KR20080086055A - 뇌파 측정 방법과 장치 및 그 방법을 실행시키기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체 - Google Patents

뇌파 측정 방법과 장치 및 그 방법을 실행시키기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체 Download PDF

Info

Publication number
KR20080086055A
KR20080086055A KR1020070027681A KR20070027681A KR20080086055A KR 20080086055 A KR20080086055 A KR 20080086055A KR 1020070027681 A KR1020070027681 A KR 1020070027681A KR 20070027681 A KR20070027681 A KR 20070027681A KR 20080086055 A KR20080086055 A KR 20080086055A
Authority
KR
South Korea
Prior art keywords
peaks
peak group
eeg
signal
peak
Prior art date
Application number
KR1020070027681A
Other languages
English (en)
Inventor
박현욱
오성석
정준영
Original Assignee
한국과학기술원
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 한국과학기술원 filed Critical 한국과학기술원
Priority to KR1020070027681A priority Critical patent/KR20080086055A/ko
Priority to US11/745,586 priority patent/US7778700B2/en
Priority to EP07108117A priority patent/EP1972273A3/en
Priority to JP2007129656A priority patent/JP4945309B2/ja
Publication of KR20080086055A publication Critical patent/KR20080086055A/ko
Priority to JP2011242826A priority patent/JP5536739B2/ja

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
    • A61B5/369—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
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • 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
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
    • 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
    • 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
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • 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
    • 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
    • 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

Abstract

본 발명은 뇌파 측정방법 등에 관한 것이다.
이러한 본 발명에 따른 뇌파 측정방법은 심장박동 정보를 반영하는 EKG 신호로부터 양의 피크들과 음의 피크들을 추출하고, 심장박동에 따른 잡음 정보와 뇌파 정보를 반영하는 EEG 신호로부터 양의 피크들을 추출하는 피크 정보 추출단계와, EEG 신호의 양의 피크들을 EKG 신호의 양의 피크들을 기초로 심장박동의 영향이 뇌파의 영향보다 큰 제1 피크 그룹과 뇌파의 영향이 심장박동의 영향보다 큰 제2 피크 그룹으로 분류하는 EEG 신호 분류단계와, EEG 신호로부터 제1 피크 그룹과 및 제2 피크 그룹에 따른 잡음을 제거하는 잡음 제거단계를 포함한다.
이러한 본 발명에 따르면, 자기공명영상 장치 내에서 피험자의 뇌파를 측정할 경우 발생하는 심장박동에 의한 잡음을 최소화할 수 있는 등의 효과가 있다.
Figure P1020070027681
EEG, EKG, 심장박동에 의한 잡음, 뇌파, 자기공명영상 장치

Description

뇌파 측정방법과 장치 및 그 방법을 실행시키기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체{BRAIN WAVE MEASURING METHOD, APPARATUS AND COMPUTER READABLE MEDIUM ON WHICH PROGRAM FOR EXECUTING THE METHOD IS RECORDED}
도 1은 본 발명의 일 실시 예에 따른 뇌파 측정 방법을 나타낸 도면.
도 2는 EEG 신호와 EKG 신호 상의 서로 다른 시간차를 나타내는 도면.
도 3은 윈도우 사이즈를 나타낸 도면.
***** 도면의 주요 부분에 대한 부호의 설명 *****
100: 피크 정보 추출단계
200: EEG 신호 분류단계
300: 잡음 제거단계
301: 윈도우 사이즈 생성단계
302: 시간차 연산단계
303: 제1 피크 그룹 평균 BA 연산단계
304: 1차 잡음 제거단계
305: 2차 잡음 제거단계
본 발명은 뇌파 측정방법과 장치 및 그 방법을 컴퓨터상에서 실행시키기 위한 프로그램이 기록된 기록매체에 관한 것이다.
현재 임상 분야에서는 많은 의료 기기들이 사용되고 있다. 자기공명영상(MRI, Magentic Resonance Imaging) 장치는 다른 의료 기기보다 공간적인 해상도가 우수한 영상을 제공한다. 이러한 자기공명영상 장치의 특징은 인체의 뇌의 모양을 보다 자세히 관찰하여, 환자의 치료나 뇌기능의 연구에 많은 도움을 준다는 점이다. 하지만 이렇게 공간적 해상도가 높은 자기공명영상도 시간적 해상도는 떨어진다. 반면에 뇌전도(EEG, Electroencephalogram)는 시간적 해상도가 우수하여 간질파나 수면 연구 등에 많이 활용되고 있다. 하지만 뇌전도는 공간적인 해상도가 떨어져서 뇌의 공간적인 특성을 연구하는데 많은 어려움이 있다. 이러한 이유로 현재 공간적인 해상도가 뛰어난 자기공명영상과 상대적으로 시간적인 해상도가 우수한 뇌전도를 동시에 활용하여, 자기공명영상과 뇌전도의 단점을 보완하고 장점을 합치는 연구가 활발하게 이루어지고 있다. 자기공명영상과 뇌전도를 동시에 측정하기 위해서는 우선 이들 두 가지가 어떤 식으로 측정되는 지를 알아볼 필요가 있다. 우선 자기공명영상의 경우, 금속을 소지하지 않은 환자가 자기공명실(Magentic Resonance Room) 안에 들어가서 배드(Bed)에 누워 머리를 고정시킨 후 측정을 한 다. 뇌전도의 경우 뇌전도 캡(cap)을 머리에 쓰고 캡에 연결된 케이블을 통해 전달되는 전기적인 신호를 측정하게 된다. 자기공명영상과 뇌전도를 동시에 측정하기 위해서는, 피험자가 뇌전도 캡을 쓴 상태로 자기공명실 안에 들어가 자기공명영상과 뇌전도 신호를 측정하게 되는 것이다. 하지만 이와 같이 두 개의 기기를 동시에 사용하여 자기공명영상과 뇌전도를 동시에 측정할 경우, 각 기기를 분리해서 자기공명영상과 뇌전도를 개별적으로 측정할 때와는 달리 뇌전도 데이터 상에 아티팩트(artifact)들이 발생한다. 이 때 발생하는 아티팩트들 중에서 가장 심각한 것이 바로 피험자의 심장박동에 의해서 뇌전도 데이터 상에 발생하는 BA (Ballistocardiac Artifact)이다.
종래에 이러한 아티팩트를 제거하기 위한 알고리즘들이 제시되었다. 이러한 알고리즘들 중에, 평균 섭트랙션(Mean Subtraction) 방법, 적응적 필터링(Adaptive filtering) 방법, ICA(Independent Component Analysis), PCA(Principle Component Analysis)가 있다.
평균 섭트랙션(Mean Subtraction) 방법은 뇌전도 신호에서 심박과 거의 같은 주기로 나타나는 BA들을 평균해서 얻은 평균 BA를 심박에 맞춰 뇌전도 신호에서 빼줘서 BA들을 제거한다. 평균 BA를 얻기 위해서는 심장박동이 발생한 시점을 알아야 하고, 심장박동이 발생한 후 뇌전도 신호에서 발생한 BA를 찾아내야한다. 우선 심장박동이 발생한 시점을 알기 위하여, 심전도(Electrocardiogram, EKG)를 기준(Reference) 신호를 사용한다. 심전도는 뇌전도를 측정할 때 같이 측정된다. 이러한 심전도는 심장에서 나오는 대동맥에서 측정을 하기 때문에 심장박동을 정확히 나타낸다. 심장박동이 발생한 시점은 매 심장박동이 발생할 때 나타나는 P_QRS_T 피크(peak)들 중 R 피크를 사용한다. 또한 뇌전도 신호에서 BA가 나타나는 시점은 각 심장박동이 발생한 시점에서 일정한 시간 후라는 가정 하에, 심장박동 후 일정한 시간 후에 BA를 찾아낸다. 평균 BA를 얻기 위해 가져오는 BA의 시간적 크기, 즉 윈도우 사이즈(window size)는 이웃한 R 피크들 사이의 시간적 차들의 평균값을 사용한다. 이러한 평균 섭트랙션 방법의 특징은 심전도 신호를 기준 신호로 활용한다는 점과 뇌전도 신호 상의 BA를 제거할 때 평균 BA를 사용한다는 점, 그리고 뇌전도 신호에서 평균 BA를 얻기 위해서 심장 박동에 의해 심전도 신호에 발생하는 R 피크의 시점에서 일정한 시간 후에 일정한 윈도우 사이즈 만큼의 BA들을 사용한다는 점이다. 그러나 이러한 평균 섭트랙션 방법은 심장박동이 발생한 후 항상 일정한 시간차를 두고 일정한 윈도우 사이즈를 가지고 BA가 나타난다는 가정을 하였는데, 실제 피험자의 심장 박동이 일정한 시간차를 두고 뇌전도 신호에 영향을 미칠 수 없고 항상 똑같은 심장 박동이 일어날 수 없기 때문에, BA의 윈도우 사이즈가 항상 같을 수 없다. 그러므로 평균 섭트랙션 방법으로는 BA를 효과적으로 제거하기 어려운 문제점이 있다.
적응적 필터링(Adaptive filtering) 방법은 평균 섭트랙션(mean subtraction) 방법처럼 심전도 신호를 기준 신호로 활용한다. 즉, 심전도 신호로부터 뇌전도 신호 안에 있는 BA들 만으로 이루어진 신호 성분을 추정(estimation)하고, 이 성분을 원래의 뇌전도 신호로부터 빼 BA를 제거하는 방식이다. 그러나 적응적 필터링(Adaptive filtering) 방법에 따르면, 필터링(filtering)을 위한 필 터(filter) 계수를 정해야 하고, 필터 계수가 증가 할수록 계산량이 기하급수적으로 증가하는 문제점이 있다.
PCA와 ICA는 뇌전도 신호를 여러 개의 신호들의 조합으로 만든 것이다. ICA의 경우는 뇌전도 신호를 독립 성분들로 분해를 한다. PCA의 경우는 ICA와는 달리 뇌전도 신호를 중요 성분(principal component)들로 분해를 한다. 각각의 방법으로 분해를 한 후, 각 성분들 중에서 BA와 연관이 있어 보이는 성분들을 직접 가려서 제거를 한다. 제거를 할 때, BA와 관련이 있는 성분들과 개수는 임의로 정할 수 있다. 성분들을 제거하고 다시 남은 성분들을 조합해서 BA들이 제거가 된 뇌전도 신호를 얻어낸다. 그러나 PCA와 ICA 방법에 따르면, 사용자가 직접 BA와 관련 있어 보이는 성분을 고른다. 이에 따라, 사용자의 주관적인 관점이 BA 제거과정에 반영되고, 실제 PCA와 ICA를 거쳐 나온 결과가 정확히 어떠한 성분인지가 불명확하게 된다. 이러한 불명확성은 BA를 제거하고 얻은 신호가 실제 뇌전도 신호를 왜곡시킬 가능성도 유발한다. 또한 성분들을 제거한 후 뇌전도 신호를 복원하면 복원된 신호가 실제 측정한 뇌전도 신호가 아닌 인위적으로 왜곡된 형태가 될 수 있다는 문제점이 있다.
이러한 문제점을 해결하기 위한 본 발명은 피험자의 심장박동에 의한 잡음을 최소화할 수 있는 뇌파 측정방법 등을 제공하는 것을 목적으로 한다.
또한, 본 발명은 자기공명영상 장치 내에서 피험자의 뇌파를 측정할 경우 발 생하는 심장박동에 의한 잡음을 최소화하는 것을 목적으로 한다.
또한, 본 발명은 심장박동의 불균일성에도 불구하고 심장박동에 따른 잡음을 효과적으로 제거하는 것을 목적으로 한다.
또한, 본 발명은 심장박동에 따른 잡음을 제거하기 위한 과정에서의 연산량을 감소시켜 뇌파 측정 시간을 단축하는 것을 목적으로 한다.
이러한 기술적 과제를 달성하기 위한 본 발명에 따른 뇌파 측정방법은 심장박동 정보를 반영하는 EKG 신호로부터 양의 피크들과 음의 피크들을 추출하고, 상기 심장박동에 따른 잡음 정보와 뇌파 정보를 반영하는 EEG 신호로부터 양의 피크들을 추출하는 피크 정보 추출단계와, 상기 EEG 신호의 양의 피크들을 상기 EKG 신호의 양의 피크들을 기초로 상기 심장박동의 영향이 상기 뇌파의 영향보다 큰 제1 피크 그룹과 상기 뇌파의 영향이 상기 심장박동의 영향보다 큰 제2 피크 그룹으로 분류하는 EEG 신호 분류단계와, 상기 EEG 신호로부터 상기 제1 피크 그룹과 및 제2 피크 그룹에 따른 잡음을 제거하는 잡음 제거단계를 포함한다.
상기 피크 정보 추출단계에서 추출되는 상기 EKG 신호의 양의 피크들은 R 피크들이고, 상기 R 피크들은 k-TEO 방법으로 추출되는 것이 바람직하다.
상기 피크 정보 추출단계에서 추출되는 상기 EKG 신호의 음의 피크들은 인접한 2개의 R 피크들 사이의 최저값인 것이 바람직하다.
상기 EEG 신호 분류단계에서, 상기 EEG 신호의 양의 피크들은 상기 EKG 신호 의 인접한 양의 피크들의 시간적 거리의 평균과 표준편차에 따라 상기 제1 피크 그룹과 상기 제2 피크 그룹으로 분류되는 것이 바람직하다.
상기 잡음 제거단계는 상기 EKG 신호의 양의 피크들과 음의 피크들을 기초로 상기 EKG 신호의 양의 피크들마다 시간축 상의 윈도우 사이즈들을 생성하는 윈도우 사이즈 생성단계와, 상기 제1 피크 그룹에 포함된 피크들과 상기 제1 피크 그룹에 포함된 피크들과 시간상 가장 가까운 EKG 신호의 양의 피크들과의 시간차들을 연산하는 시간차 연산단계와, 상기 제1 피크 그룹에 포함된 피크들의 평균 BA를 연산하는 제1 피크 그룹 평균 BA 연산단계와, 상기 제1 피크 그룹에 포함된 피크들의 대응하는 윈도우 사이즈와 시간차에 따라 상기 제1 피크 그룹에 포함된 피크들로부터 상기 제1 피크 그룹 평균 BA를 감산하는 1차 잡음 제거단계와, 상기 윈도우 사이즈와 시간차의 평균값에 따라 상기 제2 피크 그룹에 포함된 피크들로부터 상기 제1 피크 그룹 평균 BA를 감산하는 2차 잡음 제거단계를 포함하는 것이 바람직하다.
상기 윈도우 사이즈 생성단계에서, 상기 윈도우 사이즈들은 상기 EKG 신호의 양의 피크들과 상기 EKG 신호의 양의 피크들에서 가장 근접한 음의 피크들과의 시간축 상의 거리들의 3배인 것이 바람직하다.
상기 EKG 신호의 양의 피크들은 대응하는 윈도우 사이즈들의 1/3 지점에 위치하는 것이 바람직하다.
상기 1차 잡음 제거단계에서, 상기 제1 피크 그룹에 포함된 피크들에 대응하는 윈도우 사이즈 만큼의 제1 피크 그룹 평균 BA를 상기 EKG 신호의 양의 피크들로부터 상기 시간차들만큼 지연시켜 상기 제1 피크 그룹에 포함된 피크들로부터 감산 하는 것이 바람직하다.
본 발명에 따른 뇌파 측정장치는 심장박동 정보를 반영하는 EKG 신호로부터 양의 피크들과 음의 피크들을 추출하고, 상기 심장박동에 따른 잡음 정보와 뇌파 정보를 반영하는 EEG 신호로부터 양의 피크들을 추출하는 피크 정보 추출부와, 상기 EEG 신호의 양의 피크들을 상기 EKG 신호의 양의 피크들을 기초로 상기 심장박동의 영향이 상기 뇌파의 영향보다 큰 제1 피크 그룹과 상기 뇌파의 영향이 상기 심장박동의 영향보다 큰 제2 피크 그룹으로 분류하는 EEG 신호 분류부와, 상기 EEG 신호로부터 상기 제1 피크 그룹과 및 제2 피크 그룹에 따른 잡음을 제거하는 잡음 제거부를 포함한다.
상기 피크 정보 추출부에서 추출되는 상기 EKG 신호의 양의 피크들은 R 피크들이고, 상기 R 피크들은 k-TEO 방법으로 추출되는 것이 바람직하다.
상기 피크 정보 추출부에서 추출되는 상기 EKG 신호의 음의 피크들은 인접한 2개의 R 피크들 사이의 최저값인 것이 바람직하다.
상기 EEG 신호 분류부는 상기 EEG 신호의 양의 피크들을 상기 EKG 신호의 인접한 양의 피크들의 시간적 거리의 평균과 표준편차에 따라 상기 제1 피크 그룹과 상기 제2 피크 그룹으로 분류하는 것이 바람직하다.
상기 잡음 제거부는 상기 EKG 신호의 양의 피크들과 음의 피크들을 기초로 상기 EKG 신호의 양의 피크들마다 시간축 상의 윈도우 사이즈들을 생성하는 윈도우 사이즈 생성부와, 상기 제1 피크 그룹에 포함된 피크들과 상기 제1 피크 그룹에 포함된 피크들과 시간상 가장 가까운 EKG 신호의 양의 피크들과의 시간차들을 연산하 는 시간차 연산부와, 상기 제1 피크 그룹에 포함된 피크들의 평균 BA를 연산하는 제1 피크 그룹 평균 BA 연산부와, 상기 제1 피크 그룹에 포함된 피크들의 대응하는 윈도우 사이즈와 시간차에 따라 상기 제1 피크 그룹에 포함된 피크들로부터 상기 제1 피크 그룹 평균 BA를 감산하는 1차 잡음 제거부와, 상기 윈도우 사이즈와 시간차의 평균값에 따라 상기 제2 피크 그룹에 포함된 피크들로부터 상기 제1 피크 그룹 평균 BA를 감산하는 2차 잡음 제거부를 포함하는 것이 바람직하다.
상기 윈도우 사이즈 생성부에서 생성되는 상기 윈도우 사이즈들은 상기 EKG 신호의 양의 피크들과 상기 EKG 신호의 양의 피크들에서 가장 근접한 음의 피크들과의 시간축 상의 거리들의 3배인 것이 바람직하다.
상기 EKG 신호의 양의 피크들은 대응하는 윈도우 사이즈들의 1/3 지점에 위치하는 것이 바람직하다.
상기 1차 잡음 제거부는 상기 제1 피크 그룹에 포함된 피크들에 대응하는 윈도우 사이즈 만큼의 제1 피크 그룹 평균 BA를 상기 EKG 신호의 양의 피크들로부터 상기 시간차들만큼 지연시켜 상기 제1 피크 그룹에 포함된 피크들로부터 감산하는 것이 바람직하다.
본 발명에 따른 컴퓨터로 읽을 수 있는 기록매체에는 심장박동 정보를 반영하는 EKG 신호로부터 양의 피크들과 음의 피크들을 추출하고, 상기 심장박동에 따른 잡음 정보와 뇌파 정보를 반영하는 EEG 신호로부터 양의 피크들을 추출하는 피크 정보 추출단계와, 상기 EEG 신호의 양의 피크들을 상기 EKG 신호의 양의 피크들을 기초로 상기 심장박동의 영향이 상기 뇌파의 영향보다 큰 제1 피크 그룹과 상기 뇌파의 영향이 상기 심장박동의 영향보다 큰 제2 피크 그룹으로 분류하는 EEG 신호 분류단계와, 상기 EEG 신호로부터 상기 제1 피크 그룹과 및 제2 피크 그룹에 따른 잡음을 제거하는 잡음 제거단계를 포함하는 뇌파 측정방법을 실행시키기 위한 프로그램이 기록되어 있다.
상기 피크 정보 추출단계에서 추출되는 상기 EKG 신호의 양의 피크들은 R 피크들이고, 상기 R 피크들은 k-TEO 방법으로 추출되는 것이 바람직하다.
상기 피크 정보 추출단계에서 추출되는 상기 EKG 신호의 음의 피크들은 인접한 2개의 R 피크들 사이의 최저값인 것이 바람직하다.
상기 EEG 신호 분류단계에서, 상기 EEG 신호의 양의 피크들은 상기 EKG 신호의 인접한 양의 피크들의 시간적 거리의 평균과 표준편차에 따라 상기 제1 피크 그룹과 상기 제2 피크 그룹으로 분류되는 것이 바람직하다.
상기 잡음 제거단계는 상기 EKG 신호의 양의 피크들과 음의 피크들을 기초로 상기 EKG 신호의 양의 피크들마다 시간축 상의 윈도우 사이즈들을 생성하는 윈도우 사이즈 생성단계와, 상기 제1 피크 그룹에 포함된 피크들과 상기 제1 피크 그룹에 포함된 피크들과 시간상 가장 가까운 EKG 신호의 양의 피크들과의 시간차들을 연산하는 시간차 연산단계와, 상기 제1 피크 그룹에 포함된 피크들의 평균 BA를 연산하는 제1 피크 그룹 평균 BA 연산단계와, 상기 제1 피크 그룹에 포함된 피크들의 대응하는 윈도우 사이즈와 시간차에 따라 상기 제1 피크 그룹에 포함된 피크들로부터 상기 제1 피크 그룹 평균 BA를 감산하는 1차 잡음 제거단계와, 상기 윈도우 사이즈와 시간차의 평균값에 따라 상기 제2 피크 그룹에 포함된 피크들로부터 상기 제1 피크 그룹 평균 BA를 감산하는 2차 잡음 제거단계를 포함하는 것이 바람직하다.
상기 윈도우 사이즈 생성단계에서, 상기 윈도우 사이즈들은 상기 EKG 신호의 양의 피크들과 상기 EKG 신호의 양의 피크들에서 가장 근접한 음의 피크들과의 시간축 상의 거리들의 3배인 것이 바람직하다.
상기 EKG 신호의 양의 피크들은 대응하는 윈도우 사이즈들의 1/3 지점에 위치하는 것이 바람직하다.
상기 1차 잡음 제거단계에서, 상기 제1 피크 그룹에 포함된 피크들에 대응하는 윈도우 사이즈 만큼의 제1 피크 그룹 평균 BA를 상기 EKG 신호의 양의 피크들로부터 상기 시간차들만큼 지연시켜 상기 제1 피크 그룹에 포함된 피크들로부터 감산하는 것이 바람직하다.
이하에서는 첨부된 도면을 참조하여 본 발명의 바람직한 실시 예를 상세히 설명한다.
도 1은 본 발명의 일 실시 예에 따른 뇌파 측정방법을 나타낸 도면이다.
도 1에 도시된 바와 같이, 본 발명의 일 실시 예에 따른 뇌파 측정방법은 피크 정보 추출단계(100)와, EEG 신호 분류단계(200)와, 잡음 제거단계(300)를 포함한다.
<피크 정보 추출단계>
피크 정보 추출단계(100)에서, 심장박동 정보를 반영하는 EKG 신호로부터 양의 피크(Positive Peak)들과 음의 피크(Negative Peak)들을 추출하고, 심장박동에 따른 잡음 정보와 뇌파 정보를 반영하는 EEG 신호로부터 양의 피크(Positive Peak)들을 추출한다.
피크 정보 추출단계(100)에서 추출되는 EKG 신호의 양의 피크(Positive Peak)들은 R 피크들이고, R 피크들은 k-TEO 방법으로 추출되는 것이 바람직하고, 피크 정보 추출단계(100)에서 추출되는 EKG 신호의 음의 피크(Negative Peak)들은 인접한 2개의 R 피크들 사이의 최저값인 것이 바람직하다.
일반적으로 한번의 심장박동에 의하여 P_QRS_T 피크들이 발생한다. 이러한 피크들 중에서 가장 큰 양의 값을 갖는 R 피크를 EKG 신호의 양의 피크(Positive Peak)로 결정한다. 이러한 R 피크는 피크가 발생할 때 생기는 모양을 이용하여 피크를 찾는 방법인 k-TEO 방법을 활용하여 추출한다. 이를 수학식 1을 참조하여 설명하면 다음과 같다.
Figure 112007022459238-PAT00001
, k는 경험적인 값이며 120이다. EEG 신호를 수학식 1에 적용하여 얻은 결과 중 음의 값은 0으로 한 후, 예를 들어 필터 차수 90의 바틀렛 필터(Bartlett filter)에 적용한다. 바틀렛 필터를 거쳐 나온 결과에서 기울기가 양에서 음으로 변하는 변곡점들을 찾는다. 각 변곡점에 해당하는 값들은 그 값들의 중간값으로 쓰레시홀딩(thresholding)하여 대략적인 R 피크를 찾는다. 그리고 k-TEO 방법을 거치기 이전의 원래의 EEG 신호에서 쓰레시홀딩(thresholding)을 거쳐 나온 변곡점들을 중심으로 예를 들어, 변곡점 전의 0.6s와 후의 0.6s를 사이의 값들 중 가장 큰 값을 찾는다. 이 가장 큰 값이 R 피크이다.
EKG 신호의 경우 후술할 윈도우 사이즈(window size)를 얻기 위하여 인접한 두 개의 R 피크들 사이의 가장 작은 값을 갖는 음의 피크를 찾는다. 이렇게 찾은 음의 피크를 EKG 신호의 음의 피크(Negative Peak)로 명명한다.
EEG 신호의 경우, EKG 신호의 양의 피크(Positive Peak)인 R 피크를 찾는 과정과 같은 과정을 수행하여 EEG 신호의 양의 피크(Positive Peak)를 찾는다. EEG 신호에서는 EKG 신호에서와 달리 윈도우 사이즈를 찾지 않기 때문에 음의 피크를 찾는 과정을 수행하지 않는다.
<EEG 신호 분류단계>
EEG 신호 분류단계(200)에서, EEG 신호의 양의 피크(Positive Peak)들을 EKG 신호의 양의 피크(Positive Peak)들을 기초로 심장박동의 영향이 뇌파의 영향보다 큰 제1 피크 그룹(BA signal)과 뇌파의 영향이 심장박동의 영향보다 큰 제2 피크 그룹(Non-BA signal)으로 분류한다.
EEG 신호 특히 자기공명 영상장치 내에서 측정된 EEG 신호의 경우, 심장 박동에 의한 잡음뿐만 아니라 뇌신호도 함께 포함되어 있으므로, EEG 신호의 양의 피크들을 심장박동에 의한 잡음인 BA의 영향을 지배적으로 받는지 여부에 따라 제1 피크 그룹(BA signal)과 제2 피크 그룹(Non-BA signal)으로 분류한다. EEG 신호의 양의 피크들을 분류하는 기준으로 사용되는 값은 EKG 신호에서 찾은 인접한 R 피크들 사이의 시간적 거리의 평균(μ)과 표준 편차(σ)이다. 표 1은 EEG 신호에서 찾 은 양의 피크들을 분류하는 방법을 보여준다.
di-1 di condition Peak
R R BA signal
R IR μ +σ < di BA signal
μ+σ > di Non-BA signal
IR R Non-BA signal
IR IR Non-BA signal
표 1에서 d는 EEG 신호에서 찾은 인접한 양의 피크 사이의 시간적인 거리이다. 표 1을 참조하면, R 피크들 사이의 시간적 거리의 평균(μ)과 표준 편차(σ) 값들의 합과 차 사이에 d가 존재할 때 이를 R이라고 정하고, 이 범위를 넘는 값은 IR로 정한다. EEG 신호에서 찾은 각 양의 피크에 대해서는 이전 양의 피크와의 di -1와 이후의 양의 피크 사이의 di가 존재한다. 이 두 개의 d를 이용하여 찾은 EEG 신호의 양의 피크가 심장박동에 의한 잡음인 BA의 영향을 지배적으로 받는 지 여부에 따라 제1 피크 그룹과 제2 피크 그룹으로 분류한다. 표 1의 내용 중 BA signal은 심장박동에 의한 잡음인 BA의 영향을 지배적으로 받는 제1 피크 그룹에 포함된 신호이고, Non-BA signal은 뇌신호의 영향을 많이 받아 BA의 영향이 지배적이지 않은 제2 피크 그룹에 포함된 신호이다.
<잡음 제거단계>
잡음 제거단계에서, EEG 신호로부터 제1 피크 그룹(BA signal)과 및 제2 피크 그룹(Non-BA signal)에 따른 잡음을 제거한다.
이러한 잡음 제거단계는 윈도우 사이즈 생성단계(301)와, 시간차 연산단계(302)와, 제1 피크 그룹의 평균 BA 연산단계(303)와, 1차 잡음 제거단계(304)와, 2차 잡음 제거단계(305)를 포함한다.
윈도우 사이즈 생성단계(301)에서, EKG 신호의 양의 피크들과 음의 피크들을 기초로 EKG 신호의 양의 피크들마다 시간축 상의 윈도우 사이즈들을 생성한다. 윈도우 사이즈들은 EKG 신호의 양의 피크들과 EKG 신호의 양의 피크들에서 가장 근접한 음의 피크들과의 시간축 상의 거리들의 3배인 것이 바람직하고, EKG 신호의 양의 피크들은 대응하는 윈도우 사이즈들의 앞의 1/3 지점에 위치하는 것이 바람직하다. 이러한 윈도우 사이즈 생성방법을 도 2를 참조하여 보다 상세히 설명하면 다음과 같다. 즉, EKG 신호의 찾은 R 피크(RP)를 중심으로 가장 가까운 거리에 있는 EKG 신호의 음의 피크(NP)를 찾고, EKG 신호의 R 피크(RP)와 EKG 신호의 음의 피크(NP) 사이의 시간축 상의 거리(T)의 3배를 윈도우 사이즈로 한다. 또한, EKG 신호의 R 피크(RP)는 윈도우 사이즈의 앞의 1/3 지점에 위치하여, 윈도우가 시작하는 지점(t1)과 EKG 신호의 R 피크(RP) 사이의 시간적인 거리(T)가 전체 윈도우 사이즈(3T)의 1/3이 되도록 한다.
시간차 연산단계(302)에서, 제1 피크 그룹에 포함된 피크들과 제1 피크 그룹에 포함된 피크들과 시간상 가장 가까운 EKG 신호의 양의 피크들과의 시간차들을 연산한다. 이러한 시간차 연산방법을 도 3을 참조하여 보다 상세히 설명하면 다음과 같다. 도 3을 참조하면, 시간차는 EEG 신호의 제1 피크 그룹에 포함된 피크들(P1, P2) 즉, 심장박동에 의한 잡음인 BA의 영향을 지배적으로 받는 피크들(P1, P2)에 대하여 구한다. 이러한 시간차는 1) EKG 신호의 R 피크들(RP1, RP2)로부터 시간상 가장 가까운 EEG 신호의 제1 피크 그룹에 포함된 피크들(P1, P2)을 찾고, 2) EEG 신호의 제1 피크 그룹에 포함된 피크들(P1, P2)과 EEG 신호의 제1 피크 그룹에 포함된 피크들(P1, P2)로부터 시간상 가장 가까운 EKG 신호의 R 피크들(RP1, RP2) 사이의 시간적 거리들(t1, t2)을 계산하여 얻어진다.
제1 피크 그룹 평균 BA 연산단계(303)에서, 제1 피크 그룹에 포함된 피크들의 평균 BA를 연산한다. 이를 보다 상세히 설명하면 다음과 같다 즉, 심장박동에 의한 잡음인 BA의 영향을 지배적으로 받는 제1 피크 그룹에 포함된 피크들에 대하여 각 피크들에 대응하는 시간차와 윈도우 사이즈를 이용하여 제1 피크 그룹에 포함된 피크들의 평균 BA를 구한다. 제1 피크 그룹에 포함된 피크들에 대응하는 윈도우 사이즈는 각기 다른 값을 갖게 되는데, 평균을 하기 위해서 윈도우 사이즈의 최고값으로 윈도우 사이즈를 통일한다. 최고값보다 작은 크기의 윈도우 사이즈를 가질 경우, 윈도우 사이즈를 벗어난 값은 0으로 한다.
1차 잡음 제거단계(304)에서, 제1 피크 그룹에 포함된 피크들의 대응하는 윈도우 사이즈와 시간차에 따라 제1 피크 그룹에 포함된 피크들로부터 제1 피크 그룹 평균 BA를 감산한다. 이를 보다 상세히 설명하면 다음과 같다. 즉, 1차 잡음 제거단계(304)에서, 제1 피크 그룹에 포함된 피크들에 대응하는 윈도우 사이즈만큼의 제1 피크 그룹 평균값을 EKG 신호의 양의 피크들로부터 상기 시간차들만큼 지연시켜 제1 피크 그룹에 포함된 피크들로부터 감산한다. 이를 보다 상세히 설명하면 다음과 같다. 본 발명에 있어서, EEG 신호의 제1 피크 그룹과 EEG 신호의 제2 피크 그룹으로부터 심장박동에 의한 잡음인 BA를 제거하는 방식이 다르다. EEG 신호의 제1 피크 그룹으로부터 심장박동에 의한 잡음인 BA를 제거하는 경우, 제1 피크 그룹에 포함된 피크들의 평균 BA를 구할 때 0으로 한 부분을 제거하고 각 피크들에 대응하는 윈도우 사이즈만큼의 제1 피크 그룹 평균값을 EKG 신호의 R 피크를 중심으로 시간차만큼 지연시켜서 EEG 신호에서 빼준다.
2차 잡음 제거단계(305)에서, 윈도우 사이즈와 시간차의 평균값에 따라 제2 피크 그룹에 포함된 피크들로부터 제1 피크 그룹 평균 BA를 감산한다. EEG 신호의 제2 피크 그룹으로부터 심장박동에 의한 잡음인 BA를 제거하는 경우, EEG 신호의 제1 피크 그룹으로부터 심장박동에 의한 잡음인 BA를 제거하는 경우와 달리 적응 윈도우 사이즈와 다른 시간차를 이용하지 않고, 그 값들의 평균값을 이용하여 제거를 한다.
이상에서 상세히 설명한 바와 같이 본 발명에 따르면, EEG와 fMRI를 이용하여 실험을 할 때 가장 힘든 부분인 심장박동에 의한 잡음성분인 BA를 기존의 방법보다 효과적으로 제거할 수 있다. 현재는 EEG와 fMRI를 동시에 사용하여 실험을 하는 단계까지 이루어졌다. 실제 병원에서 진단에 바로 사용할 수 없는 이유는 BA가 EEG 신호에 미치는 영향이 커서 이 BA를 제거하지 않고, 진단에 사용할 경우 오진을 할 가능성이 많기 때문이다. 하지만 제안한 방법을 활용할 경우, BA를 제거하고 정확한 진단을 할 수 있어 앞으로 이 방법을 이용한 소프트웨어가 상용화가 될 경우 많은 경제적인 이득을 갖게 될 것이다.
본 발명에 따른 뇌파 측정장치 및 본 발명에 따른 뇌파 측정방법을 실행시키기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체에 대한 설명은 본 발명의 일 실시 예에 따른 뇌파 측정방법에 대한 상세한 설명으로 대체한다.
이상에서 보는 바와 같이, 본 발명이 속하는 기술 분야의 당업자는 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해해야만 하고, 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
이상에서 상세히 설명한 바와 같이 본 발명에 따르면, 피험자의 심장박동에 따른 잡음에 의한 왜곡이 최소화된 뇌파를 측정할 수 있다.
또한 본 발명에 따르면, 자기공명영상 장치 내에서 피험자의 뇌파를 측정할 경우 발생하는 심장박동에 의한 잡음을 최소화할 수 있다.
또한 본 발명에 따르면, 심장박동의 불균일성에도 불구하고 심장박동에 따른 잡음을 효과적으로 제거할 수 있다.
또한 본 발명에 따르면, 심장박동에 따른 잡음을 제거하기 위한 과정에서의 연산량을 감소시켜 뇌파 측정 시간을 단축할 수 있다.

Claims (24)

  1. 심장박동 정보를 반영하는 EKG 신호로부터 양의 피크들과 음의 피크들을 추출하고, 상기 심장박동에 따른 잡음 정보와 뇌파 정보를 반영하는 EEG 신호로부터 양의 피크들을 추출하는 피크 정보 추출단계;
    상기 EEG 신호의 양의 피크들을 상기 EKG 신호의 양의 피크들을 기초로 상기 심장박동의 영향이 상기 뇌파의 영향보다 큰 제1 피크 그룹과 상기 뇌파의 영향이 상기 심장박동의 영향보다 큰 제2 피크 그룹으로 분류하는 EEG 신호 분류단계;
    상기 EEG 신호로부터 상기 제1 피크 그룹과 및 제2 피크 그룹에 따른 잡음을 제거하는 잡음 제거단계;
    를 포함하는 뇌파 측정방법.
  2. 제1 항에 있어서,
    상기 피크 정보 추출단계에서 추출되는 상기 EKG 신호의 양의 피크들은 R 피크들이고, 상기 R 피크들은 k-TEO 방법으로 추출되는 뇌파 측정방법.
  3. 제2 항에 있어서,
    상기 피크 정보 추출단계에서 추출되는 상기 EKG 신호의 음의 피크들은 인접한 2개의 R 피크들 사이의 최저값인 뇌파 측정방법.
  4. 제1 항에 있어서,
    상기 EEG 신호 분류단계에서,
    상기 EEG 신호의 양의 피크들은 상기 EKG 신호의 인접한 양의 피크들의 시간적 거리의 평균과 표준편차에 따라 상기 제1 피크 그룹과 상기 제2 피크 그룹으로 분류되는 뇌파 측정방법.
  5. 제1 항에 있어서,
    상기 잡음 제거단계는
    상기 EKG 신호의 양의 피크들과 음의 피크들을 기초로 상기 EKG 신호의 양의 피크들마다 시간축 상의 윈도우 사이즈들을 생성하는 윈도우 사이즈 생성단계;
    상기 제1 피크 그룹에 포함된 피크들과 상기 제1 피크 그룹에 포함된 피크들과 시간상 가장 가까운 EKG 신호의 양의 피크들과의 시간차들을 연산하는 시간차 연산단계;
    상기 제1 피크 그룹에 포함된 피크들의 평균 BA를 연산하는 제1 피크 그룹 평균 BA 연산단계;
    상기 제1 피크 그룹에 포함된 피크들의 대응하는 윈도우 사이즈와 시간차에 따라 상기 제1 피크 그룹에 포함된 피크들로부터 상기 제1 피크 그룹 평균 BA를 감산하는 1차 잡음 제거단계;
    상기 윈도우 사이즈와 시간차의 평균값에 따라 상기 제2 피크 그룹에 포함된 피크들로부터 상기 제1 피크 그룹 평균 BA를 감산하는 2차 잡음 제거단계;
    를 포함하는 뇌파 측정방법.
  6. 제5 항에 있어서,
    상기 윈도우 사이즈 생성단계에서,
    상기 윈도우 사이즈들은 상기 EKG 신호의 양의 피크들과 상기 EKG 신호의 양의 피크들에서 가장 근접한 음의 피크들과의 시간축 상의 거리들의 3배인 뇌파 측정방법.
  7. 제6 항에 있어서,
    상기 EKG 신호의 양의 피크들은 대응하는 윈도우 사이즈들의 앞의 1/3 지점에 위치한 뇌파 측정방법.
  8. 제5 항에 있어서,
    상기 1차 잡음 제거단계에서,
    상기 제1 피크 그룹에 포함된 피크들에 대응하는 윈도우 사이즈 만큼의 제1 피크 그룹 평균 BA를 상기 EKG 신호의 양의 피크들로부터 상기 시간차들만큼 지연시켜 상기 제1 피크 그룹에 포함된 피크들로부터 감산하는 뇌파 측정방법.
  9. 심장박동 정보를 반영하는 EKG 신호로부터 양의 피크들과 음의 피크들을 추출하고, 상기 심장박동에 따른 잡음 정보와 뇌파 정보를 반영하는 EEG 신호로부터 양의 피크들을 추출하는 피크 정보 추출부;
    상기 EEG 신호의 양의 피크들을 상기 EKG 신호의 양의 피크들을 기초로 상기 심장박동의 영향이 상기 뇌파의 영향보다 큰 제1 피크 그룹과 상기 뇌파의 영향이 상기 심장박동의 영향보다 큰 제2 피크 그룹으로 분류하는 EEG 신호 분류부;
    상기 EEG 신호로부터 상기 제1 피크 그룹과 및 제2 피크 그룹에 따른 잡음을 제거하는 잡음 제거부;
    를 포함하는 뇌파 측정장치.
  10. 제9 항에 있어서,
    상기 피크 정보 추출부에서 추출되는 상기 EKG 신호의 양의 피크들은 R 피크들이고,
    상기 R 피크들은 k-TEO 방법으로 추출되는 뇌파 측정장치.
  11. 제10 항에 있어서,
    상기 피크 정보 추출부에서 추출되는 상기 EKG 신호의 음의 피크들은 인접한 2개의 R 피크들 사이의 최저값인 뇌파 측정장치.
  12. 제9 항에 있어서,
    상기 EEG 신호 분류부는
    상기 EEG 신호의 양의 피크들을 상기 EKG 신호의 인접한 양의 피크들의 시간 적 거리의 평균과 표준편차에 따라 상기 제1 피크 그룹과 상기 제2 피크 그룹으로 분류하는 뇌파 측정장치.
  13. 제9 항에 있어서,
    상기 잡음 제거부는
    상기 EKG 신호의 양의 피크들과 음의 피크들을 기초로 상기 EKG 신호의 양의 피크들마다 시간축 상의 윈도우 사이즈들을 생성하는 윈도우 사이즈 생성부;
    상기 제1 피크 그룹에 포함된 피크들과 상기 제1 피크 그룹에 포함된 피크들과 시간상 가장 가까운 EKG 신호의 양의 피크들과의 시간차들을 연산하는 시간차 연산부;
    상기 제1 피크 그룹에 포함된 피크들의 평균 BA를 연산하는 제1 피크 그룹 평균 BA 연산부;
    상기 제1 피크 그룹에 포함된 피크들의 대응하는 윈도우 사이즈와 시간차에 따라 상기 제1 피크 그룹에 포함된 피크들로부터 상기 제1 피크 그룹 평균 BA를 감산하는 1차 잡음 제거부;
    상기 윈도우 사이즈와 시간차의 평균값에 따라 상기 제2 피크 그룹에 포함된 피크들로부터 상기 제1 피크 그룹 평균 BA를 감산하는 2차 잡음 제거부;
    를 포함하는 뇌파 측정장치.
  14. 제13 항에 있어서,
    상기 윈도우 사이즈 생성부에서 생성되는 상기 윈도우 사이즈들은 상기 EKG 신호의 양의 피크들과 상기 EKG 신호의 양의 피크들에서 가장 근접한 음의 피크들과의 시간축 상의 거리들의 3배인 뇌파 측정장치.
  15. 제14 항에 있어서,
    상기 EKG 신호의 양의 피크들은 대응하는 윈도우 사이즈들의 앞의 1/3 지점에 위치한 뇌파 측정장치.
  16. 제13 항에 있어서,
    상기 1차 잡음 제거부는
    상기 제1 피크 그룹에 포함된 피크들에 대응하는 윈도우 사이즈 만큼의 제1 피크 그룹 평균 BA를 상기 EKG 신호의 양의 피크들로부터 상기 시간차들만큼 지연시켜 상기 제1 피크 그룹에 포함된 피크들로부터 감산하는 뇌파 측정장치.
  17. 심장박동 정보를 반영하는 EKG 신호로부터 양의 피크들과 음의 피크들을 추출하고, 상기 심장박동에 따른 잡음 정보와 뇌파 정보를 반영하는 EEG 신호로부터 양의 피크들을 추출하는 피크 정보 추출단계;
    상기 EEG 신호의 양의 피크들을 상기 EKG 신호의 양의 피크들을 기초로 상기 심장박동의 영향이 상기 뇌파의 영향보다 큰 제1 피크 그룹과 상기 뇌파의 영향이 상기 심장박동의 영향보다 큰 제2 피크 그룹으로 분류하는 EEG 신호 분류단계;
    상기 EEG 신호로부터 상기 제1 피크 그룹과 및 제2 피크 그룹에 따른 잡음을 제거하는 잡음 제거단계;를 포함하는 뇌파 측정방법을 실행시키기 위한 프로그램이 기록된, 컴퓨터로 읽을 수 있는 기록매체.
  18. 제17 항에 있어서,
    상기 피크 정보 추출단계에서 추출되는 상기 EKG 신호의 양의 피크들은 R 피크들이고, 상기 R 피크들은 k-TEO 방법으로 추출되는 뇌파 측정방법을 실행시키기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체.
  19. 제18 항에 있어서,
    상기 피크 정보 추출단계에서 추출되는 상기 EKG 신호의 음의 피크들은 인접한 2개의 R 피크들 사이의 최저값인 뇌파 측정방법을 실행시키기 위한 프로그램이 기록된, 컴퓨터로 읽을 수 있는 기록매체.
  20. 제17 항에 있어서,
    상기 EEG 신호 분류단계에서,
    상기 EEG 신호의 양의 피크들은 상기 EKG 신호의 인접한 양의 피크들의 시간적 거리의 평균과 표준편차에 따라 상기 제1 피크 그룹과 상기 제2 피크 그룹으로 분류되는 뇌파 측정방법을 실행시키기 위한 프로그램이 기록된, 컴퓨터로 읽을 수 있는 기록매체.
  21. 제17 항에 있어서,
    상기 잡음 제거단계는
    상기 EKG 신호의 양의 피크들과 음의 피크들을 기초로 상기 EKG 신호의 양의 피크들마다 시간축 상의 윈도우 사이즈들을 생성하는 윈도우 사이즈 생성단계;
    상기 제1 피크 그룹에 포함된 피크들과 상기 제1 피크 그룹에 포함된 피크들과 시간상 가장 가까운 EKG 신호의 양의 피크들과의 시간차들을 연산하는 시간차 연산단계;
    상기 제1 피크 그룹에 포함된 피크들의 평균 BA를 연산하는 제1 피크 그룹 평균 BA 연산단계;
    상기 제1 피크 그룹에 포함된 피크들의 대응하는 윈도우 사이즈와 시간차에 따라 상기 제1 피크 그룹에 포함된 피크들로부터 상기 제1 피크 그룹 평균 BA를 감산하는 1차 잡음 제거단계;
    상기 윈도우 사이즈와 시간차의 평균값에 따라 상기 제2 피크 그룹에 포함된 피크들로부터 상기 제1 피크 그룹 평균 BA를 감산하는 2차 잡음 제거단계;를 포함하는 뇌파 측정방법을 실행시키기 위한 프로그램이 기록된, 컴퓨터로 읽을 수 있는 기록매체.
  22. 제21 항에 있어서,
    상기 윈도우 사이즈 생성단계에서,
    상기 윈도우 사이즈들은 상기 EKG 신호의 양의 피크들과 상기 EKG 신호의 양의 피크들에서 가장 근접한 음의 피크들과의 시간축 상의 거리들의 3배인 뇌파 측정방법을 실행시키기 위한 프로그램이 기록된, 컴퓨터로 읽을 수 있는 기록매체.
  23. 제22 항에 있어서,
    상기 EKG 신호의 양의 피크들은 대응하는 윈도우 사이즈들의 앞의 1/3 지점에 위치한 뇌파 측정방법을 실행시키기 위한 프로그램이 기록된, 컴퓨터로 읽을 수 있는 기록매체.
  24. 제21 항에 있어서,
    상기 1차 잡음 제거단계에서,
    상기 제1 피크 그룹에 포함된 피크들에 대응하는 윈도우 사이즈 만큼의 제1 피크 그룹 평균 BA를 상기 EKG 신호의 양의 피크들로부터 상기 시간차들만큼 지연시켜 상기 제1 피크 그룹에 포함된 피크들로부터 감산하는 뇌파 측정방법을 실행시키기 위한 프로그램이 기록된, 컴퓨터로 읽을 수 있는 기록매체.
KR1020070027681A 2007-03-21 2007-03-21 뇌파 측정 방법과 장치 및 그 방법을 실행시키기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체 KR20080086055A (ko)

Priority Applications (5)

Application Number Priority Date Filing Date Title
KR1020070027681A KR20080086055A (ko) 2007-03-21 2007-03-21 뇌파 측정 방법과 장치 및 그 방법을 실행시키기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체
US11/745,586 US7778700B2 (en) 2007-03-21 2007-05-08 Brain wave measuring method, apparatus and computer readable recording medium implemented with program for executing the method
EP07108117A EP1972273A3 (en) 2007-03-21 2007-05-14 Brain wave measuring method, apparatus and computer readable recording medium implemented with program for executing the method
JP2007129656A JP4945309B2 (ja) 2007-03-21 2007-05-15 脳波測定方法及び脳波測定装置並びに記録媒体
JP2011242826A JP5536739B2 (ja) 2007-03-21 2011-11-04 脳波測定方法及び脳波測定装置並びに記録媒体

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020070027681A KR20080086055A (ko) 2007-03-21 2007-03-21 뇌파 측정 방법과 장치 및 그 방법을 실행시키기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체

Publications (1)

Publication Number Publication Date
KR20080086055A true KR20080086055A (ko) 2008-09-25

Family

ID=39495928

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020070027681A KR20080086055A (ko) 2007-03-21 2007-03-21 뇌파 측정 방법과 장치 및 그 방법을 실행시키기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체

Country Status (4)

Country Link
US (1) US7778700B2 (ko)
EP (1) EP1972273A3 (ko)
JP (2) JP4945309B2 (ko)
KR (1) KR20080086055A (ko)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5419157B2 (ja) * 2009-11-30 2014-02-19 株式会社心電技術研究所 脳波測定装置および脳波測定方法
CN102469961B (zh) * 2010-01-28 2015-05-13 松下电器产业株式会社 语音清晰度评价系统和方法
US9642543B2 (en) * 2013-05-23 2017-05-09 Arizona Board Of Regents Systems and methods for model-based non-contact physiological data acquisition
JP6300911B2 (ja) * 2013-10-30 2018-03-28 セント・ジュード・メディカル，カーディオロジー・ディヴィジョン，インコーポレイテッド 電位図の双方向活性化検出のための心臓マッピングのシステム及び方法
CN107072582B (zh) * 2014-10-22 2020-11-27 株式会社心电技术研究所 脑电波测量装置、脑电波测量方法以及脑电波测量系统
JP6550952B2 (ja) * 2015-06-16 2019-07-31 マツダ株式会社 脳波の分析方法および分析装置
CN109938725B (zh) * 2017-12-20 2022-03-18 北京怡和嘉业医疗科技股份有限公司 脑电信号处理方法和系统

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4421121A (en) * 1980-10-03 1983-12-20 Whisler John W Method and apparatus for obtaining a non-cephalic referential electroencephalogram
US4716907A (en) * 1985-08-23 1988-01-05 Hiroshi Shibasaki Apparatus for detecting electroencephalogram and evoked response with monopolar derivation method
JPH067824B2 (ja) * 1985-08-23 1994-02-02 浩 柴崎 実脳波抽出装置
US5792069A (en) * 1996-12-24 1998-08-11 Aspect Medical Systems, Inc. Method and system for the extraction of cardiac artifacts from EEG signals
JP3033512B2 (ja) * 1997-03-24 2000-04-17 日本電気株式会社 脳波処理装置
JP3120772B2 (ja) * 1998-03-31 2000-12-25 日本電気株式会社 心電図由来雑波の除去機能を有する脳波計とその除去機能のためプログラムを記録した記録媒体
JP2004507293A (ja) * 2000-08-15 2004-03-11 ザ　リージェンツ　オブ　ザ　ユニバーシティ　オブ　カリフォルニア 電気的信号のコンタミネーションを減少させるための方法および装置
KR100455286B1 (ko) * 2002-01-11 2004-11-06 삼성전자주식회사 생리신호획득 및 해석을 이용한 동물의 상태 파악 방법 및장치
AU2003295943A1 (en) * 2002-11-21 2004-06-18 General Hospital Corporation Apparatus and method for ascertaining and recording electrophysiological signals
US8041419B2 (en) * 2004-12-17 2011-10-18 Medtronic, Inc. System and method for monitoring or treating nervous system disorders

Also Published As

Publication number Publication date
JP2012030111A (ja) 2012-02-16
US20080234596A1 (en) 2008-09-25
JP4945309B2 (ja) 2012-06-06
EP1972273A3 (en) 2010-08-04
US7778700B2 (en) 2010-08-17
JP2008229307A (ja) 2008-10-02
EP1972273A2 (en) 2008-09-24
JP5536739B2 (ja) 2014-07-02

Similar Documents

Publication Publication Date Title
Urigüen et al. EEG artifact removal—state-of-the-art and guidelines
Islam et al. Methods for artifact detection and removal from scalp EEG: A review
Anderer et al. Artifact processing in computerized analysis of sleep EEG–a review
Srivastava et al. ICA-based procedures for removing ballistocardiogram artifacts from EEG data acquired in the MRI scanner
JP5536739B2 (ja) 脳波測定方法及び脳波測定装置並びに記録媒体
Lin et al. Robust fetal heart beat detection via R-peak intervals distribution
US20070083128A1 (en) Adaptive real-time line noise suppression for electrical or magnetic physiological signals
Ranjan et al. Motion artifacts suppression from EEG signals using an adaptive signal denoising method
Orosco et al. An epileptic seizures detection algorithm based on the empirical mode decomposition of EEG
US11083404B2 (en) Processing apparatus for processing a physiological signal
Arunachalam et al. Real-time estimation of the ECG-derived respiration (EDR) signal using a new algorithm for baseline wander noise removal
Satpathy et al. Advance approach for effective EEG artefacts removal
Talsma et al. Methods for the estimation and removal of artifacts and overlap in ERP waveforms
KR20220150901A (ko) 모체 자궁 활동 검출을 위한 융합 신호 처리
VISHWAKARMA et al. An Effective Cascaded Approach for EEG Artifacts Elimination.
KR101483756B1 (ko) 맥파 검출 방법
Jung et al. A review on EEG artifacts and its different removal technique
Schmidt et al. Filtering of ECG signals distorted by magnetic field gradients during MRI using non-linear filters and higher-order statistics
Martinek et al. Non-invasive fetal electrocardiogram extraction based on novel hybrid method for intrapartum ST segment analysis
Manorost et al. Fetal electrocardiogram extraction by independent component analysis
US8670821B2 (en) Electroencephalogram signal processing method
Ferreira et al. Gradient artefact correction in the EEG signal recorded within the fMRI scanner
Sarfraz et al. Independent component analysis for motion artifacts removal from electrocardiogram
Ferreira et al. Detection of sharp wave activity in biological signals using differentiation between consecutive samples
Yadavalli et al. An Efficient Framework to Automatic Extract EOG Artifacts from Single Channel EEG Recordings

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application
J201 Request for trial against refusal decision
J501 Disposition of invalidation of trial