KR102383058B1 - 시공간 기억 검사와 뇌 영상 정보를 활용한 인지 장애 예측 장치 및 방법 - Google Patents
시공간 기억 검사와 뇌 영상 정보를 활용한 인지 장애 예측 장치 및 방법 Download PDFInfo
- Publication number
- KR102383058B1 KR102383058B1 KR1020210142095A KR20210142095A KR102383058B1 KR 102383058 B1 KR102383058 B1 KR 102383058B1 KR 1020210142095 A KR1020210142095 A KR 1020210142095A KR 20210142095 A KR20210142095 A KR 20210142095A KR 102383058 B1 KR102383058 B1 KR 102383058B1
- Authority
- KR
- South Korea
- Prior art keywords
- cognitive impairment
- information
- test
- subject
- brain
- Prior art date
Links
- 208000010877 cognitive disease Diseases 0.000 title claims abstract description 195
- 238000012360 testing method Methods 0.000 title claims abstract description 195
- 208000028698 Cognitive impairment Diseases 0.000 title claims abstract description 178
- 210000004556 brain Anatomy 0.000 title claims abstract description 120
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000015654 memory Effects 0.000 title claims description 48
- 230000003557 neuropsychological effect Effects 0.000 claims abstract description 83
- 238000013528 artificial neural network Methods 0.000 claims description 21
- 230000003111 delayed effect Effects 0.000 claims description 17
- 208000027061 mild cognitive impairment Diseases 0.000 claims description 17
- 208000024827 Alzheimer disease Diseases 0.000 claims description 15
- 230000006951 hyperphosphorylation Effects 0.000 claims description 12
- 102000013498 tau Proteins Human genes 0.000 claims description 12
- 108010026424 tau Proteins Proteins 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 210000001320 hippocampus Anatomy 0.000 claims description 7
- 210000003478 temporal lobe Anatomy 0.000 claims description 7
- 210000000956 olfactory bulb Anatomy 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 11
- 238000007689 inspection Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 7
- 206010012289 Dementia Diseases 0.000 description 5
- 238000002610 neuroimaging Methods 0.000 description 4
- 208000014644 Brain disease Diseases 0.000 description 2
- 230000003920 cognitive function Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- YYRMJZQKEFZXMX-UHFFFAOYSA-N calcium;phosphoric acid Chemical compound [Ca+2].OP(O)(O)=O.OP(O)(O)=O YYRMJZQKEFZXMX-UHFFFAOYSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 230000003930 cognitive ability Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000010984 neurological examination Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 239000002426 superphosphate Substances 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus, e.g. for MRI, optical tomography or impedance tomography apparatus; Arrangements of imaging apparatus in a room
- A61B5/004—Features or image-related aspects of imaging apparatus, e.g. for MRI, optical tomography or impedance tomography apparatus; Arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
- A61B5/0042—Features or image-related aspects of imaging apparatus, e.g. for MRI, optical tomography or impedance tomography apparatus; Arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the brain
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—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
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
-
- 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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy 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
- G16H50/20—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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Neurology (AREA)
- Psychology (AREA)
- Psychiatry (AREA)
- Radiology & Medical Imaging (AREA)
- Hospice & Palliative Care (AREA)
- Developmental Disabilities (AREA)
- Child & Adolescent Psychology (AREA)
- Physiology (AREA)
- Educational Technology (AREA)
- High Energy & Nuclear Physics (AREA)
- Social Psychology (AREA)
- Neurosurgery (AREA)
- Artificial Intelligence (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
Abstract
본 발명의 일 실시예에 따른 인지 장애에 대한 정보를 획득하는 방법은, 피검사자가 수행한 신경 심리 검사에 대한 정보를 획득하는 단계; 상기 피검사자의 뇌에 포함되는 적어도 하나의 뇌 영역에 대한 정보를 획득하는 단계; 및 기 학습된 인지 장애 검사 모델을 이용하여, 상기 신경 심리 검사에 대한 정보 및 상기 적어도 하나의 뇌 영역에 대한 정보로부터, 상기 피검사자의 인지 장애에 대한 정보를 획득하는 단계를 포함할 수 있다.
Description
본 발명은 인지 장애에 대한 정보를 획득하는 방법 및 이를 수행하는 인지 장애 검사 장치에 관한 것이다.
인지 장애란 기억력, 주의력, 언어능력, 시공간능력과 판단력 등이 저하된 상태를 말한다. 인지 장애는 그 정도가 아주 경미한 경우부터 심한 경우까지 다양하며, 인지 기능 장애가 심해 일상생활이나 사회생활에 지장을 주는 경우를 치매라고 한다.
즉, 치매란 의식이 청명한 상태에서 전반적인 인지기능의 장애를 나타내는 뇌질환으로 보통 만성 또는 진행성 뇌질환에 의해서 발생되며 기억, 사고, 이해, 계산, 학습, 언어 판단 등 다수의 고위 대뇌기능에 장애가 나타나는 증후군이다.
반면, 동일 연령대에 비해 인지 기능, 특히 기억력이 떨어져 있으나 일상생활을 수행하는 능력은 보존되어 있어 아직은 치매라고 할 정도로 심하지 않은 상태는 경도 인지 장애(mild cognitive impairment, MCI)라고 한다. 이는 정상 노화와 치매의 중간 단계라고 할 수 있는 것으로서 검사를 통해 발견할 수 있는 가장 초기 단계로 치료 효과를 극대화 시킬 수 있다고 알려져 있다.
종래에는 신경심리검사를 수행하고, 뇌 MRI를 촬영한 이후에 의사 등 전문가가 이를 종합적으로 판단하여 인지 장애를 진단하였는데, 이와 같은 방법은 시간이 오래 소요될 뿐만 아니라 전문가에 대한 접근성이 낮은 경우 진단을 받기 어려우며, 전문가의 숙련도와 견해에 따라 평가 결과가 달라질 수 있다는 문제가 있었다.
본 발명이 해결하고자 하는 과제는, 기 학습된 인지 장애 검사 모델을 이용하여 인지 장애에 대한 정보를 획득하는 방법을 제공하는 것이다.
다만, 본 발명이 해결하고자 하는 과제는 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 해결하고자 하는 과제는 아래의 기재로부터 본 발명이 속하는 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 발명의 일 실시예에 따른 인지 장애에 대한 정보를 획득하는 방법은, 피검사자가 수행한 신경 심리 검사에 대한 정보를 획득하는 단계; 상기 피검사자의 뇌에 포함되는 적어도 하나의 뇌 영역에 대한 정보를 획득하는 단계; 및 기 학습된 인지 장애 검사 모델을 이용하여, 상기 신경 심리 검사에 대한 정보 및 상기 적어도 하나의 뇌 영역에 대한 정보로부터, 상기 피검사자의 인지 장애에 대한 정보를 획득하는 단계를 포함할 수 있다.
상기 인지 장애 검사 모델은, 소정의 사람들 각각이 상기 신경 심리 검사를 기 수행한 학습용 신경 심리 검사 정보 및 상기 사람들 각각의 뇌에 포함되는 적어도 하나의 뇌 영역에 대한 학습용 뇌 정보와 함께, 레이블 데이터로서 상기 사람들 각각의 인지 장애에 관한 정답 정보를 입력 받으면, 상기 사람들 각각의 인지 장애에 대한 정보를 출력하도록 기 학습된 신경망일 수 있다.
상기 인지 장애에 대한 정보는, 상기 피검사자의 경도 인지 장애 여부, 상기 피검사자의 인지 장애 여부, 상기 피검사자가 알츠하이머 병에 걸렸는지 여부, 상기 피검사자가 상기 알츠하이머 병에 걸렸을 확률, 상기 피검사자 내의 타우 단백질의 과인산화 여부 및 상기 피검사자 내의 상기 타우 단백질의 과인산화가 양성일 확률 중에서 적어도 하나를 포함할 수 있다.
상기 적어도 하나의 뇌 영역에 대한 정보는, 상기 뇌를 촬영한 뇌 영상에 해당할 수 있다.
상기 적어도 하나의 뇌 영역에 대한 정보는, 상기 뇌를 촬영한 뇌 영상으로부터 획득될 수 있다.
상기 적어도 하나의 뇌 영역에 대한 정보는, 상기 적어도 하나의 뇌 영역 각각의 두께 값 및 부피 값 중에서 적어도 하나를 포함할 수 있다.
상기 적어도 하나의 뇌 영역은, 상기 뇌의 내측두엽 내 해마, 내측후각, 상기 해마의 일부 및 상기 내측후각의 일부 중에서 적어도 하나를 포함할 수 있다.
상기 신경 심리 검사는 시공간 기억 검사를 포함하고, 상기 신경 심리 검사에 대한 정보는, 상기 시공간 기억 검사를 수행한 이미지를 포함할 수 있다.
상기 신경 심리 검사는 시공간 기억 검사를 포함하고, 상기 신경 심리 검사에 대한 정보는, 기 학습된 시공간 기억 검사 모델을 이용하여, 상기 시공간 기억 검사를 수행한 이미지로부터 획득한 인지 장애 점수를 포함할 수 있다.
상기 시공간 기억 검사 모델은, 상기 시공간 기억 검사를 기 수행한 학습용 이미지와 함께, 레이블 데이터로서 상기 학습용 이미지에 대한 정답 점수를 입력 받으면, 상기 학습용 이미지에 대한 점수를 출력하도록 기 학습된 신경망일 수 있다.
상기 시공간 기억 검사는 복사(copy), 즉시 회상(immediate recall) 및 지연 회상(delayed recall) 중에서 적어도 하나를 포함하고, 상기 이미지는, 상기 복사에 따른 제1 이미지, 상기 즉시 회상에 따른 제2 이미지 및 상기 지연 회상에 따른 제3 이미지 중에서 적어도 하나를 포함할 수 있다.
상기 시공간 기억 검사는, RCFT(Rey Complex Figure Test), PDT (Pentagon Drawing Test) 및 CDT (Clock Drawing Test) 중에서 어느 하나일 수 있다.
본 발명의 다른 실시예에 따른 인지 장애 검사 장치는, 기 학습된 인지 장애 검사 모델이 저장된 메모리; 및 상기 메모리를 제어하는 프로세서를 포함하고, 상기 프로세서는, 피검사자가 수행한 신경 심리 검사에 대한 정보를 획득하고, 상기 피검사자의 뇌에 포함되는 적어도 하나의 뇌 영역에 대한 정보를 획득하고, 기 학습된 인지 장애 검사 모델을 이용하여, 상기 신경 심리 검사에 대한 정보 및 상기 적어도 하나의 뇌 영역에 대한 정보로부터, 상기 피검사자의 인지 장애에 대한 정보를 획득할 수 있다.
상기 인지 장애 검사 장치는 태블릿 형태의 장치일 수 있다.
본 발명의 실시예에 의하면, 기 학습된 인지 장애 검사 모델을 이용하여, 피검사자의 인지 장애 여부를 보다 빠르고 정확하게 제공할 수 있다.
도 1은 본 발명의 실시예에 따른 인지 장애 검사 장치를 나타내는 블록도이다.
도 2는 본 발명의 일 실시예에 따른 인지 장애 검사 프로그램에 포함되는 인지 장애 검사 모델을 나타내는 블록도이다.
도 3은 본 발명의 일 실시예에 따른 인지 장애 검사 모델을 나타내는 블록도이다.
도 4는 피검사자의 뇌를 촬영한 뇌 영상의 일 예시를 나타낸다.
도 5는 복사, 즉시 회상 및 지연 회상을 수행한 예시를 나타낸다.
도 6은 본 발명의 다른 실시예에 따른 인지 장애 검사 모델을 나타내는 블록도이다.
도 7은 본 발명의 또 다른 실시예에 따른 인지 장애 검사 모델을 나타내는 블록도이다.
도 8은 시공간 기억 검사에 대한 점수를 출력하는 신경 심리 검사 모델의 일 예시를 나타낸다.
도 9는 신경 심리 검사 모델을 학습시키는 방법을 나타낸다.
도 10는 본 발명의 실시예에 따른 인지 장애 검사 장치를 이용한 인지 장애 검사 방법의 정확도를 나타내는 표이다.
도 11는 본 발명의 실시예에 따라 인지 장애 검사 장치가 인지 장애에 대한 정보를 출력하는 방법을 나타내는 흐름도이다.
도 2는 본 발명의 일 실시예에 따른 인지 장애 검사 프로그램에 포함되는 인지 장애 검사 모델을 나타내는 블록도이다.
도 3은 본 발명의 일 실시예에 따른 인지 장애 검사 모델을 나타내는 블록도이다.
도 4는 피검사자의 뇌를 촬영한 뇌 영상의 일 예시를 나타낸다.
도 5는 복사, 즉시 회상 및 지연 회상을 수행한 예시를 나타낸다.
도 6은 본 발명의 다른 실시예에 따른 인지 장애 검사 모델을 나타내는 블록도이다.
도 7은 본 발명의 또 다른 실시예에 따른 인지 장애 검사 모델을 나타내는 블록도이다.
도 8은 시공간 기억 검사에 대한 점수를 출력하는 신경 심리 검사 모델의 일 예시를 나타낸다.
도 9는 신경 심리 검사 모델을 학습시키는 방법을 나타낸다.
도 10는 본 발명의 실시예에 따른 인지 장애 검사 장치를 이용한 인지 장애 검사 방법의 정확도를 나타내는 표이다.
도 11는 본 발명의 실시예에 따라 인지 장애 검사 장치가 인지 장애에 대한 정보를 출력하는 방법을 나타내는 흐름도이다.
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 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 발명의 실시예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명의 실시예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 1은 본 발명의 실시예에 따른 인지 장애 검사 장치를 나타내는 블록도이다.
도 1을 참조하면, 인지 장애 검사 장치(100)는 프로세서(110), 송수신기(120) 및 메모리(130)를 포함할 수 있다.
프로세서(110)는 인지 장애 검사 장치(100)의 동작을 전반적으로 제어할 수 있다.
프로세서(110)는, 송수신기(120)를 이용하여, 피검사자가 수행한 신경 심리 검사에 대한 정보와 상기 피검사자의 뇌에 포함되는 적어도 하나의 뇌 영역에 대한 정보 중에서 적어도 하나를 수신할 수 있다.
본 명세서에서는, 인지 장애 검사 장치(100)는 송수신기(120)를 이용하여 상기 신경 심리 검사에 대한 정보와 상기 뇌 영역에 대한 정보를 수신하는 것으로 설명하였지만, 이에 한정되지 않는다. 즉, 실시예에 따라, 인지 장애 검사 장치(100)는 송수신기(120) 대신에, 또는 송수신기(120)에 더하여, 입출력기(미도시)를 포함하고, 입출력기(미도시)를 이용하여 상기 신경 심리 검사에 대한 정보와 상기 뇌 영역에 대한 정보 중에서 적어도 하나를 수신할 수 있다. 또는, 실시예에 따라, 상기 신경 심리 검사에 대한 정보와 상기 뇌 영역에 대한 정보 중에서 적어도 하나는 인지 장애 검사 장치(100) 내에서 생성될 수도 있다.
메모리(130)는 인지 장애 검사 프로그램(200) 및 인지 장애 검사 프로그램(200)의 실행에 필요한 정보를 저장할 수 있다.
본 명세서에서 인지 장애 검사 프로그램(200)은 피검사자가 수행한 신경 심리 검사에 대한 정보와 상기 피검사자의 뇌 영역에 대한 정보를 입력 받으면, 상기 피검사자의 인지 장애에 대한 정보를 출력하도록 프로그램된 명령어들을 포함하거나, 피검사자가 수행한 신경 심리 검사에 대한 정보와 상기 피검사자의 뇌 영역에 대한 정보를 입력 받으면, 상기 피검사자의 인지 장애에 대한 정보를 출력하도록 기 학습된 신경망을 포함하는 소프트웨어를 의미할 수 있다.
본 명세서에서, 인지 장애는 기억력, 판단력, 언어 능력, 시공간 파악 능력 따위의 인지력에 결함이 있는 상태를 의미하고, 신경 심리 검사는 피검사자의 인지 장애 정도를 알아보는 검사를 의미할 수 있다. 실시예에 따라, 상기 신경 심리 검사는 시공간 기억 검사를 포함하고, 예컨대, RCFT(Rey Complex Figure Test), PDT (Pentagon Drawing Test) 및 CDT (Clock Drawing Test) 중에서 적어도 하나를 포함할 수 있다.
또한, 본 명세서에서 피검사자의 뇌 영역이라 함은, 뇌 중에서 적어도 일부의 영역 또는 해당 영역의 일부로서, 예컨대, 내측두엽, 내측두엽 내 해마, 내측두엽 내 내측후각, 내측두엽의 일부 등을 의미할 수 있다.
프로세서(110)는 인지 장애 검사 프로그램(200)을 실행하기 위하여 메모리(130)에서 인지 장애 검사 프로그램(200) 및 인지 장애 검사 프로그램(200)의 실행에 필요한 정보를 로드할 수 있다.
프로세서(110)는, 인지 장애 검사 프로그램(200)을 실행하여, 피검사자가 수행한 신경 심리 검사에 대한 정보와 상기 피검사자의 뇌 영역에 대한 정보로부터, 상기 피검사자의 인지 장애에 대한 정보를 출력할 수 있다.
실시예에 따라, 인지 장애 검사 프로그램(200)은 인지 장애에 대한 정보를 출력하기 위해 인지 장애 검사 모델(도 2의 210)을 포함할 수 있다. 인지 장애 검사 모델(도 2의 210)은 도 2에서 보다 자세하게 설명하기로 한다.
도 2는 본 발명의 일 실시예에 따른 인지 장애 검사 프로그램에 포함되는 인지 장애 검사 모델을 나타내는 블록도이다.
도 1 및 도 2를 참조하면, 인지 장애 검사 프로그램(200)은 피검사자가 수행한 신경 심리 검사에 대한 정보와 상기 피검사자의 뇌 영역에 대한 정보를 입력 받으면, 상기 피검사자의 인지 장애에 대한 정보를 출력하는 인지 장애 검사 모델(210)을 포함할 수 있다.
실시예에 따라, 인지 장애 검사 모델(210)은 피검사자가 수행한 신경 심리 검사에 대한 정보와 상기 피검사자의 뇌 영역에 대한 정보를 입력 받으면, 상기 피검사자의 인지 장애에 대한 정보를 출력하도록 기 학습된 신경망일 수 있다. 예컨대, 인지 장애 검사 모델(210)은 CNN(convolutional neural network), LSTM(long short term memory), DNN(deep neural network) 등 딥러닝 모델 뿐만 아니라, SVM(support vector machine), random forest, ensemble 등과 같은 머신러닝 모델을 이용하여 구현될 수 있다.
아래에서는, 인지 장애 검사 모델(210)의 입출력에 대해 보다 자세하게 살펴보기로 한다.
1) 입력: 피검사자의 뇌 영역에 대한 정보
실시예에 따라, 상기 피검사자의 뇌 영역에 대한 정보는 상기 피검사자의 뇌를 촬영한 뇌 영상 및 상기 뇌 영상으로부터 획득되는 정보를 포함할 수 있다.
실시예에 따라, 뇌 영상은 뇌를 촬영한 영상 전체 또는 영상 중 일부를 포함할 수 있다. 상기 뇌 영상은 MRI, T1-weighted MRI, T2-weighted MRI, T2-flair MRI 등을 포함할 수 있다.
실시예에 따라, 상기 뇌 영상을 이용하여 획득되는 정보는 상기 뇌 영역의 두께 값 및 부피 값을 포함할 수 있다. 즉, 상기 뇌 영역이 내측두엽 내 해마 또는 내측후각을 의미하는 경우, 상기 뇌 영역에 대한 정보는 상기 해마의 두께 값 또는 부피 값이나, 상기 내측후각의 두께 값 또는 부피 값을 의미할 수 있다.
예컨대, 도 3은 본 발명의 일 실시예에 따른 인지 장애 검사 모델을 나타내는 블록도이다.
도 3을 더 참조하면, 인지 장애 검사 모델(210)은 입력 받은 뇌 영역에 대한 정보의 종류에 따라 피검사자의 인지 장애에 대한 정보를 출력할 수 있도록, 뇌 영상 모델(222) 및 뇌 영역 정보 모델(224) 중에서 적어도 하나를 포함할 수 있다.
입력 받은 상기 뇌 영역에 대한 정보가 뇌 영상인 경우, 뇌 영상 모델(222)은 신경 심리 검사에 대한 정보와 함께, 피검사자의 뇌 영상을 입력 받아, 피검사자의 인지 장애에 대한 정보를 출력할 수 있다.
뇌 영상 모델(222)은 기 수행한 다른 피검사자의 신경 심리 검사에 대한 학습용 정보와 상기 다른 피검사자의 학습용 뇌 영상을, 레이블 데이터로서 상기 다른 피검사자의 인지 장애에 대한 정답 정보와 함께 입력 받으면, 상기 다른 피검사자의 인지 장애에 대한 정보를 출력하도록 기 학습된 신경망일 수 있다.
또한, 예컨대, 도 4는 피검사자의 뇌를 촬영한 뇌 영상의 일 예시를 나타낸다.
도 4를 더 참조하면, 상기 뇌 영상은 피검사자의 뇌의 위쪽을 촬영한 제1 영상(BI1)(도 4의 (a)), 피검사자의 뇌의 뒤쪽을 촬영한 제2 영상(BI2)(도 4의 (b)) 및 피검사자의 뇌의 옆쪽을 촬영한 제3 영상(BI3)(도 4의 (c)) 중에서 적어도 하나를 포함할 수 있다.
따라서, 뇌 영상 모델(222)은 신경 심리 검사에 대한 정보와 함께, 제1 영상(BI1), 제2 영상(BI2) 및 제3 영상(BI3) 중에서 적어도 하나를 입력 받아, 피검사자의 인지 장애에 대한 정보를 출력할 수 있다.
또한, 실시예에 따라, 상기 피검사자의 뇌를 촬영한 뇌 영상은 출력의 정확성을 높이기 위하여 전처리된 영상일 수 있다.
반면, 입력 받은 상기 뇌 영역에 대한 정보가 상기 뇌 영상으로부터 획득되는 정보인 경우, 뇌 영역 정보 모델(224)은 신경 심리 검사에 대한 정보와 함께, 뇌 영상으로부터 획득되는 정보를 입력 받아, 피검사자의 인지 장애에 대한 정보를 출력할 수 있다.
뇌 영역 정보 모델(224)은 기 수행한 다른 피검사자의 신경 심리 검사에 대한 학습용 정보와 상기 다른 피검사자의 뇌 영상으로부터 획득되는 학습용 정보를, 레이블 데이터로서 인지 장애에 대한 정답 정보와 함께 입력 받으면, 상기 다른 피검사자의 인지 장애에 대한 정보를 출력하도록 기 학습된 신경망일 수 있다.
2) 입력: 피검사자가 수행한 신경 심리 검사에 대한 정보
실시예에 따라, 상기 신경 심리 검사에 대한 정보는 피검사자가 시공간 기억 검사를 수행한 이미지를 포함할 수 있다. 즉, 인지 장애 검사 모델(210)은 시공간 기억 검사를 수행한 이미지와 피검사자의 뇌 영역에 대한 정보를 입력 받으면, 상기 피검사자의 인지 장애에 대한 정보를 출력할 수 있다.
이때, 상기 시공간 기억 검사를 수행한 이미지는 출력의 정확성을 높이기 위하여 전처리된 이미지일 수 있다. 예컨대, 상기 이미지는 로우(raw) 이미지에서 피검사자가 그림을 그린 영역을 크롭(crop)하고, 로우(raw) 이미지에서 노이즈(noise)를 제거한 이미지일 수 있다.
상기 시공간 기억 검사를 수행한 이미지는 복사(copy)를 수행한 학습용 이미지, 즉시 회상(immediate recall)을 수행한 학습용 이미지 및 지연 회상(delayed recall)을 수행한 학습용 이미지 중에서 적어도 하나를 포함할 수 있다.
여기서, 복사는 피검사자가 검사용 그림을 그대로 그리는데 필요한 시간을 관찰하는 검사 방법이고, 즉시 회상은 상기 복사를 완료한 후 피검사자에게서 상기 검사용 그림을 분리시킨 후에, 상기 피검사자가 상기 검사용 그림을 얼마나 재현하는지를 관찰하는 검사 방법이고, 지연 회상은 상기 복사의 완료로부터 소정의 시간(예컨대, 20분, 30분 등)이 지난 뒤에, 상기 피검사자가 상기 검사용 그림을 얼마나 재현하는지를 관찰하는 검사 방법을 의미할 수 있다.
예컨대, 도 5는 복사, 즉시 회상 및 지연 회상을 수행한 예시를 나타낸다.
도 5를 더 참조하면, 도 5의 (a)는 피검사자에게 제공되는 검사용 그림이고, 도 5의 (b)는 복사의 결과로서, 피검사자에게 검사용 그림을 그대로 그린 결과를 나타내고, 도 5의 (c)는 즉시 회상의 결과로서, 피검사자가 검사용 그림을 재현한 결과를 나타내고, 도 5의 (d)는 지연 회상의 결과로서, 소정의 시간 뒤에 피검사자가 검사용 그림을 재현한 결과를 나타낸다.
따라서, 인지 장애 검사 모델(210)은 상기 피검사자의 뇌 영역에 대한 정보와 함께, 복사를 수행한 이미지, 즉시 회상을 수행한 이미지 및 지연 회상을 수행한 이미지 중에서 어느 하나를 입력 받으면, 상기 피검사자의 인지 장애에 대한 정보를 출력할 수 있다.
실시예에 따라, 인지 장애 검사 모델(210)은 복수의 세부 모델들을 포함하고, 복수의 세부 모델들 각각은 복사를 수행한 이미지, 즉시 회상을 수행한 이미지 및 지연 회상을 수행한 이미지 중에서 어느 하나와 함께 피검사자의 뇌 영역에 대한 정보를 입력 받으면, 상기 피검사자의 인지 장애에 대한 정보를 출력할 수 있다.
예컨대, 도 6은 본 발명의 다른 실시예에 따른 인지 장애 검사 모델을 나타내는 블록도이다.
도 6을 더 참조하면, 인지 장애 검사 모델(210)은 입력되는 시공간 기억 검사를 수행한 이미지의 종류에 따라 피검사자의 인지 장애에 대한 정보를 출력할 수 있도록, 복사 검사 모델(232). 즉시 회상 검사 모델(234) 및 지연 회상 검사 모델(236) 중에서 적어도 하나를 포함할 수 있다.
복사 검사 모델(232)은 복사를 수행한 이미지와 피검사자의 뇌 영역에 대한 정보를 입력 받으면, 상기 피검사자의 인지 장애에 대한 정보를 출력할 수 있다.
복사 검사 모델(232)은 다른 피검사자가 복사를 수행한 학습용 이미지와 상기 다른 피검사자의 뇌 영역에 대한 학습용 정보를, 레이블 데이터로서 상기 다른 피검사자의 인지 장애에 대한 정답 정보와 함께 입력 받으면, 상기 다른 피검사자의 인지 장애에 대한 정보를 출력하도록 기 학습된 신경망일 수 있다.
즉시 회상 검사 모델(234)은 즉시 회상을 수행한 이미지와 피검사자의 뇌 영역에 대한 정보를 입력 받으면, 상기 피검사자의 인지 장애에 대한 정보를 출력할 수 있다.
즉시 회상 검사 모델(234)은 다른 피검사자가 즉시 회상을 수행한 학습용 이미지와 상기 다른 피검사자의 뇌 영역에 대한 학습용 정보를, 레이블 데이터로서 상기 다른 피검사자의 인지 장애에 대한 정답 정보와 함께 입력 받으면, 상기 다른 피검사자의 인지 장애에 대한 정보를 출력하도록 기 학습된 신경망일 수 있다.
지연 회상 검사 모델(236)은 지연 회상을 수행한 이미지와 피검사자의 뇌 영역에 대한 정보를 입력 받으면, 상기 피검사자의 인지 장애에 대한 정보를 출력할 수 있다.
지연 회상 검사 모델(236)은 다른 피검사자가 지연 회상을 수행한 학습용 이미지와 상기 다른 피검사자의 뇌 영역에 대한 학습용 정보를, 레이블 데이터로서 상기 다른 피검사자의 인지 장애에 대한 정답 정보와 함께 입력 받으면, 상기 다른 피검사자의 인지 장애에 대한 정보를 출력하도록 기 학습된 신경망일 수 있다.
또한, 실시예에 따라, 상기 신경 심리 검사에 대한 정보는 피검사자가 수행한 시공간 기억 검사에 대한 점수를 포함할 수 있다. 즉, 인지 장애 검사 모델(210)은 피검사자가 수행한 시공간 기억 검사에 대한 점수와 피검사자의 뇌 영역에 대한 정보를 입력 받으면, 상기 피검사자의 인지 장애에 대한 정보를 출력할 수 있다.
여기서, 신경 심리 검사에 대한 점수는 신경 심리 검사를 수행한 결과로서, 피검사자가 수행한 신경 심리 검사의 결과에 따라 숫자로 표현된 피검사자의 인지 장애 정도를 의미할 수 있다.
상기 신경 심리 검사에 대한 점수는 자연수 또는 분수(실수)로 표현될 수 있으며, 예컨대, 상기 신경 심리 검사에 대한 점수는 0 부터 36 사이의 실수로 0.5 단위로 표현될 수 있다.
실시예에 따라, 상기 피검사자가 수행한 시공간 기억 검사에 대한 점수는 기 학습된 신경 심리 검사 모델로부터 획득될 수 있다. 상기 신경 심리 검사 모델은 도 8 및 도 9에서 보다 자세하게 설명하기로 한다.
3) 출력: 인지 장애에 대한 정보
실시예에 따라, 상기 인지 장애에 대한 정보는 상기 피검사자의 경도 인지 장애 여부, 상기 피검사자의 인지 장애 여부, 상기 피검사자가 알츠하이머 병에 걸렸는지 여부, 상기 피검사자가 상기 알츠하이머 병에 걸렸을 확률, 상기 피검사자 내의 타우 단백질(예컨대, 포스포 타우(Phospo-Tau) 단백질)의 과인산화 여부 및 상기 피검사자 내의 상기 타우 단백질의 과인산화가 양성일 확률 중에서 적어도 하나를 포함할 수 있다.
즉, 인지 장애 검사 모델(210)은 피검사자가 경도 인지 장애에 해당하는지 또는 그렇지 않은지를 출력하거나, 상기 피검사자가 인지 장애에 해당하는지 또는 그렇지 않은지를 출력하거나, 상기 피검사자가 알츠하이머 병에 걸렸는지 또는 그렇지 않은지를 출력하거나, 상기 피검사자가 상기 알츠하이머 병에 걸렸을 확률을 출력하거나, 상기 피검사자 내의 타우 단백질이 과인산화 됐는지 또는 그렇지 않은지를 출력하거나, 상기 피검사자 내의 타우 단백질이 과인산화 됐을 확률(즉, 과인산화가 양성일 확률)을 출력할 수 있다.
여기서, 경도 인지 장애는 기억력이나 기타 인지 기능의 저하가 객관적인 검사에서 확인될 정도로 뚜렷하게 감퇴된 상태이나, 일상 생활을 수행하는 능력은 보존되어 있어 아직 치매에는 해당하지 않는 상태를 의미할 수 있다.
예컨대, 도 7은 본 발명의 또 다른 실시예에 따른 인지 장애 검사 모델을 나타내는 블록도이다.
도 7을 더 참조하면, 인지 장애 검사 모델(210)은 사용자의 요청에 따른 인지 장애에 대한 정보를 출력하기 위하여, 경도 인지 장애 출력 모델(242), 인지 장애 출력 모델(244), 알츠하이머 출력 모델(246), 알츠하이머 확률 출력 모델(248), 과인산화 출력 모델(250) 및 과인산화 확률 출력 모델(252) 중에서 적어도 하나를 포함할 수 있다.
경도 인지 장애 출력 모델(242)은 피검사자가 수행한 신경 심리 검사에 대한 정보와 상기 피검사자의 뇌 영역에 대한 정보를 입력 받으면, 상기 피검사자가 경도 인지 장애에 해당하는지 또는 그렇지 않은지를 출력할 수 있다.
경도 인지 장애 출력 모델(242)은 기 수행한 다른 피검사자의 신경 심리 검사에 대한 학습용 정보와 상기 다른 피검사자의 뇌 영역에 대한 학습용 정보를, 레이블 데이터로서 상기 다른 피검사자가 경도 인지 장애에 해당하는지에 대한 정답 정보와 함께 입력 받으면, 상기 다른 피검사자가 경도 인지 장애에 해당하는지 또는 그렇지 않은지를 출력하도록 기 학습된 신경망일 수 있다.
인지 장애 출력 모델(244)은 피검사자가 수행한 신경 심리 검사에 대한 정보와 상기 피검사자의 뇌 영역에 대한 정보를 입력 받으면, 상기 피검사자가 인지 장애에 해당하는지 또는 그렇지 않은지를 출력할 수 있다.
인지 장애 출력 모델(244)은 기 수행한 다른 피검사자의 신경 심리 검사에 대한 학습용 정보와 상기 다른 피검사자의 뇌 영역에 대한 학습용 정보를, 레이블 데이터로서 상기 다른 피검사자가 인지 장애에 해당하는지에 대한 정답 정보와 함께 입력 받으면, 상기 다른 피검사자가 인지 장애에 해당하는지 또는 그렇지 않은지를 출력하도록 기 학습된 신경망일 수 있다.
알츠하이머 출력 모델(246)은 피검사자가 수행한 신경 심리 검사에 대한 정보와 상기 피검사자의 뇌 영역에 대한 정보를 입력 받으면, 상기 피검사자가 알츠하이머 병에 걸렸는지 또는 그렇지 않은지를 출력할 수 있다.
알츠하이머 출력 모델(246)은 기 수행한 다른 피검사자의 신경 심리 검사에 대한 학습용 정보와 상기 다른 피검사자의 뇌 영역에 대한 학습용 정보를, 레이블 데이터로서 상기 다른 피검사자가 알츠하이머 병에 걸렸는지에 대한 정답 정보와 함께 입력 받으면, 상기 다른 피검사자가 알츠하이머 병에 걸렸는지 또는 그렇지 않은지를 출력하도록 기 학습된 신경망일 수 있다.
알츠하이머 확률 출력 모델(248)은 피검사자가 수행한 신경 심리 검사에 대한 정보와 상기 피검사자의 뇌 영역에 대한 정보를 입력 받으면, 상기 피검사자가 알츠하이머 병에 걸렸을 확률을 출력할 수 있다.
알츠하이머 확률 출력 모델(248)은 기 수행한 다른 피검사자의 신경 심리 검사에 대한 학습용 정보와 상기 다른 피검사자의 뇌 영역에 대한 학습용 정보를, 레이블 데이터로서 상기 다른 피검사자가 알츠하이머 병에 걸렸는지에 대한 정답 정보와 함께 입력 받으면, 상기 다른 피검사자가 알츠하이머 병에 걸렸을 확률을 출력하도록 기 학습된 신경망일 수 있다.
과인산화 출력 모델(250)은 피검사자가 수행한 신경 심리 검사에 대한 정보와 상기 피검사자의 뇌 영역에 대한 정보를 입력 받으면, 상기 피검사자 내의 타우 단백질이 과인산화 됐는지 또는 그렇지 않은지를 출력할 수 있다.
과인산화 출력 모델(250)은 기 수행한 다른 피검사자의 신경 심리 검사에 대한 학습용 정보와 상기 다른 피검사자의 뇌 영역에 대한 학습용 정보를, 레이블 데이터로서 상기 다른 피검사자 내의 타우 단백질이 과인산화 됐는지에 대한 정답 정보와 함께 입력 받으면, 상기 피검사자 내의 타우 단백질이 과인산화 됐는지 또는 그렇지 않은지를 출력하도록 기 학습된 신경망일 수 있다.
과인산화 확률 출력 모델(252)은 피검사자가 수행한 신경 심리 검사에 대한 정보와 상기 피검사자의 뇌 영역에 대한 정보를 입력 받으면, 상기 피검사자 내의 타우 단백질이 과인산화 됐을 확률을 출력할 수 있다.
과인산화 확률 출력 모델(252)은 기 수행한 다른 피검사자의 신경 심리 검사에 대한 학습용 정보와 상기 다른 피검사자의 뇌 영역에 대한 학습용 정보를, 레이블 데이터로서 상기 다른 피검사자 내의 타우 단백질이 과인산화 됐는지에 대한 정답 정보와 함께 입력 받으면, 상기 피검사자 내의 타우 단백질이 과인산화 됐을 확률을 출력하도록 기 학습된 신경망일 수 있다.
본 명세서에서는, 인지 장애 검사 모델(210)은 뇌 영상 모델(222) 및 뇌 영역 정보 모델(224) 중에서 적어도 하나를 포함하거나, 복사 검사 모델(232). 즉시 회상 검사 모델(234) 및 지연 회상 검사 모델(236) 중에서 적어도 하나를 포함하거나, 경도 인지 장애 출력 모델(242), 인지 장애 출력 모델(244), 알츠하이머 출력 모델(246), 알츠하이머 확률 출력 모델(248), 과인산화 출력 모델(250) 및 과인산화 확률 출력 모델(252) 중에서 적어도 하나를 포함하는 것으로 설명하였지만, 이에 한정되지 않는다.
즉, 도 3, 도 6 및 도 7은, 설명의 편의를 위해, 인지 장애 검사 모델(210)의 입출력의 종류에 따라, 인지 장애 검사 모델(210)의 기능을 나눠 도시한 것에 불과하며, 도 3에 도시된 모델들(222, 224), 도 6에 도시된 모델들(232, 234, 236) 및 도 7에 도시된 모델들(242, 244, 246, 248, 250, 252) 중에서 적어도 둘은 서로 융합(결합)될 수 있다.
즉, 예컨대, 피검사자의 경도 인지 장애 여부를 출력하도록 설정된 인지 장애 검사 모델(210)에 복사를 수행한 이미지와 피검사자의 뇌 영역에 대한 정보가 입력된 경우, 인지 장애 검사 모델(210)은 복사 검사 모델(232)과 경도 인지 장애 출력 모델(242)이 융합되어, 복사를 수행한 이미지와 피검사자의 뇌 영역에 대한 정보를 이용하여, 상기 피검사자가 경도 인지 장애에 해당하는지 여부를 출력할 수 있다.
도 8은 시공간 기억 검사에 대한 점수를 출력하는 신경 심리 검사 모델의 일 예시를 나타내고, 도 9는 신경 심리 검사 모델을 학습시키는 방법을 나타낸다.
도 8 및 도 9를 참조하면, 신경 심리 검사 모델(260)은 신경 심리 검사를 수행한 이미지를 입력 받으면, 상기 신경 심리 검사에 대한 점수를 출력하도록 기 학습된 신경망일 수 있다.
실시예에 따라, 신경 심리 검사 모델(260)은 지도 학습(supervised learning) 방식으로 학습된 신경망일 수 있다.
신경 심리 검사 모델(260)은 다른 피검사자가 상기 신경 심리 검사를 수행한 학습용 이미지와 함께, 레이블 데이터로서 상기 학습용 이미지에 대한 정답 점수를 입력 받으면, 상기 학습용 이미지에 대한 점수를 출력하도록 기 학습될 수 있다.
실시예에 따라, 신경 심리 검사 모델(260)은 인지 장애 검사 프로그램(200)에 포함될 수도 있고, 그렇지 않을 수도 있다.
즉, 신경 심리 검사 모델(260)이 인지 장애 검사 프로그램(200)에 포함된 경우, 인지 장애 검사 프로그램(200)은 사용자의 설정에 따라, 피검사자가 신경 심리 검사를 수행한 이미지를 인지 장애 검사 모델(210)에 입력하여, 상기 피검사자의 인지 장애 여부를 출력할 수도 있고, 피검사자가 신경 심리 검사를 수행한 이미지를 신경 심리 검사 모델(260)에 입력하여 상기 신경 심리 검사에 대한 점수를 출력하고, 출력된 신경 심리 검사에 대한 점수를 인지 장애 검사 모델(210)에 입력하여, 상기 피검사자의 인지 장애 여부를 출력할 수도 있다.
반면, 신경 심리 검사 모델(260)이 인지 장애 검사 프로그램(200)에 포함되지 않은 경우, 인지 장애 검사 프로그램(200)은 외부의 신경 심리 검사 모델(260)로부터 수신한 피검사자가 수행한 신경 심리 검사에 대한 점수를 인지 장애 검사 모델(210)에 입력하여, 상기 피검사자의 인지 장애 여부를 출력할 수 있다.
도 10는 본 발명의 실시예에 따른 인지 장애 검사 장치를 이용한 인지 장애 검사 방법의 정확도를 나타내는 표이다.
도 10을 참조하면, 인지 장애 검사 장치(100)를 이용하여 피검사자의 알츠하이머를 판단하는 경우, 88.5%의 정확도, 0.924의 신뢰도, 87.6%의 민감도 및 88.7%의 특이도를 보이고 있음을 확인할 수 있다.
따라서, 이를 비추어 보았을 때, 인지 장애 검사 장치(100)는 대략 90%에 가까운 정확도로 알츠하이머를 판단할 수 있음을 확인할 수 있다.
도 11는 본 발명의 실시예에 따라 인지 장애 검사 장치가 인지 장애에 대한 정보를 출력하는 방법을 나타내는 흐름도이다.
도 1, 도 2 및 도 11을 참조하면, 인지 장애 검사 장치(100)는 피검사자가 수행한 신경 심리 검사에 대한 정보를 획득할 수 있다(S1100).
인지 장애 검사 장치(100)는 피검사자의 뇌에 포함되는 적어도 하나의 뇌 영역에 대한 정보를 획득할 수 있다(S1110).
인지 장애 검사 장치(100)는 인지 장애 검사 모델(210)을 이용하여, 신경 심리 검사에 대한 정보 및 적어도 하나의 뇌 영역에 대한 정보로부터, 피검사자의 인지 장애에 관한 정보를 출력할 수 있다(S1120).
본 발명의 실시예에 의하면, 기 학습된 인지 장애 검사 모델을 이용하여, 피검사자의 인지 장애 여부를 보다 빠르고 정확하게 제공할 수 있다.
본 발명에 첨부된 블록도의 각 블록과 흐름도의 각 단계의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수도 있다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 인코딩 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 인코딩 프로세서를 통해 수행되는 그 인스트럭션들이 블록도의 각 블록 또는 흐름도의 각 단계에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방법으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 블록도의 각 블록 또는 흐름도 각 단계에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 블록도의 각 블록 및 흐름도의 각 단계에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.
또한, 각 블록 또는 각 단계는 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실시예들에서는 블록들 또는 단계들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들 또는 단계들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들 또는 단계들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 품질에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 균등한 범위 내에 있는 모든 기술사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
100: 인지 장애 검사 장치
200: 인지 장애 검사 프로그램
210: 인지 장애 검사 모델
200: 인지 장애 검사 프로그램
210: 인지 장애 검사 모델
Claims (16)
- 인지 장애 검사 장치에서 수행되는 인지 장애에 대한 정보를 획득하는 방법에 있어서,
피검사자가 수행한 신경 심리 검사에 대한 정보를 획득하는 단계;
상기 피검사자의 뇌에 포함되는 적어도 하나의 뇌 영역에 대한 정보를 획득하는 단계; 및
상기 신경 심리 검사에 대한 정보 및 상기 적어도 하나의 뇌 영역에 대한 정보를 기 학습된 인지 장애 검사 모델에 입력하여, 상기 피검사자의 인지 장애에 대한 정보를 획득하는 단계를 포함하고,
상기 신경 심리 검사는 시공간 기억 검사를 포함하고,
상기 신경 심리 검사에 대한 정보는 상기 시공간 기억 검사를 수행한 이미지 및 상기 시공간 기억 검사에 대한 결과로서의 인지 장애 점수 중에서 적어도 하나를 포함하고,
상기 인지 장애 검사 모델은,
소정의 사람들 각각이 상기 시공간 심리 검사를 기 수행한 학습용 신경 심리 검사 정보 및 상기 사람들 각각의 뇌에 포함되는 적어도 하나의 뇌 영역에 대한 학습용 뇌 정보와 함께, 레이블 데이터로서 상기 사람들 각각의 인지 장애에 관한 정답 정보를 입력 받으면, 상기 사람들 각각의 인지 장애에 대한 정보를 출력하도록 기 학습된 신경망인
인지 장애에 대한 정보를 획득하는 방법. - 삭제
- 제1 항에 있어서,
상기 인지 장애에 대한 정보는,
상기 피검사자의 경도 인지 장애 여부, 상기 피검사자의 인지 장애 여부, 상기 피검사자가 알츠하이머 병에 걸렸는지 여부, 상기 피검사자가 상기 알츠하이머 병에 걸렸을 확률, 상기 피검사자 내의 타우 단백질의 과인산화 여부 및 상기 피검사자 내의 상기 타우 단백질의 과인산화가 양성일 확률 중에서 적어도 하나를 포함하는
인지 장애에 대한 정보를 획득하는 방법. - 제1 항에 있어서,
상기 적어도 하나의 뇌 영역에 대한 정보는,
상기 뇌를 촬영한 뇌 영상에 해당하는
인지 장애에 대한 정보를 획득하는 방법. - 제1 항에 있어서,
상기 적어도 하나의 뇌 영역에 대한 정보는,
상기 뇌를 촬영한 뇌 영상으로부터 획득되는
인지 장애에 대한 정보를 획득하는 방법. - 제1 항에 있어서,
상기 적어도 하나의 뇌 영역에 대한 정보는,
상기 적어도 하나의 뇌 영역 각각의 두께 값 및 부피 값 중에서 적어도 하나를 포함하는
인지 장애에 대한 정보를 획득하는 방법. - 제1 항에 있어서,
상기 적어도 하나의 뇌 영역은,
상기 뇌의 내측두엽 내 해마, 내측후각, 상기 해마의 일부 및 상기 내측후각의 일부 중에서 적어도 하나를 포함하는
인지 장애에 대한 정보를 획득하는 방법. - 삭제
- 제1 항에 있어서,
상기 인지 장애 점수는,
기 학습된 시공간 기억 검사 모델을 이용하여, 상기 시공간 기억 검사를 수행한 이미지로부터 획득된 것인
인지 장애에 대한 정보를 획득하는 방법. - 제9 항에 있어서,
상기 시공간 기억 검사 모델은,
상기 시공간 기억 검사를 기 수행한 학습용 이미지와 함께, 레이블 데이터로서 상기 학습용 이미지에 대한 정답 점수를 입력 받으면, 상기 학습용 이미지에 대한 점수를 출력하도록 기 학습된 신경망인
인지 장애에 대한 정보를 획득하는 방법. - 제1 항에 있어서,
상기 시공간 기억 검사는 복사(copy), 즉시 회상(immediate recall) 및 지연 회상(delayed recall) 중에서 적어도 하나를 포함하고,
상기 이미지는,
상기 복사에 따른 제1 이미지, 상기 즉시 회상에 따른 제2 이미지 및 상기 지연 회상에 따른 제3 이미지 중에서 적어도 하나를 포함하는
인지 장애에 대한 정보를 획득하는 방법. - 제1 항에 있어서,
상기 시공간 기억 검사는,
RCFT(Rey Complex Figure Test), PDT (Pentagon Drawing Test) 및 CDT (Clock Drawing Test) 중에서 어느 하나인
인지 장애에 대한 정보를 획득하는 방법. - 기 학습된 인지 장애 검사 모델이 저장된 메모리; 및
상기 메모리를 제어하는 프로세서를 포함하고,
상기 프로세서는,
피검사자가 수행한 신경 심리 검사에 대한 정보를 획득하고,
상기 피검사자의 뇌에 포함되는 적어도 하나의 뇌 영역에 대한 정보를 획득하고,
상기 신경 심리 검사에 대한 정보 및 상기 적어도 하나의 뇌 영역에 대한 정보를 기 학습된 인지 장애 검사 모델에 입력하여, 상기 피검사자의 인지 장애에 대한 정보를 획득하고,
상기 신경 심리 검사는 시공간 기억 검사를 포함하고,
상기 신경 심리 검사에 대한 정보는 상기 시공간 기억 검사를 수행한 이미지를 포함하고,
상기 신경 심리 검사에 대한 정보는 상기 시공간 기억 검사를 수행한 이미지 및 상기 시공간 기억 검사에 대한 결과로서의 인지 장애 점수 중에서 적어도 하나를 포함하고,
상기 인지 장애 검사 모델은,
소정의 사람들 각각이 상기 시공간 심리 검사를 기 수행한 학습용 신경 심리 검사 정보 및 상기 사람들 각각의 뇌에 포함되는 적어도 하나의 뇌 영역에 대한 학습용 뇌 정보와 함께, 레이블 데이터로서 상기 사람들 각각의 인지 장애에 관한 정답 정보를 입력 받으면, 상기 사람들 각각의 인지 장애에 대한 정보를 출력하도록 기 학습된 신경망인
인지 장애 검사 장치. - 제13 항에 있어서,
상기 인지 장애 검사 장치는 태블릿 형태의 장치인
인지 장애 검사 장치. - 컴퓨터 프로그램을 저장하고 있는 컴퓨터 판독 가능 기록매체로서,
상기 컴퓨터 프로그램은,
제1 항, 제3 항 내지 제7 항 및 제9 항 내지 제12 항 중 어느 한 항에 따른 방법을 프로세서가 수행하도록 하기 위한 명령어를 포함하는
컴퓨터 판독 가능한 기록매체. - 컴퓨터 판독 가능한 기록매체에 저장되어 있는 컴퓨터 프로그램으로서,
상기 컴퓨터 프로그램은,
제1 항, 제3 항 내지 제7 항 및 제9 항 내지 제12 항 중 어느 한 항에 따른 방법을 프로세서가 수행하도록 하기 위한 명령어를 포함하는
컴퓨터 프로그램.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210142095A KR102383058B1 (ko) | 2021-10-22 | 2021-10-22 | 시공간 기억 검사와 뇌 영상 정보를 활용한 인지 장애 예측 장치 및 방법 |
| PCT/KR2022/015224 WO2023068619A1 (ko) | 2021-10-22 | 2022-10-07 | 시공간 기억 검사와 뇌 영상 정보를 활용한 인지 장애 예측 방법 및 이를 수행하는 장치 및 컴퓨터 판독 가능한 기록매체 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210142095A KR102383058B1 (ko) | 2021-10-22 | 2021-10-22 | 시공간 기억 검사와 뇌 영상 정보를 활용한 인지 장애 예측 장치 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102383058B1 true KR102383058B1 (ko) | 2022-04-08 |
Family
ID=81182834
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210142095A KR102383058B1 (ko) | 2021-10-22 | 2021-10-22 | 시공간 기억 검사와 뇌 영상 정보를 활용한 인지 장애 예측 장치 및 방법 |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR102383058B1 (ko) |
| WO (1) | WO2023068619A1 (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023068619A1 (ko) * | 2021-10-22 | 2023-04-27 | 조선대학교산학협력단 | 시공간 기억 검사와 뇌 영상 정보를 활용한 인지 장애 예측 방법 및 이를 수행하는 장치 및 컴퓨터 판독 가능한 기록매체 |
| WO2023214693A1 (ko) * | 2022-05-06 | 2023-11-09 | 가톨릭대학교 산학협력단 | 알츠하이머병 치매(add) 또는 경도인지장애(mci)를 진단하기 위한 정보제공방법 및 의료영상 처리시스템 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118717045B (zh) * | 2024-06-13 | 2025-01-24 | 中国医学科学院北京协和医院 | 颅内动脉粥样硬化性狭窄人群的认知障碍测评装置和设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190015649A (ko) | 2017-08-03 | 2019-02-14 | 사회복지법인 삼성생명공익재단 | 신경심리검사를 이용한 치매 발병 예측 방법 및 예측 시스템 |
| KR102067412B1 (ko) * | 2019-08-21 | 2020-01-17 | 서울대학교병원 | 치매 평가 방법 및 이를 이용한 장치 |
| KR20210096292A (ko) * | 2019-03-06 | 2021-08-04 | 주식회사 뉴로젠 | 뇌 질환 예측 장치 및 방법, 뇌 질환을 예측하기 위한 학습 장치 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102383058B1 (ko) * | 2021-10-22 | 2022-04-08 | 주식회사 뉴로젠 | 시공간 기억 검사와 뇌 영상 정보를 활용한 인지 장애 예측 장치 및 방법 |
-
2021
- 2021-10-22 KR KR1020210142095A patent/KR102383058B1/ko active IP Right Grant
-
2022
- 2022-10-07 WO PCT/KR2022/015224 patent/WO2023068619A1/ko active Application Filing
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190015649A (ko) | 2017-08-03 | 2019-02-14 | 사회복지법인 삼성생명공익재단 | 신경심리검사를 이용한 치매 발병 예측 방법 및 예측 시스템 |
| KR20210096292A (ko) * | 2019-03-06 | 2021-08-04 | 주식회사 뉴로젠 | 뇌 질환 예측 장치 및 방법, 뇌 질환을 예측하기 위한 학습 장치 |
| KR102067412B1 (ko) * | 2019-08-21 | 2020-01-17 | 서울대학교병원 | 치매 평가 방법 및 이를 이용한 장치 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023068619A1 (ko) * | 2021-10-22 | 2023-04-27 | 조선대학교산학협력단 | 시공간 기억 검사와 뇌 영상 정보를 활용한 인지 장애 예측 방법 및 이를 수행하는 장치 및 컴퓨터 판독 가능한 기록매체 |
| WO2023214693A1 (ko) * | 2022-05-06 | 2023-11-09 | 가톨릭대학교 산학협력단 | 알츠하이머병 치매(add) 또는 경도인지장애(mci)를 진단하기 위한 정보제공방법 및 의료영상 처리시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023068619A1 (ko) | 2023-04-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102383058B1 (ko) | 시공간 기억 검사와 뇌 영상 정보를 활용한 인지 장애 예측 장치 및 방법 | |
| Tompary et al. | High‐resolution investigation of memory‐specific reinstatement in the hippocampus and perirhinal cortex | |
| Vogelsang et al. | Potential downside of high initial visual acuity | |
| Waters et al. | Self-recognition deficits in schizophrenia patients with auditory hallucinations: a meta-analysis of the literature | |
| KR20200073156A (ko) | 머신러닝 기반의 아밀로이드 베타 축적을 예측하는 방법 및 장치 | |
| Wetherill et al. | Classifying and characterizing nicotine use disorder with high accuracy using machine learning and resting‐state fMRI | |
| Zhao et al. | Functional connectivity between white matter and gray matter based on fMRI for Alzheimer's disease classification | |
| Kishore et al. | Detection and analysis of Alzheimer’s disease using various machine learning algorithms | |
| EP3873328A1 (en) | System and method to measure and monitor neurodegeneration | |
| Dalrymple et al. | Impaired face detection may explain some but not all cases of developmental prosopagnosia | |
| Perez-Valero et al. | Supporting the detection of early Alzheimer’s disease with a four-channel EEG analysis | |
| CN112561848A (zh) | 区域性脑年龄预测的方法、非暂时性电脑可读介质及设备 | |
| Takahashi et al. | Uncinate fasciculus disruption relates to poor recognition of negative facial emotions in Alzheimer's disease: a cross‐sectional diffusion tensor imaging study | |
| Cheah et al. | A screening system for mild cognitive impairment based on neuropsychological drawing test and neural network | |
| KR102409242B1 (ko) | 신경 심리 검사에 대한 점수를 획득하는 방법 및 이를 수행하는 신경 심리 검사 장치 | |
| Mian | Efficient net-based transfer learning technique for facial autism detection | |
| Li et al. | Cortical Morphometry is Associated with Neuropsychological Function in Healthy 8‐Year‐Old Children | |
| KR20220143176A (ko) | 딥러닝 기반의 뇌질환 진단 방법 및 장치 | |
| Leinwand et al. | Characterizing Frequency-Selective Network Vulnerability for Alzheimer's Disease by Identifying Critical Harmonic Patterns | |
| Lifanov et al. | Reconstructing spatio-temporal trajectories of visual object memories in the human brain | |
| Lifanov-Carr et al. | Reconstructing Spatiotemporal Trajectories of Visual Object Memories in the Human Brain | |
| KR20210028200A (ko) | 아동의 신경발달 장애 위험을 평가하는 방법 | |
| Kannoju | Diabetic retinopathy detection using retinal images | |
| Mahbub et al. | Neural Network Architecture for the Classification of Alzheimer's Disease from Brain MRI | |
| Ghosh et al. | On Hippocampus Associative Modeling by Approximating Nonlinear Kullback-Leibler Sparsity Constraint |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PA0109 | Patent application |
Patent event code: PA01091R01D Comment text: Patent Application Patent event date: 20211022 |
|
| PA0201 | Request for examination | ||
| PA0302 | Request for accelerated examination |
Patent event date: 20211022 Patent event code: PA03022R01D Comment text: Request for Accelerated Examination |
|
| PE0902 | Notice of grounds for rejection |
Comment text: Notification of reason for refusal Patent event date: 20211230 Patent event code: PE09021S01D |
|
| E701 | Decision to grant or registration of patent right | ||
| PE0701 | Decision of registration |
Patent event code: PE07011S01D Comment text: Decision to Grant Registration Patent event date: 20220324 |
|
| GRNT | Written decision to grant | ||
| PR0701 | Registration of establishment |
Comment text: Registration of Establishment Patent event date: 20220331 Patent event code: PR07011E01D |
|
| PR1002 | Payment of registration fee |
Payment date: 20220401 End annual number: 3 Start annual number: 1 |
|
| PG1601 | Publication of registration |