KR20180002102A - 뇌파 기반 주의력 결핍 과잉 행동 장애 진단 시스템 - Google Patents

Abstract

본 발명은 뇌파 기반 주의력 결핍 과잉 행동 장애 진단 시스템에 관한 것으로, 보다 상세하게는 진단대상자의 뇌파를 주파수 대역별로 분리한 후 ADHD 여부의 판단의 기준이 되는 복수개의 특성정보 지표를 추출하고, 추출된 복수개의 특성정보 지표를 조합하여 진단대상자의 ADHD 여부를 판단함으로써 진단 결과에 신뢰성을 향상시킬 수 있는 뇌파 기반 주의력 결핍 과잉 행동 장애 진단 시스템에 관한 것이다.
본 발명에 따른 뇌파 기반 주의력 결핍 과잉 행동 장애 진단 시스템은, 진단대상자의 뇌파를 측정하는 뇌파측정부와; 잡음 제거 알고리즘을 이용하여 상기 뇌파측정부에서 측정된 뇌파의 잡음을 제거하는 전처리부와; 상기 전처리부에서 잡음이 제거된 뇌파를 주파수 대역 별로 분리하는 주파수분석부와; 상기 주파수분석부에서 분리된 주파수 대역을 기준으로 정상 대조군과 ADHD 대조군을 상호 비교할 수 있는 복수개의 특성정보 지표를 추출하는 특성정보추출부와; 상기 특성정보추출부에서 추출된 복수개의 특성정보 지표를 조합하여 진단대상자의 ADHD 여부를 판단하는 ADHD진단출력부를; 포함하는 것을 특징으로 한다.

Description

뇌파 기반 주의력 결핍 과잉 행동 장애 진단 시스템{SYSTEM FOR DIAGNOSING ADHD BASED ON BRAINWAVE}

본 발명은 뇌파 기반 주의력 결핍 과잉 행동 장애 진단 시스템에 관한 것으로, 보다 상세하게는 진단대상자의 뇌파를 주파수 대역별로 분리한 후 ADHD 여부의 판단의 기준이 되는 복수개의 특성정보 지표를 추출하고, 추출된 복수개의 특성정보 지표를 조합하여 진단대상자의 ADHD 여부를 판단함으로써 진단 결과에 신뢰성을 향상시킬 수 있는 뇌파 기반 주의력 결핍 과잉 행동 장애 진단 시스템에 관한 것이다.

주의력 결핍 과잉행동 장애(Attention Deficit Hyperactivity Disorder; ADHD)란 아동기에 많이 나타나는 장애로, 지속적으로 주의력이 부족하여 산만하고 과다활동, 충동성을 보이는 상태를 말한다.

하지만, ADHD의 원인에 대한 불확실성으로 인해 현재로서는 ADHD의 진단을 의사와의 상담에 의존하고 있어 진단 결과에 객관성이 담보되지 못하고 있는 실정이다.

또한, 종래기술에 따른 뇌파 측정 기술은 단편적인 상대적 주파수 파워의 패턴 분석을 통해 진단대상자의 ADHD 여부를 진단하고 있는데, 이는 DSM-Ⅳ(Diagnostic and Statistical Manual of Mental Disoders; 정신장애에 대한 진단 및 통계 편람)와 같이 행동적 변화 양상을 통해 진단하는데 그침으로써 진단 신뢰도 측면에서 한계가 있었다.

이러한 신뢰성 결여에 따라 종래기술에서와 같이 단독적 뇌파 기반 ADHD 임상진단은 난제로 여겨져 오고 있다.

관련된 종래기술로 공개특허공보 제10-2014-0077694호(2014.06.24.)에는 "뇌파를 이용한 자폐 범주성 장애 진단 장치 및 그 방법"이 게재되어 있고, 등록특허공보 제10-1095585호(2011.12.19.)에는 "N100 진폭경사를 이용한 정신 건강 진단 장치"가 게재되어 있다.

본 발명은 상기와 같은 종래기술의 문제점을 해결하기 위하여 안출된 것으로, 본 발명의 목적은 뇌파를 기반으로 진단대상자의 ADHD 여부를 진단하면서도 진단 결과에 신뢰성을 향상시킬 수 있는 뇌파 기반 주의력 결핍 과잉 행동 장애 진단 시스템을 제공하는 데에 있다.

상기와 같은 목적을 달성하기 위하여 본 발명에 따른 뇌파 기반 주의력 결핍 과잉 행동 장애 진단 시스템은, 진단대상자의 뇌파를 측정하는 뇌파측정부와; 잡음 제거 알고리즘을 이용하여 상기 뇌파측정부에서 측정된 뇌파의 잡음을 제거하는 전처리부와; 상기 전처리부에서 잡음이 제거된 뇌파를 주파수 대역 별로 분리하는 주파수분석부와; 상기 주파수분석부에서 분리된 주파수 대역을 기준으로 정상 대조군과 ADHD 대조군을 상호 비교할 수 있는 복수개의 특성정보 지표를 추출하는 특성정보추출부와; 상기 특성정보추출부에서 추출된 복수개의 특성정보 지표를 조합하여 진단대상자의 ADHD 여부를 판단하는 ADHD진단출력부를; 포함하는 것을 특징으로 한다.

또한, 본 발명에 따른 뇌파 기반 주의력 결핍 과잉 행동 장애 진단 시스템은, 상기 주파수분석부는, 뇌파를 주파수 대역에 따라 쎄타파와, 베타파와, 알파파를 포함하여 분리하는 것을 특징으로 한다.

또한, 본 발명에 따른 뇌파 기반 주의력 결핍 과잉 행동 장애 진단 시스템은, 상기 특성정보추출부는, 쎄타파의 베타파에 대한 상대적 파워 비율과, 알파파의 대뇌좌우편차와, 쎄타파의 위상지연지표와, 주파수간섭성지표 중 적어도 2개 이상을 복수개의 특성정보 지표로 하고, 상기 복수개의 특성정보 지표에 각 지표별 가중치를 적용하고 정해진 함수를 이용하여 하나의 통합 지표를 산출하는 통합지표변환부를; 더 포함하며, ADHD진단출력부는, 상기 통합지표변환부에서 산출된 통합 지표로부터 진단대상자의 ADHD 여부를 판단하는 것을 특징으로 한다.

또한, 본 발명에 따른 뇌파 기반 주의력 결핍 과잉 행동 장애 진단 시스템은 상기 각 지표별 가중치는 로지스틱 회귀분석(logistic regression) 기반의 머신러닝을 활용한 학습에 의해 획득되는 것을 특징으로 한다.

상기와 같은 구성에 의하여 본 발명에 따른 뇌파 기반 주의력 결핍 과잉 행동 장애 진단 시스템은 진단대상자의 뇌파를 주파수 대역별로 분리한 후 ADHD 여부의 판단의 기준이 되는 복수개의 특성정보 지표를 추출하고, 추출된 복수개의 특성정보 지표를 조합하여 진단대상자의 ADHD 여부를 판단함으로써 종래의 단독적 뇌파 기반의 진단에 대비하여 진단 결과에 신뢰성을 향상시킬 수 있는 장점이 있다.

도 1은 본 발명의 일실시예에 따른 뇌파 기반 주의력 결핍 과잉 행동 장애 진단 시스템의 구성도
도 2는 본 발명의 일실시예에 따른 특성정보추출부의 구성도
도 3은 정상아동과 ADHD아동에 대한 쎄타파 및 베타파의 상대적 파워 비율을 도시한 그래프
도 4는 정상아동과 ADHD아동에 대한 알파파의 대뇌좌우편차를 도시한 그래프
도 5는 정상아동과 ADHD아동에 대한 쎄타파의 위상지연지표를 도시한 그래프
도 6은 정상아동과 ADHD아동에 대한 알파파의 주파수간섭성지표를 도시한 그래프
도 7은 본 발명의 일실시예에 따른 통합지표변환부의 개념도
도 8은 정상아동과 ADHD아동에 대한 통합지표의 확률 분포인 최우도(Llikelihood) 모델을 도시한 그래프
도 9는 본 발명의 일실시예에 따른 ADHD진단출력부의 ADHD 대조군에 대한 Posterior 추론 모델을 도시한 그래프

이하에서는 도면에 도시된 실시예를 참조하여 본 발명에 따른 뇌파 기반 주의력 결핍 과잉 행동 장애 진단 시스템을 보다 상세하게 설명하기로 한다.

도 1은 본 발명의 일실시예에 따른 뇌파 기반 주의력 결핍 과잉 행동 장애 진단 시스템의 구성도이고, 도 2는 본 발명의 일실시예에 따른 특성정보추출부의 구성도이다.

도 1을 살펴보면, 본 발명의 일실시예에 따른 뇌파 기반 주의력 결핍 과잉 행동 장애 진단 시스템은 뇌파측정부(10)와, 전처리부(20)와, 주파수분석부(30)와, 특성정보추출부(40)와, 통합지표변환부(50)와, ADHD진단출력부(60)를 포함하여 구성된다.

상기 뇌파측정부(10)는 진단대상자의 뇌파를 측정하는 구성이다.

뇌파(EEG; Electroencepphalogram)는 뇌 신경 세포의 전기적 활동을 두뇌의 표면에서 측정한 매우 작은 신호를 말한다.

본 발명의 일실시예에서는 상기 뇌파측정부(10)로 2채널 단극(unipolar) 방식의 뇌신호 측정장비를 사용하고, 진단대상자의 전두엽(AF3, AF4)을 측정하며, 측정시 진단대상자의 개안(eye open) 및 폐안(eye closed)을 각각 약 100초간 유지한 채로 측정한다.

상기 전처리부(20)는 잡음 제거 알고리즘을 이용하여 상기 뇌파측정부(10)에서 측정된 뇌파의 잡음을 제거하는 구성이다.

상기 잡음 제거 알고리즘은 통상의 기술자에게 알려져 있는 기존의 기술로서, 이를 통해 진단대상자의 눈 깜빡임 및 근전도 잡음을 제거한 후 신호의 주파수 분석을 위해 DC 성분(0 Hz)을 제거한다.

상기 DC 성분(0 Hz) 제거 기술은 고주파통과필터(high-pass filter)를 통해 2 Hz 이상의 신호만 통과시킨 후 특성정보 추출용으로 사용하는 기술이다.

상기 주파수분석부(30)는 상기 전처리부(20)에서 잡음이 제거된 뇌파를 주파수 대역 별로 분리하는 구성이다.

본 발명의 일시시예에서 상기 주파수분석부(30)는 뇌파를 주파수 대역에 따라 쎄타파와, 베타파와, 알파파를 포함하여 분리하는데, 이는 시계열 신호인 뇌파 신호를 푸리에 변환(Fourier transform) 등을 통해 주파수 별 파워 정보를 획득한 후 대역에 따라 쎄타파와, 베타파와, 알파파로 분리하게 된다.

상기 특성정보추출부(40)는 상기 주파수분석부(30)에서 분리된 주파수 대역을 기준으로 정상 대조군과 ADHD 대조군을 상호 비교할 수 있는 복수개의 특성정보 지표를 추출하는 구성이다.

본 발명의 일실시예에서 상기 특성정보추출부(40)는 쎄타파의 베타파에 대한 상대적 파워 비율(41)과, 알파파의 대뇌좌우편차(42)와, 쎄타파의 위상지연지표(43)와, 주파수간섭성지표(44) 중 적어도 2개 이상을 복수개의 특성정보 지표로 한다.

상기 쎄타파의 베타파에 대한 상대적 파워 비율(41)에 관해서는 ADHD 대조군의 경우 쎄타파(θ)의 저대역 베타파(SMR)에 대한 상대적 파워 비율이 정상 대조군보다 비정상적으로 증가하는 현상을 보인다고 알려져 있다.

도 3의 실험결과에 도시된 바와 같이 정상아동(Normal-eo)과 DSM-Ⅳ 행동진단을 통해 사전 검증된 ADHD아동(ADHD-eo)의 전두엽(AF3, AF4)을 각각 측정한 결과 ADHD아동의 경우 쎄타파(θ)의 저대역 베타파(SMR)에 대한 상대적 파워(Power) 비율(θ/SMR)이 정상아동보다 비정상적으로 증가하는 것을 확인할 수 있다.

한편, ADHD아동의 약 30% 가량은 고대역 베타파(high β)의 이상 증가 현상을 보이는 것으로 보고되고 있다.

도 3의 실험결과에 도시된 바와 같이 ADHD아동의 경우 쎄타파(θ)가 고대역 베타파(high β)에 비해 상대적(θ/high β)으로 감소하는 현상을 확인할 수 있다.

상기 알파파의 대뇌좌우편차(42)에 관해서는 정상 대조군에 대비하여 ADHD 대조군은 우뇌의 알파파가 좌뇌보다 더 크게 발생하는 것으로 알려져 있다.

상기 알파파의 대뇌좌우편차(Asymmetric score)(42)는 아래의 [수학식 1]과 같이 계산된다.

[수학식 1]

도 4의 실험결과에 도시된 바와 같이 알파파의 대뇌좌우편차가 ADHD아동의 경우 정상아동(Normal)에 비해 훨씬 크다는 것을 확인할 수 있다.

상기 쎄타파의 위상지연지표(43)에 관해서는 기존에 위상동기화지표(phase locking value)의 경우 정상 대조군 대비 ADHD 대조군이 더 낮게 나는 경향이 있다고 보고된 바 있다.

한편, 위상지연지표는 위상동기화지표와 유사하게 두 개 채널간의 신호 진동 패터(oscillation)의 위상이 유사하게 발생됨을 정량적 수치로 나타내는 방법으로, 시간적 지연에 따른 위상 동기화 패턴의 유사성을 정량화하는 개량된 특성추출 방법 중의 하나이다.

상기 쎄타파의 위상지연지표(phase lag index; PLI)(43)는 아래의 [수학식 2]와 같이 계산되어 진다.

[수학식 2]

도 5의 실험결과에 도시된 바와 같이, 정상아동(Normal) 대비 ADHD 아동은 쎄타파의 위상지연지표(PLI)가 더 낮게 나타남이 확인되었다.

상기 주파수간섭성지표(44)는 두 개 채널의 신호간 주파수 대역별 간섭성 즉 상관계수(coherence)를 나타내는 지표로, 정상 대조군에 대비하여 ADHD 대조군의 경우 알파파 대역에서 주파수 간섭성이 감소하는 현상을 보인다.

기존 문헌상에 의하면 ADHD 대조군의 경우 쎄타파 간섭성의 감소가 발생되는 것으로 알려져 있으나, 도 6의 실험결과에 도시된 바와 같이 알파파 대역에서 또한 주파수 간섭성의 감소가 발생되는 것을 확인할 수 있었다.

상기 통합지표변환부(50)는 도 7에 개념적으로 도시된 바와 같이 상기 복수개의 특성정보 지표(41, 42, 43, 44)에 각 지표별 가중치(w1, w2, w3, w4)를 적용하고 정해진 함수(예를 들면, Sigmoid function)를 이용하여 하나의 통합 지표를 산출하는 구성이다.

도 7에서의 P(ADHD | X)는 입력지표 X가 ADHD일 확률을 나타낸다.

한편, 본 발명의 일실시예에서 상기 각 지표별 가중치(w1, w2, w3, w4)는 로지스틱 회귀분석(logistic regression) 기반의 머신러닝을 활용한 학습에 의해 획득된다.

각 지표별 가중치는 정상 아동 15명과 ADHD 아동 10명 기준 데이터를 활용하여 각 지표별 가중치는 w1 : 0.35, w2 : 0.21, w3 : 0.25, w4 : 0.14 로 초기화하고, baseline 가중치 w0는 0.05로 지정한다.

특히 baseline 가중치 w0는 회귀분석의 기준 절편(intercept)에 해당하는 기준선 가중치로 로지스틱 회귀모델의 fitting을 위한 타 지표별 가중치와 함께 적용 된다.

머신러닝 기반 학습이 진행 되는 동안 가중치 업데이트는 아래의 [수학식 3] 에 의한다.

[수학식 3]

여기서, w: 지표별 가중치 벡터, η: learning rate (e.g. η = 0.01), X: 알고리즘 학습용 지표 데이터 (training data), g: 지표 라벨 (e.g. 0: 정상아동, 1: ADHD 아동)

도 8은 정상아동과 ADHD아동에 대한 통합지표의 확률 분포인 최우도(Llikelihood) 모델을 도시한 것으로, 각 점은 ADHD일 경우 X의 확률과 정상아동일 경우 X일 확률을 나타내고, 실선은 각 점들의 피팅(fitting) 계수를 바탕으로 나타낸 것으로, 측정된 뇌파 데이터가 많을수록 더욱 정교해지며, 신뢰성 높은 결과를 기대할 수 있게 된다.

상기 ADHD진단출력부(60)는 상기 특성정보추출부(40)에서 추출된 복수개의 특성정보 지표(41, 42, 43, 44)를 조합하여 진단대상자의 ADHD 여부를 판단하는 구성으로, 본 발명의 일실시예에서는 상기 통합지표변환부(50)에서 산출된 통합 지표로부터 진단대상자의 ADHD 여부를 판단하도록 구성된다.

도 9는 상기 ADHD진단출력부(60)의 ADHD 대조군에 대한 Posterior 추론 모델을 도시하였는데, 이러한 추론 모델을 바탕으로 향후 미지의 특성 지표(예를 들면, 미지의 인간 뇌파를 통해 획득한 특성 지표)를 입력할 경우 해당 지표가 ADHD 대조군 특성과 동일할 확률로 출력할 수 있을 것이다.

상기와 같은 구성들의 유기적인 결합에 의하여 본 발명에 따른 뇌파 기반 주의력 결핍 과잉 행동 장애 진단 시스템은 복수개의 특성정보 지표(41, 42, 43, 44)를 조합하여 진단대상자의 ADHD 여부를 판단함으로써 종래의 단독적 뇌파 기반의 진단에 대비하여 진단 결과에 신뢰성을 향상시킬 수 있게 되는 것이다.

앞에서 설명되고 도면에서 도시된 뇌파 기반 주의력 결핍 과잉 행동 장애 진단 시스템은 본 발명을 실시하기 위한 하나의 실시예에 불과하며, 본 발명의 기술적 사상을 한정하는 것으로 해석되어서는 안된다. 본 발명의 보호범위는 이하의 특허청구범위에 기재된 사항에 의해서만 정하여지며, 본 발명의 요지를 벗어남이 없이 개량 및 변경된 실시예는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 자명한 것인 한 본 발명의 보호범위에 속한다고 할 것이다.

10 뇌파측정부
20 전처리부
30 주파수분석부
40 특성정보추출부
50 통합지표변환부
60 ADHD진단출력부

Claims (4)

1. 진단대상자의 뇌파를 측정하는 뇌파측정부와;
   잡음 제거 알고리즘을 이용하여 상기 뇌파측정부에서 측정된 뇌파의 잡음을 제거하는 전처리부와;
   상기 전처리부에서 잡음이 제거된 뇌파를 주파수 대역 별로 분리하는 주파수분석부와;
   상기 주파수분석부에서 분리된 주파수 대역을 기준으로 정상 대조군과 ADHD 대조군을 상호 비교할 수 있는 복수개의 특성정보 지표를 추출하는 특성정보추출부와;
   상기 특성정보추출부에서 추출된 복수개의 특성정보 지표를 조합하여 진단대상자의 ADHD 여부를 판단하는 ADHD진단출력부를; 포함하는 것을 특징으로 하는 뇌파 기반 주의력 결핍 과잉 행동 장애 진단 시스템.
2. 제1항에 있어서,
   상기 주파수분석부는, 뇌파를 주파수 대역에 따라 쎄타파와, 베타파와, 알파파를 포함하여 분리하는 것을 특징으로 하는 뇌파 기반 주의력 결핍 과잉 행동 장애 진단 시스템.
3. 제2항에 있어서,
   상기 특성정보추출부는, 쎄타파의 베타파에 대한 상대적 파워 비율과, 알파파의 대뇌좌우편차와, 쎄타파의 위상지연지표와, 주파수간섭성지표 중 적어도 2개 이상을 복수개의 특성정보 지표로 하고,
   상기 복수개의 특성정보 지표에 각 지표별 가중치를 적용하고 정해진 함수를 이용하여 하나의 통합 지표를 산출하는 통합지표변환부를; 더 포함하며,
   ADHD진단출력부는, 상기 통합지표변환부에서 산출된 통합 지표로부터 진단대상자의 ADHD 여부를 판단하는 것을 특징으로 하는 뇌파 기반 주의력 결핍 과잉 행동 장애 진단 시스템.
4. 제3항에 있어서,
   상기 각 지표별 가중치는 로지스틱 회귀분석(logistic regression) 기반의 머신러닝을 활용한 학습에 의해 획득되는 것을 특징으로 하는 뇌파 기반 주의력 결핍 과잉 행동 장애 진단 시스템.

Images