, 제2 서버(200)는 글로벌 매트릭스와 매칭된 뇌 자극 조건 리스트에 기초하여 뇌 자극 시뮬레이션을 수행할 수 있고, 뇌 자극 시뮬레이션에 대한 결과로서 상기의 선형 방정식을 만족시키는 전위값(V)을 산출할 수 있다.
다양한 실시예에서, 제2 서버(200)는 켤레기울기법(conjugate gradient method) 및 쌍켤레기울기법(bi- conjugate gradient method) 중 적어도 하나를 이용하여 수학식 11에 따른 선형 방정식을 만족시키는 전위값(V)을 산출할 수 있다. 그러나, 이에 한정되지 않고, 선형 방정식의 해를 산출하는 다양한 방법이 적용될 수 있다.
다양한 실시예에서, 제2 서버(200)는 켤레기울기법 및 쌍켤레기울기법 중 적어도 하나를 이용하여 산출된 전위값을 전계값으로 변환할 수 있다. 예를 들어, 제2 서버(200)는 전계와 전위 사이에 하기의 수학식 12와 같은 관계가 성립되는 바, 하기의 수학식 12를 이용하여 전위값(V)을 전계값(E)으로 변환할 수 있다.
<수학식 12>
Figure 112021078355498-pat00026
S150 단계에서, 제2 서버(200)는 상기와 같이 글로벌 매트릭스를 이용하여 뇌 자극 시뮬레이션을 수행함에 따라 생성되는 뇌 자극 시뮬레이션 결과(예: 산출된 전위값으로부터 변환된 전계값(k*1 matrix, vector)를 네트워크(400)를 통해 제1 서버(100)로 제공할 수 있다.
S160 단계에서, 제1 서버(100)는 제2 서버(200)로부터 제공된 뇌 자극 시뮬레이션 결과를 취합할 수 있다.
다양한 실시예에서, 제1 서버(100)는 제2 서버(200)로부터 제공받은 뇌 자극 시뮬레이션의 결과를 3차원 뇌지도 상에 정합시킴으로써, 최종적인 뇌 자극 시뮬레이션 결과를 생성할 수 있다. 예를 들어, 도 13에 도시된 바와 같이, 제1 서버(100)는 제2 서버(200)로부터 제공받은 뇌 자극 시뮬레이션의 결과에 기초하여, 특정 위치에 대응되는 전계값을 기 설정된 색상(전계값의 크기 및 범위에 따라 기 설정된 색상)으로 변환하여 3차원 뇌지도상에 표시함으로써, 최종적인 뇌 자극 시뮬레이션 결과를 생성할 수 있다.
S170 단계에서, 제1 서버(100)는 네트워크(400)를 통해 사용자 단말(300)과 연결될 수 있으며, 사용자 단말(300)로 최종적인 뇌 자극 시뮬레이션 결과(예: 도 13의 60)를 제공함으로써, 사용자 단말(300)의 디스플레이를 통해 최종적인 뇌 자극 시뮬레이션 결과를 출력할 수 있다.
즉, 상기와 같이 제1 서버(100)에서 제2 서버(200)로 제공되는 각종 정보 및 데이터(예: 뇌 자극 조건 리스트, 지배 방정식, 경계 조건, 글로벌 매트릭스 등)는 특정 대상체를 유추할 수 있는 정보(예: 환자의 외곽 정보)를 포함하지 않고, 오직 의료 기관에 존재하는 3차원 뇌지도만을 통해서만 식별이 가능한 비식별화 정보이며, 제2 서버(200)에서는 이러한 특정 대상체를 유추할 수 있는 정보 없이 뇌 자극 시뮬레이션을 수행하기 때문에 대상체에 대한 개인 정보가 외부로 유출되는 것을 방지할 수 있다는 이점이 있다.
전술한 외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 방법은 도면에 도시된 순서도를 참조하여 설명하였다. 간단한 설명을 위해 외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 방법은 일련의 블록들로 도시하여 설명하였으나, 본 발명은 상기 블록들의 순서에 한정되지 않고, 몇몇 블록들은 본 명세서에 도시되고 시술된 것과 상이한 순서로 수행되거나 또는 동시에 수행될 수 있다. 또한, 본 명세서 및 도면에 기재되지 않은 새로운 블록이 추가되거나, 일부 블록이 삭제 또는 변경된 상태로 수행될 수 있다.
또한, 전술한 외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 방법은 의료 데이터를 이용하여 익명화된 데이터인 글로벌 매트릭스를 생성하고 이를 외부 서버로 전송함으로써, 의료 기관 등의 내부 서버를 통해 처리하기 어려운 작업(예: 뇌 자극 시뮬레이션)을 내부 서버 대비 비교적 고성능의 외부 서버를 통해 처리하는 것으로 설명하고 있으나, 이에 한정되지 않고, 외부 서버를 통해 의료 영상을 분석함으로써 의료 영상에 대한 물리 해석을 수행하는 것과 같이 익명화가 필요한 내부 데이터를 익명화하여 외부 서버로 전송하고, 외부 서버를 통해 익명화된 내부 데이터를 처리하는 모든 분야에 동일하게 적용될 수 있다.
이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.
100 : 제1 서버
200 : 제2 서버
300 : 사용자 단말
400 : 네트워크

Claims (11)

  1. 컴퓨팅 장치에 의해 수행되는 방법에 있어서,
    제1 서버가 복수의 대상체 각각에 대한 복수의 뇌 모델을 이용하여 상기 복수의 대상체에 대한 뇌 자극 시뮬레이션을 수행하기 위한 글로벌 매트릭스(Global Matrix)를 생성하는 단계; 및
    제2 서버가 상기 제1 서버로부터 상기 생성된 글로벌 매트릭스를 제공받고, 상기 제공된 글로벌 매트릭스를 이용하여 상기 복수의 대상체에 대한 뇌 자극 시뮬레이션을 수행하는 단계를 포함하며,
    상기 글로벌 매트릭스를 생성하는 단계는,
    상기 복수의 대상체에 대한 MRI 영상을 획득하는 단계;
    상기 획득한 MRI 영상을 복수의 영역으로 분할하는 단계;
    상기 복수의 영역으로 분할된 MRI 영상을 이용하여 3차원 뇌 영상을 생성하는 단계;
    상기 생성된 3차원 뇌 영상에 포함된 복수의 영역 각각에 대한 속성에 기초하여, 복수의 격자(mesh)로 구성된 3차원 뇌지도를 생성하는 단계; 및
    상기 생성된 3차원 뇌지도를 이용하여 상기 글로벌 매트릭스를 생성하는 단계를 포함하고,
    상기 생성된 3차원 뇌지도를 이용하여 상기 글로벌 매트릭스를 생성하는 단계는,
    상기 뇌 자극 시뮬레이션을 수행하기 위한 수학식을 도출하는 단계;
    상기 생성된 3차원 뇌지도에 포함된 복수의 노드를 복수의 그룹으로 그룹화하고, 상기 도출된 수학식을 이용하여 상기 복수의 그룹 각각에 대한 단위 매트릭스를 생성하는 단계; 및
    상기 생성된 단위 매트릭스를 결합하여 하나의 글로벌 매트릭스를 생성하는 단계를 포함하는,
    외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 방법.
  2. 삭제
  3. 삭제
  4. 제1항에 있어서,
    상기 수학식을 도출하는 단계는,
    상기 뇌 자극 시뮬레이션을 수행하기 위한 수학식을 도출하되, 상기 도출된 수학식의 형태는 상기 뇌 자극 시뮬레이션을 수행하는 목적 - 상기 목적은 시계열 전류 예측, 정전류 및 저주파 전류 예측 및 초음파 자극에 대한 진동 예측 중 적어도 하나를 포함함 - 에 따라 결정되는 것인, 단계를 포함하는,
    외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 방법.
  5. 제1항에 있어서,
    상기 복수의 그룹 각각은,
    사면체 형상을 가지는 4개의 노드를 포함하며,
    상기 복수의 그룹 각각에 대한 단위 매트릭스를 생성하는 단계는,
    유한 요소법(Finite Element Method, FEM)을 이용하여 상기 사면체 형상을 가지는 4개의 노드에 대한 강성 매트릭스(stiffness Matrix)를 생성하는 단계를 포함하는,
    외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 방법.
  6. 제1항에 있어서,
    상기 복수의 영역으로 분할하는 단계는,
    상기 획득한 MRI 영상을 분할함으로써 생성되는 상기 복수의 영역 각각에 상기 복수의 영역 각각에 대한 물리적 특성을 할당하되, 상기 복수의 영역 각각에 할당되는 물리적 특성의 종류는 시뮬레이션 하고자 하는 뇌 자극의 종류에 따라 결정되는 것인, 단계를 포함하는,
    외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 방법.
  7. 제1항에 있어서,
    상기 글로벌 매트릭스를 생성하는 단계는,
    상기 뇌 자극 시뮬레이션을 수행하기 위한 뇌 자극 조건을 설정하되, 상기 설정된 뇌 자극 조건은 기 설정된 가이드 시스템에 따른 복수의 자극 위치, 상기 복수의 자극 위치에 부착 가능한 전극의 개수 및 뇌 자극의 세기 중 적어도 하나를 포함하는 것인, 단계를 더 포함하는,
    외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 방법.
  8. 제1항에 있어서,
    상기 제1 서버가 상기 제2 서버로부터 상기 복수의 대상체에 대한 뇌 자극 시뮬레이션의 결과를 제공받고, 상기 제공받은 뇌 자극 시뮬레이션의 결과와 상기 생성된 3차원 뇌지도를 결합하여 출력하는 단계를 더 포함하는,
    외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 방법.
  9. 컴퓨팅 장치에 의해 수행되는 방법에 있어서,
    제1 서버가 복수의 대상체 각각에 대한 복수의 뇌 모델을 이용하여 상기 복수의 대상체에 대한 뇌 자극 시뮬레이션을 수행하기 위한 글로벌 매트릭스(Global Matrix)를 생성하는 단계; 및
    제2 서버가 상기 제1 서버로부터 상기 생성된 글로벌 매트릭스를 제공받고, 상기 제공된 글로벌 매트릭스를 이용하여 상기 복수의 대상체에 대한 뇌 자극 시뮬레이션을 수행하는 단계를 포함하며,
    상기 뇌 자극 시뮬레이션을 수행하는 단계는,
    상기 제공된 글로벌 매트릭스를 이용하여, 상기 제공된 글로벌 매트릭스에 대한 선형 방정식을 도출하는 단계; 및
    상기 뇌 자극 시뮬레이션의 결과로서 상기 도출된 선형 방정식의 해를 산출하는 단계를 포함하는,
    외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 방법.
  10. 복수의 대상체 각각에 대한 복수의 뇌 모델을 이용하여 상기 복수의 대상체에 대한 뇌 자극 시뮬레이션을 수행하기 위한 글로벌 매트릭스(Global Matrix)를 생성하는 제1 서버; 및
    상기 제1 서버로부터 상기 생성된 글로벌 매트릭스를 제공받고, 상기 제공된 글로벌 매트릭스를 이용하여 상기 복수의 대상체에 대한 뇌 자극 시뮬레이션을 수행하는 제2 서버를 포함하며,
    상기 제1 서버는,
    상기 복수의 대상체에 대한 MRI 영상을 획득하고, 상기 획득한 MRI 영상을 복수의 영역으로 분할하며, 상기 복수의 영역으로 분할된 MRI 영상을 이용하여 3차원 뇌 영상을 생성하고, 상기 생성된 3차원 뇌 영상에 포함된 복수의 영역 각각에 대한 속성에 기초하여, 복수의 격자(mesh)로 구성된 3차원 뇌지도를 생성하며,
    상기 생성된 3차원 뇌지도를 이용하여 상기 글로벌 매트릭스를 생성하되, 상기 뇌 자극 시뮬레이션을 수행하기 위한 수학식을 도출하며, 상기 생성된 3차원 뇌지도에 포함된 복수의 노드를 복수의 그룹으로 그룹화하고, 상기 도출된 수학식을 이용하여 상기 복수의 그룹 각각에 대한 단위 매트릭스를 생성하며, 상기 생성된 단위 매트릭스를 결합하여 하나의 글로벌 매트릭스를 생성하는,
    외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 시스템.
  11. 복수의 대상체 각각에 대한 복수의 뇌 모델을 이용하여 상기 복수의 대상체에 대한 뇌 자극 시뮬레이션을 수행하기 위한 글로벌 매트릭스(Global Matrix)를 생성하는 제1 서버; 및
    상기 제1 서버로부터 상기 생성된 글로벌 매트릭스를 제공받고, 상기 제공된 글로벌 매트릭스를 이용하여 상기 복수의 대상체에 대한 뇌 자극 시뮬레이션을 수행하는 제2 서버를 포함하며,
    상기 제2 서버는,
    상기 제공된 글로벌 매트릭스를 이용하여, 상기 제공된 글로벌 매트릭스에 대한 선형 방정식을 도출하고, 상기 뇌 자극 시뮬레이션의 결과로서 상기 도출된 선형 방정식의 해를 산출하는,
    외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 시스템.
KR1020210089052A 2021-07-07 2021-07-07 익명화된 데이터 기반 외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 시스템 및 방법 KR102373760B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020210089052A KR102373760B1 (ko) 2021-07-07 2021-07-07 익명화된 데이터 기반 외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 시스템 및 방법
PCT/KR2021/018140 WO2023282404A1 (ko) 2021-07-07 2021-12-02 익명화된 데이터 기반 외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 시스템 및 방법
US17/676,758 US20230038541A1 (en) 2021-07-07 2022-02-21 Brain stimulation simulation system and method according to preset guide system using anonymized data-based external server

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210089052A KR102373760B1 (ko) 2021-07-07 2021-07-07 익명화된 데이터 기반 외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR102373760B1 true KR102373760B1 (ko) 2022-03-15

Family

ID=80816688

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210089052A KR102373760B1 (ko) 2021-07-07 2021-07-07 익명화된 데이터 기반 외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 시스템 및 방법

Country Status (3)

Country Link
US (1) US20230038541A1 (ko)
KR (1) KR102373760B1 (ko)
WO (1) WO2023282404A1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101758903B1 (ko) 2015-10-22 2017-07-18 (주)와이브레인 경두개 직류 자극(tDCS) 장치
KR20190028900A (ko) * 2017-09-11 2019-03-20 뉴로핏 주식회사 Tms 자극 내비게이션 방법 및 프로그램
KR20200025852A (ko) * 2018-08-31 2020-03-10 주식회사 뉴로게이저 기능적 연결성을 사용한 피험자 내 및 피험자 간 변동성 기반 예측 모델 생성 방법 및 그 장치

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101995900B1 (ko) * 2017-09-11 2019-07-04 뉴로핏 주식회사 3차원 뇌지도 생성 방법 및 프로그램
KR102280367B1 (ko) * 2019-01-31 2021-07-22 뉴로핏 주식회사 10-20 시스템 기반의 위치 정보 제공 방법, 장치 및 프로그램
KR102151497B1 (ko) * 2019-12-02 2020-09-04 가천대학교 산학협력단 사용자의 뇌 질환을 진단하는 방법, 시스템 및 컴퓨터-판독가능 매체

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101758903B1 (ko) 2015-10-22 2017-07-18 (주)와이브레인 경두개 직류 자극(tDCS) 장치
KR20190028900A (ko) * 2017-09-11 2019-03-20 뉴로핏 주식회사 Tms 자극 내비게이션 방법 및 프로그램
KR20200025852A (ko) * 2018-08-31 2020-03-10 주식회사 뉴로게이저 기능적 연결성을 사용한 피험자 내 및 피험자 간 변동성 기반 예측 모델 생성 방법 및 그 장치

Also Published As

Publication number Publication date
US20230038541A1 (en) 2023-02-09
WO2023282404A1 (ko) 2023-01-12

Similar Documents

Publication Publication Date Title
KR102373763B1 (ko) 경두개 직류 자극술을 위한 맞춤형 헤드기어 설계 및 제조 시스템
Miller A library of human electrocorticographic data and analyses
Howell et al. Role of soft-tissue heterogeneity in computational models of deep brain stimulation
KR20200079349A (ko) MRI 기반 전도도 측정에 기반한 머리 위 전극 위치의 최적화된 TTField 치료
JP2020501689A (ja) 変形可能テンプレートを使用して最適化された電極位置を有するｔｔフィールドを用いて患者を治療する
CN111417342A (zh) 脑网络的活动估计系统、脑网络的活动估计方法、脑网络的活动估计程序以及已学习脑活动估计模型
Hanekom et al. Three-dimensional models of cochlear implants: a review of their development and how they could support management and maintenance of cochlear implant performance
KR20200106602A (ko) 뇌 구조를 이용한 뇌 영상 보정 방법 및 장치
Hansen et al. Data-driven forward model inference for EEG brain imaging
Farcito et al. Accurate anatomical head segmentations: a data set for biomedical simulations
KR102298253B1 (ko) 뇌 구조를 이용한 뇌 영상 보정 방법 및 장치
CN113240106A (zh) 一种脑电溯源模型的训练方法，脑电溯源方法及电子设备
KR102373760B1 (ko) 익명화된 데이터 기반 외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 시스템 및 방법
KR102373761B1 (ko) 뇌 병변 환자의 뇌 모델을 이용한 자극 시뮬레이션 방법, 서버 및 컴퓨터프로그램
KR102373767B1 (ko) 뇌 병변 환자의 빅데이터 기반 치료 전략 수립 방법, 서버 및 컴퓨터프로그램
KR20230008939A (ko) 익명화된 데이터 기반 외부 서버를 이용한 기 설정된 가이드 시스템에 따른 뇌 자극 시뮬레이션 시스템 및 방법
KR102373757B1 (ko) 최적 자극 위치 조합을 결정하기 위한 전기 자극 시뮬레이션 방법, 서버, 및 컴퓨터프로그램
KR102373762B1 (ko) 전기 자극 시뮬레이션을 위한 자극 위치 필터링 방법, 서버 및 컴퓨터프로그램
CN112669450A (zh) 人体模型构建方法和个性化人体模型构建方法
Pancholi et al. Quantification of electric field strength of tDCS in alzheimer’s and mild cognitive impairment patients
KR20230008940A (ko) 뇌 병변 환자의 뇌 모델을 이용한 자극 시뮬레이션 방법, 서버 및 컴퓨터프로그램
KR20230007650A (ko) 경두개 직류 자극술을 위한 맞춤형 헤드기어 설계방법, 서버 및 컴퓨터프로그램
KR20230008280A (ko) 기 설정된 가이드 시스템을 이용한 최적 자극 위치 조합 결정방법, 서버 및 컴퓨터프로그램
KR20230008281A (ko) 최적 자극 위치 조합을 결정하기 위한 전기 자극 시뮬레이션 방법, 서버, 및 컴퓨터프로그램
KR20230008941A (ko) 뇌 병변 환자의 빅데이터 기반 치료 전략 수립 방법, 서버 및 컴퓨터프로그램

Legal Events

Date Code Title Description
GRNT Written decision to grant