KR20190026555A - 뇌 네트워크 분석을 통한 마취 및 의식 심도 모니터링 방법 및 장치 - Google Patents

뇌 네트워크 분석을 통한 마취 및 의식 심도 모니터링 방법 및 장치 Download PDF

Info

Publication number
KR20190026555A
KR20190026555A KR1020180076459A KR20180076459A KR20190026555A KR 20190026555 A KR20190026555 A KR 20190026555A KR 1020180076459 A KR1020180076459 A KR 1020180076459A KR 20180076459 A KR20180076459 A KR 20180076459A KR 20190026555 A KR20190026555 A KR 20190026555A
Authority
KR
South Korea
Prior art keywords
brain
anesthesia
value
depth
brain network
Prior art date
Application number
KR1020180076459A
Other languages
English (en)
Other versions
KR102045559B1 (ko
Inventor
이성환
이민지
Original Assignee
고려대학교 산학협력단
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 고려대학교 산학협력단 filed Critical 고려대학교 산학협력단
Priority to US16/118,566 priority Critical patent/US11000224B2/en
Publication of KR20190026555A publication Critical patent/KR20190026555A/ko
Application granted granted Critical
Publication of KR102045559B1 publication Critical patent/KR102045559B1/ko

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
    • A61B5/48—Other medical applications
    • A61B5/4821—Determining level or depth of anaesthesia
    • A61B5/04012—
    • A61B5/0478—
    • A61B5/0482—
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A61B5/372—Analysis of electroencephalograms
    • A61B5/374—Detecting the frequency distribution of signals, e.g. detecting delta, theta, alpha, beta or gamma waves
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A61B5/375—Electroencephalography [EEG] using biofeedback
    • 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
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms

Abstract

본 발명에 따르는, 컴퓨터 장치에 의해 수행되는, 뇌 네트워크 분석을 통한 마취 및 의식 심도 모니터링 방법은 (a) 마취 경과 시간 동안 추출된 사용자의 뇌 신호를 획득하는 단계; (b) 측정된 뇌 신호들을 뇌 네트워크 분석에 적합하도록 전처리하는 단계; (c) 전처리된 뇌 신호들에 기초하여 각 주파수 별로 두 채널 간의 기능적 연결성 값을 산출하고, 뇌 네트워크 분석을 수행하는 단계; (d) 분석된 뇌 네트워크 특성에 기초하여 사용자의 마취 및 의식 심도를 결정하는 단계; 및 (e) 결정된 사용자의 마취 및 의식 심도를 사용자 인터페이스를 통해 제공하는 단계를 포함한다.

Description

뇌 네트워크 분석을 통한 마취 및 의식 심도 모니터링 방법 및 장치{METHOD AND APPARATUS FOR MONITORING THE DEPTH OF ANAESTHESIA AND CONSCIOUSNESS THROUGH THE BRAIN NETWORK ANALYSIS}
본 발명은 뇌 네트워크 분석을 통한 마취 및 의식 심도 모니터링 방법 및 장치에 관한 것이다.
일반적으로 수술 및 치료와 같은 의료행위를 할 경우, 마취 및 의식 심도가 적정하게 유지되는 것은 환자에게 중요하다. 마취가 얕으면 수술 도중 깨어나 고통을 겪기도 하고, 반대로 마취가 너무 깊으면 심장발작·합병증·사망에 이를 수 있다. 특히 마취한 뒤 시술할 때 환자가 호흡이 곤란해져도 제대로 의사표시를 할 수 없다는 게 더 큰 문제다. 이러한 마취로 인한 사고는 불특정 다수에게 불시에 일어날 수 있고, 곧바로 환자 사망으로 이어질 수 있기 때문에 예방이 최선일 수밖에 없다. 이런 사고를 방지하기 위해 마취 및 의식 심도를 정량적으로 평가하는 것이 필요하지만, 현재 마취 심도는 환자의 상태를 파악하여 마취약의 농도를 조절하는 마취통증의학과 의사의 경험과 지식에 의해 결정된다. 따라서 마취 심도를 객관적으로 측정할 수 있는 장치가 필요하다.
현재 마취 심도 모니터링 시장의 90% 이상을 차지하는 대표적인 환자 감시 장치인 이중분광지수(Bispectral index, BIS)나 엔트로피 지수는 뇌의 활성 정도를 통해 마취 심도를 예측한다. 특히, BIS는 1부터 100까지 마취 심도를 나타내게 되며, 수술 중 적절한 범위는 40~60으로 알려져 있다. 40보다 낮으면 너무 마취가 깊게 된 것이고, 60보다 높으면 마취가 얕게 되어 있다는 것을 말하며, 80 이상이 되면 환자가 외부의 자극을 느끼게 되어 수술 후 통증을 기억하는 ‘수술 중 각성’과 같은 마취 사고가 발생할 가능성이 높다. 수술 중 각성은 마취 중 환자의 의식이 깨어나 수술 중 고통을 느끼면서도 몸은 움직일 수 없는 경우를 의미하며, 통증과 마비 느낌이 동반되는 경우 죽음에 대한 공포, 불안감 등의 ‘외상 후 스트레스 장애(Post-traumatic stress disorder)’가 발생할 가능성이 매우 높다. 즉, 현재의 마취 심도 모니터링 기술은 적정 BIS 범위 내에서 마취를 유지하는 것이 이상적이며, 이에 따라 수술이 끝나고 마취에서 빨리 깨어날 수 있고, 구토나 어지러움을 방지할 수 있다.
그러나 이러한 기술들은 마취 및 의식 심도를 판단하는데 참고하는 수치일 뿐, 최종적으로 의식과 무의식의 판별은 의사의 주관적 판단이 필요하고, 진정 평가 척도와 상이한 결과가 빈번하게 발생하며, 수치화까지 최대 60초의 시간이 필요하기 때문에 갑작스럽게 일어날 수 있는 의료 사고에 대한 즉각적인 대처가 불가능하다는 단점이 있다. 또한 전신마취에는 높은 신뢰도를 가지고 있으나, 진정마취 상태 분류에는 낮은 신뢰도와 성능을 보여 실제 의식 심도 모니터링에 한계점을 가지고 있다. 따라서 다양한 환경 변수를 고려하여 의사가 마취제 투여량을 적절하게 조절, 의료사고 발생을 최소화할 수 있게 도와줄 수 있는 마취 및 의식 심도 모니터링 시스템이 필요하다.
한편, 생체신호를 사용하여 마취 및 의식 심도를 측정하는 종래의 기술로서, 한국 특허등록 제 10-1079785호(발명의 명칭: 마취심도 지표 산출을 위한 뇌전도 분석 장치)는 다수의 파라미터를 추출하고, 마취심도 사이의 상관관계를 기준으로 환경이나 사용자에 따라 적합한 파라미터를 추출하는 기술을 개시하고 있다. 그러나, 단일 지표 개발이 아닌 특징 추출 기술에 관한 것으로 다양한 환경 변수에 따라 변화하는 마취 및 의식 심도를 파악하는데 어려움이 있다. 또한, 한국 특허등록 제 10-1111498호(발명의 명칭: 마취 심도 모니터링 시스템 및 방법)는 뇌전도 뿐만 아니라 심전도, 혈압을 포함하는 다수의 생체 신호를 분석하고 있다. 하지만, 사용하는 생체 신호의 수가 많아지면 물리적 복잡성과 비용적인 측면으로 인해 실제 임상에서는 활용하기 어렵다는 단점이 있다.
그러나 상기 언급된 기술들은 각기 다른 형태의 마취 및 의식 심도 지표를 제안하고 있으나, 의식과 무의식의 경계를 정확하게 구분하지 못하는 한계점을 가지고 있다.
본 발명은 의식과 무의식의 전환 시점을 정확하게 알려주고, 이를 바탕으로 무의식과 의식 판별의 정확도를 더욱 향상시켜 마취에 따른 신체적 및 정신적 피해를 최소로 줄일 수 있는 마취 및 의식 심도 모니터링 방법 및 장치를 제공하는 것을 목적으로 한다.
본 발명의 제 1 실시예에 따르는, 컴퓨터 장치에 의해 수행되는, 뇌 네트워크 분석을 통한 마취 및 의식 심도 모니터링 방법은 (a) 마취 경과 시간 동안 추출된 사용자의 뇌 신호를 획득하는 단계; (b) 측정된 뇌 신호들을 뇌 네트워크 분석에 적합하도록 전처리하는 단계; (c) 전처리된 뇌 신호들에 기초하여 각 주파수 별로 두 채널 간의 기능적 연결성 값을 산출하고, 뇌 네트워크 분석을 수행하는 단계; (d) 분석된 뇌 네트워크 특성에 기초하여 사용자의 마취 및 의식 심도를 결정하는 단계; 및 (e) 결정된 사용자의 마취 및 의식 심도를 사용자 인터페이스를 통해 제공하는 단계를 포함한다.
본 발명의 제 2 실시예에 따르는, 뇌 네트워크 분석을 통한 마취 및 의식 심도 모니터링 장치는 뇌 네트워크 분석을 통한 마취 및 의식 심도 모니터링 방법을 수행하기 위한 프로그램이 저장된 메모리; 및 프로그램을 수행하는 프로세서;를 포함하며, 프로세서는, 프로그램의 실행에 따라, 마취 경과 시간 동안 추출된 사용자의 뇌 신호를 획득하고, 측정된 뇌 신호들을 뇌 네트워크 분석에 적합하도록 전처리하며, 전처리된 뇌 신호들에 기초하여 각 주파수 별로 두 채널 간의 기능적 연결성 값을 산출하고, 뇌 네트워크 분석을 수행하고, 분석된 뇌 네트워크 특성에 기초하여 사용자의 마취 및 의식 심도를 결정하며, 결정된 사용자의 마취 및 의식 심도를 사용자 인터페이스를 통해 제공한다.
본 발명은 환자의 마취 전 뇌 네트워크 상태를 기초하여 마취제가 투여됨에 따라 뇌 네트워크 상태가 어떻게 변화하는지에 대한 변화량을 기준으로 마취 및 의식 심도를 판단한다. 이에 따라 마취 및 의식 심도의 기준이 환자 본인의 깨어있을 때의 뇌 신호이기 때문에 개인마다 지표의 기준이 다를 수 있는 문제점을 해결하여, 시스템의 신뢰도가 향상될 수 있다.
특히, 의식과 무의식의 경계 시점을 정확하게 파악할 수 있기 때문에 정확한 의식 심도 측정이 가능하며, 후두엽 자체의 신호만을 가지고도 의식 심도 측정이 가능하므로 실용적이라는 장점이 있다.
도 1은 본 발명의 일 실시예에 따른 뇌 네트워크 분석을 통한 마취 및 의식 심도 모니터링 시스템의 구조도이다.
도 2는 본 발명의 일 실시예에 따른 마취 및 의식 심도 모니터링 장치에 의하여 뇌 네트워크 분석을 수행하는 방법을 설명하기 위한 순서도이다.
도 3의 (a)는 본 발명의 일 실시예에 따라 측정된 뇌 신호들의 델타파 주파수 대역에서 각각의 마취 및 의식 심도로 구분되는 전체 능률 지표(GE)의 값을 나타내고, 도 3의 (b)는 델타파 주파수 대역에서 각각의 마취 및 의식 심도로 구분되는 점효율(LE)의 값을 나타내고, 도 3의 (c)는 베타파 주파수 대역에서 각각의 마취 및 의식 심도로 구분되는 전체 능률 지표(GE)의 값을 나타내고, 도 3의 (d)는 베타파 주파수 대역에서 각각의 마취 및 의식 심도로 구분되는 점효율(LE)의 값을 나타낸다.
도 4는 본 발명의 일 실시예에 따른 뇌 네트워크 분석을 통한 마취 및 의식 심도 모니터링 장치에 따라 결정된 사용자의 마취 및 의식 심도가 표시된 사용자 인터페이스의 예시도이다.
도 5는 본 발명의 일 실시예에 따른 뇌 네트워크 분석을 통한 마취 및 의식 심도 모니터링 방법을 설명하기 위한 순서도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다. 한편, '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, '~부'는 어드레싱 할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.
이하에서 언급되는 "마취 및 의식 심도 모니터링 장치"는 네트워크를 통해 서버나 타 단말에 접속할 수 있는 컴퓨터나 휴대용 단말기로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(desktop), 랩톱(laptop) 등을 포함하고, 휴대용 단말기는 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet), LTE(Long Term Evolution) 통신 기반 단말, 스마트폰, 태블릿 PC 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다. 또한, “네트워크”는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN) 또는 부가가치 통신망(Value Added Network; VAN) 등과 같은 유선 네트워크나 이동 통신망(mobile radio communication network) 또는 위성 통신망 등과 같은 모든 종류의 무선 네트워크로 구현될 수 있다.
이하, 본 발명의 일 실시예에 대하여 구체적으로 설명하도록 한다.
도 1은 본 발명의 일 실시예에 따른 뇌 네트워크 분석을 통한 마취 및 의식 심도 모니터링 시스템의 구조도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따르는 시스템은 뇌 신호 측정부(100), 마취 및 의식 심도 모니터링 장치(200), 피드백 제시부(300)를 포함한다.
뇌 신호 측정부(100)는 사용자의 마취 및 의식 심도에 따라 변화하는 전기적 신호를 측정하기 위하여 두피에 접촉하거나 또는 두피에 인접한 복수의 전극을 통해 EEG(electroencephalography) 신호를 측정한다. 예시적으로, 뇌 신호 측정부(100)는 실용성을 위해 후두엽의 뇌 신호만을 측정해도 무방하다. 여기서, 사용자는 마취중인 환자일 수 있다. 특히, 뇌 신호 측정부(100)를 통해 마취제 투여 전의 깨어있는 상태의 뇌 신호를 측정할 수 있다. 이때 측정된 뇌 신호를 기초로 마취 및 의식 심도 모니터링 장치(200)에서 뇌 네트워크 분석을 수행하여 산출된 뇌 네트워크 값이 마취 및 의식 심도를 결정하는 기준데이터로 사용될 수 있다.
마취 및 의식 심도 모니터링 장치(200)는 뇌 신호 측정부(100)와 무선 또는 유선으로 연결되어 마취 경과 시간 동안 추출된 사용자의 뇌 신호를 획득하고, 측정된 뇌 신호들을 뇌 네트워크 분석에 적합하도록 전처리하며, 전처리된 뇌 신호들에 기초하여 각 주파수 별로 두 채널 간의 기능적 연결성 값을 산출하고, 뇌 네트워크 분석을 수행한다. 그리고, 분석된 뇌 네트워크 특성에 기초하여 사용자의 마취 및 의식 심도를 결정하며, 결정된 사용자의 마취 및 의식 심도를 피드백 제시부(300)로 제공할 수 있다. 여기서, 마취제 투여 전 깨어있는 상태에서 측정된 사용자의 뇌 신호로부터 분석된 기준데이터와 마취제 투여 이후의 마취 상태에서 측정된 뇌 신호로부터 분석된 값을 비교하여 사용자의 마취 및 의식 심도를 결정할 수 있다. 이와 같은 마취 및 의식 심도 결정하는 상세한 방법은 도2를 참조하여 후술하도록 한다.
피드백 제시부(300)는 결정된 사용자의 마취 및 의식 심도를 사용자에게 사용자 인터페이스를 통해 시각적으로 제시한다. 예시적으로 마취 및 의식 심도의 정량적 지표를 제공하고, 의식/무의식 전환시점을 알려주는 알림을 제공할 수 있다. 이와 같은 사용자 인터페이스에 대한 상세한 설명은 도 4를 참조하여 후술하도록 한다.
한편, 정보통합이론(Integrated information theory)에 따르면, 의식을 가지고 있을 때에는 대뇌의 정보 통합이 이루어져 있으나, 무의식에는 전기적 활성 신호가 있으나 대뇌의 정보 통합이 깨져있다고 설명하고 있다. 또한 최근에는 후두엽을 Posterior Hot Zone이라고 부르며, 의식의 상관 관계(Neural correlates of consciousness)가 가장 높은 지역으로서, 의식의 수준에 따른 특징이 가장 명확하게 드러나는 뇌 영역으로 밝혀지고 있다. 즉, 신체가 마취되면 의식에서 무의식 상태로 전이하면서 신경계가 가지고 있는 정보통합능력이 현저하게 감소하며, 의식의 소실은 뇌파의 시간적ㆍ공간적 자기조직화가 깨지면서 일어난다. 특히 의식이 없어질 때 인지를 다루는 전두엽에서 감각을 다루는 후두엽으로 흘러가는 정보가 급격하게 감소하게 된다. 이러한 의식과 무의식에서의 뇌의 변화는 단순히 뇌파의 전위와 주파수 파워 크기와 같은 단순한 지표만을 가지고서는 설명할 수 없다.
따라서, 본 발명에서는 단순하게 뇌의 전기적 신호 자체를 분석하는 것이 아니라, 의식과 무의식에서 중요한 뇌신경들의 상호작용을 수치화하여 앞서 언급된 기술들의 한계점을 극복할 수 있는 방법을 제안한다. 다시 말해서, 뇌 신경계의 정보통합이 마취에 의해 바뀐다는 인지통합적 패러다임을 바탕으로 뇌 네트워크 분석을 통해 서로 다른 영역들끼리의 상호작용까지 파악함으로써 정확한 마취 및 의식 심도를 측정할 수 있다. 또한 후두엽 내의 상호작용만으로도 의식 심도 측정이 가능하다는 장점이 있다. 이를 위해 환자의 뇌 신호를 실시간으로 해석하여 마취 전 사용자의 깨어있는 기능적 연결성(Functional connectivity)에 기초하여 마취제를 투여함에 따라 변화하는 기능적 연결성 값을 측정할 수 있다.
특히, 마취 동안 뇌 신호의 기능적 연결성 지수를 추출하여, 마취 전 깨어있을 때의 뇌 네트워크 상태와 비교하여 사용자의 마취 및 의식 심도를 제공할 수 있다. 이에 따라 사용자의 마취 및 의식의 심도를 제공할 뿐 아니라, 의식에서 무의식으로 전환하는 시점 혹은 무의식에서 의식으로 전환하는 시점도 제공할 수 있어, 의식과 무의식을 정확하게 판별할 수 있는 바이오마커로 사용할 수 있다.
이하, 본 발명의 일 실시예에 따른 뇌 네트워크 분석을 통한 마취 및 의식 심도 모니터링 장치(200)의 구성에 대하여 구체적으로 설명하도록 한다.
도 2는 본 발명의 일 실시예에 따른 마취 및 의식 심도 모니터링 장치에 의하여 뇌 네트워크 분석을 수행하는 방법을 설명하기 위한 순서도이다.
마취 및 의식 심도 모니터링 장치(200)는 뇌 연결성을 이용한 의식 수준 기반의 마취 및 의식 심도를 측정하기 위한 메모리 및 프로그램(또는 애플리케이션)을 수행하는 프로세서를 포함하여 구성될 수 있다. 여기서 프로세서는 메모리에 저장된 프로그램의 실행에 따라 다양한 기능을 수행할 수 있는데, 각 기능에 따라 프로세서에 포함되는 세부 모듈들을 전처리부(210), 뇌 네트워크 분석부(220), 마취 및 의식 심도 판단부(230)로 나타낼 수 있다.
전처리부(210)는 뇌 신호 측정부(100)로부터 마취 경과 시간 동안 추출된 사용자의 뇌 신호를 수신한다. 뇌 신호는 두피에 접촉하거나 또는 두피에 인접한 전극에서 측정된 EEG 신호이다. 또한 전처리부(210)는 측정된 뇌 신호들로부터 머리 및 안구의 움직임이나 눈 깜빡임 등에 의한 잡음을 제거하고, 잡음이 제거된 뇌 신호들을 수면 또는 의식과 관련된 특정 주파수 대역으로 필터링을 수행할 수 있다.
한편, 델타(δ)파는 0.1~4Hz의 주파수와 20~200μV의 진폭을 보이며, 정상인의 깊은 수면 상태나 신생아들로부터 주로 나타난다. 쎄타(θ)파는 4~8Hz의 주파수와 20~100μV의 진폭을 보이며, 정서적으로 안정된 상태나 수면상태에서 나타난다. 알파(α)파는 8~12Hz의 주파수와 20~60μV의 진폭을 보이며, 긴장이 이완된 편안한 상태에서 나타나며 안정된 상태일수록 진폭이 증가된다. 베타(β)파는 12~30Hz의 주파수와 2~20μV의 진폭을 보이며, 깨어 있거나 의식적인 활동을 할 때 나타난다. 감마(γ)파는 30~50Hz의 주파수와 2~20μV의 진폭을 보이며, 강한 흥분 상태에서 나타난다.
따라서, 본 발명의 뇌 네트워크 분석부(220)는 의식과 무의식의 상태를 가장 잘 반영하는 델타파와 베타파의 주파수 대역을 이용할 수 있다.
도 2를 참조하면, 뇌 네트워크 분석부(220)는 주파수 분석을 통해 뇌 신호들의 델타파 및 베타파의 주파수 대역을 추출할 수 있다. 이어서, 추출된 주파수 대역의 진폭(amplitude) 및 위상(phase) 값에 기초하여 두 채널 간의 기능적 연결성 값을 산출할 수 있다(S131). 이어서, 각각의 주파수에 대한 모든 채널 간의 기능적 연결성 값을 행렬로 계산할 수 있다(S133). 다음으로, 산출된 기능적 연결성 값이 유의미한 연결성을 갖는지 판단하는 임계값을 적용하여(S133), 그래프 이론 기반으로 뇌 네트워크 값을 산출할 수 있다(S134).
여기서, 기능적 연결성 계산(S131)단계에서 기능적 연결성 값은 두 채널에 대한 뇌 신호들 간의 위상의 동기화 정도를 판별하는 척도로서, 위상 동기화 지수(Phase locking value), 위상 지연 지수(Phase lag index), 가중 위상 지연 지수(Weighted phase lag index), 가상 일관성(Imaginary coherence) 및 동기 유사도(Synchronization likelihood) 중 하나 이상을 포함할 수 있다.
이어서, 기능적 연결성 행렬 생성(S132)단계 및 임계값 적용(S133)단계에서 유의미한 기능적 연결성만 파악할 수 있도록 특정 임계값 이하의 연결성은 0으로 변환시킨다. 이때 임계값은 복수의 랜덤 행렬을 통해 산출된 전체 능률 지표(Global efficiency)와 점효율(Local efficiency)의 차이가 가장 큰 값으로 설정될 수 있다. 예를 들어, 임계값은 복수(바람직하게, 1000개 이상)의 랜덤 행렬을 통해 산출된 전체 능률 지표(Global efficiency)와 점효율(Local efficiency)의 차이가 가장 큰 값으로 설정될 수 있다.
이후, 뇌 네트워크 값 계산(S134)단계에서 유의미한 기능적 연결성만 나타내는 기능적 연결성 행렬을 통해 그래프 이론 기반의 뇌 네트워크 값을 계산하여 마취 전 깨어있는 상태와 비교할 수 있다. 뇌 네트워크 값은 뇌의 연결성을 정량화한 값을 의미한다.
구체적으로, 뇌 네트워크 값은 그래프 이론 분야에 알려진 그래프 이론 수치들이며, 일 예로 전체 능률 지표(Global efficiency)는 뇌 연결성의 통합 척도로서 대뇌 전체의 정보통합 흐름의 효율성을 알려주는 척도이고, 점효율(Local efficiency)은 뇌 연결성의 분리 척도로서 대뇌 특정 지역에서의 정보통합 흐름의 네트워크 효율성을 알려주는 척도일 수 있다. 또한 이에 한정되는 것은 아니며, 집단화 계수(Clustering coefficient), 특성 경로 길이(Characteristic path length), 모듈성(modularity), 인접 중앙성(Closeness Centrality), 사이 중앙성(Betweenness Centrality), 고유벡터 중앙성(Eigenvector centrality)과 같이 뇌 연결성의 다양한 특징을 나타내주는 값 등과 같은 적어도 하나의 그래프 이론 수치들을 포함할 수 있다.
바람직하게, 뇌 네트워크 값 계산(S134)단계에서, 전체 능률 지표(Global efficiency) 및 점효율(Local efficiency) 중 하나 이상의 뇌 네트워크 값을 계산할 수 있다.
하기의 수식1은 전체 능률 지표(Global efficiency)를 나타낸다.
<수식1>
Figure pat00001
여기서, N은 기능적 연결성을 나타내는 행렬의 열의 숫자를 나타내고, dij는 노드i와j 사이의 가장 짧은 길의 길이를 나타낸다.
하기의 수식2는 점효율(Local efficiency)를 나타내며, 수식1을 포함한다.
<수식2>
Figure pat00002
여기서, N은 기능적 연결성을 나타내는 행렬의 열의 숫자를 나타내고, Ai는 노드i의 이웃과의 서브 그래프를 나타낸다.
마취 및 의식 심도 판단부(230)는 사용자의 마취 경과 시간의 흐름에 따라 델타파 및 베타파 주파수 대역에서의 기준데이터와 비교하여 뇌 네트워크 값의 증가 정도를 감지할 수 있다. 여기서, 기준데이터는 마취제 투여 전 깨어있는 상태에서 측정된 사용자의 뇌 신호로부터 분석된 뇌 네트워크 값을 의미한다.
다시 도 2를 참조하면, 예시적으로, 델타파 주파수 대역의 경우, 기준데이터와 비교하여 마취제 투여 이후의 뇌 네트워크 값의 변화(증가량)를 감지할 수 있다(S141). 즉, 델타파 주파수 대역에서의 기준데이터에 기초한 뇌 네트워크 값의 증가량은, 마취 및 의식 심도를 나타내는 정량적 지표를 의미한다. 델타파 주파수 대역에서의 뇌 네트워크 값의 변화(증가량)에 대한 상세한 설명은 도 3의 (a) 및 도3의 (b)를 참조하여 후술하도록 한다.
또한, 베타파 주파수 대역의 경우, 기준데이터와 비교하여 마취제 투여 이후의 뇌 네트워크 값이 기설정된 값 이상으로 증가하는 시점을 감지할 수 있다(S142). 즉, 베타파 주파수 대역에서의 기준데이터에 비해 뇌 네트워크 값이 기설정된 값 이상으로 증가하는 시점은, 의식 상태에서 무의식 상태로 전환되는 시점 또는 무의식 상태에서 의식 상태로 전환되는 시점을 의미한다. 베타파 주파수 대역에서의 뇌 네트워크 값의 증가(급격한 증가 시점)에 대한 상세한 설명은 도 3의 (c) 및 도3 의 (d)를 참조하여 후술하도록 한다.
도 3의 (a)는 본 발명의 일 실시예에 따라 측정된 뇌 신호들의 델타파 주파수 대역에서 각각의 마취 및 의식 심도로 구분되는 전체 능률 지표(GE)의 값을 나타내고, 도 3의 (b)는 델타파 주파수 대역에서 각각의 마취 및 의식 심도로 구분되는 점효율(LE)의 값을 나타내고, 도 3의 (c)는 베타파 주파수 대역에서 각각의 마취 및 의식 심도로 구분되는 전체 능률 지표(GE)의 값을 나타내고, 도 3의 (d)는 베타파 주파수 대역에서 각각의 마취 및 의식 심도로 구분되는 점효율(LE)의 값을 나타낸다.
도 3의 (a) 내지 도 3의 (d)를 참조하면, 막대그래프 상에 표시된 Ｉ는 표준편차를 의미한다. 특히, 마취 및 의식 심도는 마취제 투여 전의 깨어있는 상태(Baseline), 마취제 투여 이후 의식에서 무의식으로 넘어가는 전환시점(TransUN), 마취제 투여로 인해 자극에 무반응인 무의식 상태(UCS), 무의식에서 의식으로 넘어가는 전환시점(TransCON), 회복기로서 자극에 반응할 수 있는 의식 상태(Recovery)의 5단계로 구분될 수 있다. 이때, 마취제 투여 전의 깨어있는 상태(Baseline)의 네트워크 값은 기준데이터로서, 마취 경과 시간 동안 네트워크 값의 증가 정도를 비교하는 기준이 된다.
다시 말하면, 도 3의 (a) 및 도 3의 (b)에 도시된 것처럼, 델타파의 경우 깨어있는 상태(Baseline)에 비해 회복기(Recovery)를 제외한 나머지 단계에서 뇌 네트워크 값(GE, LE)이 증가된 것을 나타낸다. 즉, 델타파의 경우, 뇌 네트워크 값(GE, LE)이 증가할수록 마취 및 의식 심도가 깊어진다는 것을 의미한다.
도 3의 (c) 및 도 3의 (d)에 도시된 것처럼, 베타파의 경우 깨어있는 상태(Baseline)에 비해 의식에서 무의식으로 넘어가는 전환시점(TransUN) 또는 무의식에서 의식으로 넘어가는 전환시점(TransCON)에서만 뇌 네트워크 값(GE, LE)이 증가된 것을 나타낸다. 즉, 베타파의 경우 뇌 네트워크 값(GE, LE)이 깨어있는 상태(Baseline)보다 급격히 기설정된 값 이상으로 증가하는 시점(순간)이 의식에서 무의식으로 전환되는 시점이거나, 무의식에서 의식으로 전환되는 시점인 것을 의미한다.
도 4는 본 발명의 일 실시예에 따른 뇌 네트워크 분석을 통한 마취 및 의식 심도 모니터링 장치에 따라 결정된 사용자의 마취 및 의식 심도가 표시된 사용자 인터페이스의 예시도이다.
도 4에 도시된 것처럼, 피드백 제시부(300)는 마취 및 의식 심도를 알려주는 델타파의 뇌 네트워크 값은 정량적 지표로서 시각적으로 제시하고, 베타파의 뇌 네트워크 값은 의식과 무의식의 전환시점이므로 알림을 발생할 수 있다.
구체적으로, 다시 도 2를 참조하면, 델타파 주파수 대역에서 기준데이터 대비 증가 변화하는 네트워크 값을 마취 및 의식 심도의 정량적 지표로서, 피드백 제시부(300)를 통해 제공할 수 있다(S151). 또한 베타파 주파수 대역에서, 뇌 네트워크 값이 기설정된 값 이상으로 증가하는 시점을 감지하여, 피드백 제시부(300)를 통해 의식/무의식 전환시점으로 알림을 제공할 수 있다(S152).
도 4에 도시된 것처럼, 알림의 경우 청각적으로 인식할 수 있는 알림 음으로 제공되거나, 경고등을 표시하여 시각적으로 인식할 수 있는 형태로 제공될 수 있다. 일 예로, 피드백 제시부(300)는 마취 및 의식 심도의 정량적 지표로서, 델타파 또는 베타파 주파수 대역에서의 뇌 네트워크 값(델타지수, 베타지수)을 표시할 수 있다. 다른 예로, 델타파 또는 베타파 주파수 대역에서의 초기상태(깨어있는 상태)와 현재상태(마취 중인 무의식 상태)의 기능적 연결성 패턴이 표시될 수도 있다.
따라서, 본 발명의 뇌 네트워크 분석을 통한 마취 및 의식 심도 모니터링 시스템은 객관적인 마취 및 의식 심도를 예측할 수 있고, 의식과 무의식의 전환시점을 정확하게 파악함에 따라 마취제 추가 투입 등 임상에서 실질적으로 사용될 수 있다.
더불어 전술한 뇌 네트워크 값을 통해 마취 및 의식 심도를 측정하여 사용자의 의식의 깊이를 제공하면서도 동시에 의식에서 무의식으로 전환하는 시점, 혹은 무의식에서 의식으로 전환하는 시점을 파악하여 알림을 발생함으로써 수술 도중 발생할 수 있는 수술 중 각성과 같은 사고를 미연에 방지할 수 있다. 또한 사용자의 마취 전 깨어있는 상태가 기준이 되기 때문에 사용자의 수술 당일 상태와 같은 변수도 파악하여 마취 및 의식 심도를 보정할 수 있다.
도 5는 본 발명의 일 실시예에 따른 뇌 네트워크 분석을 통한 마취 및 의식 심도 모니터링 방법을 설명하기 위한 순서도이다.
이하, 도 5를 참조하여, 본 발명의 일 실시예에 따른 뇌 네트워크 분석을 통한 마취 및 의식 심도 모니터링 방법에 대하여 구체적으로 설명하도록 한다.
이하의 방법은, 상술한 장치(200)에 의해 수행되는 것이므로, 이하에서 생략된 내용이 있더라도 상술한 설명으로 갈음하도록 한다.
컴퓨터 장치에 의해 수행되는, 뇌 네트워크 분석을 통한 마취 및 의식 심도 모니터링 방법은 마취 경과 시간 동안 추출된 사용자의 뇌 신호를 획득하는 단계(S110), 측정된 뇌 신호들을 뇌 네트워크 분석에 적합하도록 전처리하는 단계(S120), 전처리된 뇌 신호들에 기초하여 각 주파수 별로 두 채널 간의 기능적 연결성 값을 산출하고, 뇌 네트워크 분석을 수행하는 단계(S130), 분석된 뇌 네트워크 특성에 기초하여 사용자의 마취 및 의식 심도를 결정하는 단계(S140) 및 결정된 사용자의 마취 및 의식 심도를 사용자 인터페이스를 통해 제공하는 단계(S150)를 포함한다.
전처리하는 단계(S120)는 측정된 뇌 신호들로부터 잡음을 제거하는 단계 및 잡음이 제거된 뇌 신호들을 수면 또는 의식과 관련된 특정 주파수 대역으로 필터링하는 단계를 포함한다.
뇌 네트워크 분석을 수행하는 단계(S130)는 주파수 분석을 통해 뇌 신호들의 델타파 및 베타파의 주파수 대역을 추출하는 단계, 추출된 주파수 대역의 진폭(amplitude) 및 위상(phase) 값에 기초하여 두 채널 간의 기능적 연결성 값을 산출하는 단계 및 산출된 기능적 연결성 값이 유의미한 연결성을 갖는지 판단하는 임계값을 적용하여 그래프 이론 기반으로 뇌 네트워크 값을 산출하는 단계를 포함한다.
여기서 기능적 연결성 값은 두 채널에 대한 뇌 신호들 간의 위상의 동기화 정도를 판별하는 척도로서, 위상 동기화 지수(Phase locking value), 위상 지연 지수(Phase lag index), 가중 위상 지연 지수(Weighted phase lag index), 가상 일관성(Imaginary coherence) 및 동기 유사도(Synchronization likelihood) 중 하나 이상을 포함하는 것이다.
또한 임계값은 복수의 랜덤 행렬을 통해 산출된 전체 능률 지표(Global efficiency)와 점효율(Local efficiency)의 차이가 가장 큰 값으로 설정되는 것이며, 뇌 네트워크 값은 뇌의 연결성을 정량화한 값이다.
사용자의 마취 및 의식 심도를 결정하는 단계(S140)는 사용자의 마취 경과 시간의 흐름에 따라 델타파 및 베타파 주파수 대역에서의 기준데이터와 비교하여 뇌 네트워크 값의 증가 정도를 감지하는 단계를 포함한다. 여기서, 델타파 주파수 대역에서의 기준데이터에 기초한 뇌 네트워크 값의 증가량은, 마취 및 의식 심도를 나타내는 정량적 지표인 것이고, 베타파 주파수 대역에서의 기준데이터에 비해 뇌 네트워크 값이 기설정된 값 이상으로 증가하는 시점은, 의식 상태에서 무의식 상태로 전환되는 시점 또는 무의식 상태에서 의식 상태로 전환되는 시점인 것이다. 이때 기준데이터는, 마취제 투여 전 깨어있는 상태에서 측정된 사용자의 뇌 신호로부터 분석된 뇌 네트워크 값인 것이다.
본 발명의 일 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 본 발명의 방법 및 시스템은 특정 실시예와 관련하여 설명되었지만, 그것들의 구성 요소 또는 동작의 일부 또는 전부는 범용 하드웨어 아키텍쳐를 갖는 컴퓨터 시스템을 사용하여 구현될 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100: 뇌 신호 측정부
200: 마취 및 의식 심도 모니터링 장치
210: 전처리부
220: 뇌 네트워크 분석부
230: 마취 및 의식 심도 판단부
300: 피드백 제시부

Claims (10)

  1. 컴퓨터 장치에 의해 수행되는, 뇌 네트워크 분석을 통한 마취 및 의식 심도 모니터링 방법에 있어서,
    (a) 마취 경과 시간 동안 추출된 사용자의 뇌 신호를 획득하는 단계;
    (b) 상기 측정된 뇌 신호들을 뇌 네트워크 분석에 적합하도록 전처리하는 단계;
    (c) 상기 전처리된 뇌 신호들에 기초하여 각 주파수 별로 두 채널 간의 기능적 연결성 값을 산출하고, 뇌 네트워크 분석을 수행하는 단계;
    (d) 상기 분석된 뇌 네트워크 특성에 기초하여 상기 사용자의 마취 및 의식 심도를 결정하는 단계; 및
    (e) 상기 결정된 사용자의 마취 및 의식 심도를 사용자 인터페이스를 통해 제공하는 단계를 포함하는,
    뇌 네트워크 분석을 통한 마취 및 의식 심도 모니터링 방법.
  2. 제 1항에 있어서,
    상기 (b) 단계는
    (b-1) 상기 측정된 뇌 신호들로부터 잡음을 제거하는 단계; 및
    (b-2) 상기 잡음이 제거된 뇌 신호들을 수면 또는 의식과 관련된 특정 주파수 대역으로 필터링하는 단계;를 포함하는 것인,
    뇌 네트워크 분석을 통한 마취 및 의식 심도 모니터링 방법.
  3. 제 1항에 있어서,
    상기 (c) 단계는
    (c-1) 주파수 분석을 통해 상기 뇌 신호들의 델타파 및 베타파의 주파수 대역을 추출하는 단계;
    (c-2) 상기 추출된 주파수 대역의 진폭(amplitude) 및 위상(phase) 값에 기초하여 상기 두 채널 간의 기능적 연결성 값을 산출하는 단계; 및
    (c-3) 상기 산출된 기능적 연결성 값이 유의미한 연결성을 갖는지 판단하는 임계값을 적용하여 그래프 이론 기반으로 뇌 네트워크 값을 산출하는 단계;를 포함하는 것인,
    뇌 네트워크 분석을 통한 마취 및 의식 심도 모니터링 방법.
  4. 제 3항에 있어서,
    상기 기능적 연결성 값은
    상기 두 채널에 대한 뇌 신호들 간의 위상의 동기화 정도를 판별하는 척도로서, 위상 동기화 지수(Phase locking value), 위상 지연 지수(Phase lag index), 가중 위상 지연 지수(Weighted phase lag index), 가상 일관성(Imaginary coherence) 및 동기 유사도(Synchronization likelihood) 중 하나 이상을 포함하는 것이고,
    상기 임계값은 복수의 랜덤 행렬을 통해 산출된 전체 능률 지표(Global efficiency)와 점효율(Local efficiency)의 차이가 가장 큰 값으로 설정되는 것이며,
    상기 뇌 네트워크 값은 뇌의 연결성을 정량화한 값인 것인,
    뇌 네트워크 분석을 통한 마취 및 의식 심도 모니터링 방법.
  5. 제 4항에 있어서,
    상기 (d) 단계는
    상기 사용자의 마취 경과 시간의 흐름에 따라 상기 델타파 및 베타파 주파수 대역에서의 기준데이터와 비교하여 상기 뇌 네트워크 값의 증가 정도를 감지하는 단계를 포함하며,
    상기 델타파 주파수 대역에서의 상기 기준데이터에 기초한 상기 뇌 네트워크 값의 증가량은, 상기 마취 및 의식 심도를 나타내는 정량적 지표인 것이고,
    상기 베타파 주파수 대역에서의 상기 기준데이터에 비해 상기 뇌 네트워크 값이 기설정된 값 이상으로 증가하는 시점은, 의식 상태에서 무의식 상태로 전환되는 시점 또는 무의식 상태에서 의식 상태로 전환되는 시점인 것이되,
    상기 기준데이터는, 마취제 투여 전 깨어있는 상태에서 측정된 사용자의 뇌 신호로부터 분석된 뇌 네트워크 값인 것인,
    뇌 네트워크 분석을 통한 마취 및 의식 심도 모니터링 방법.
  6. 뇌 네트워크 분석을 통한 마취 및 의식 심도 모니터링 장치에 있어서,
    뇌 네트워크 분석을 통한 마취 및 의식 심도 모니터링 방법을 수행하기 위한 프로그램이 저장된 메모리; 및
    상기 프로그램을 수행하는 프로세서;를 포함하며,
    상기 프로세서는, 상기 프로그램의 실행에 따라,
    마취 경과 시간 동안 추출된 사용자의 뇌 신호를 획득하고,
    상기 측정된 뇌 신호들을 뇌 네트워크 분석에 적합하도록 전처리하며,
    상기 전처리된 뇌 신호들에 기초하여 각 주파수 별로 두 채널 간의 기능적 연결성 값을 산출하고, 뇌 네트워크 분석을 수행하고,
    상기 분석된 뇌 네트워크 특성에 기초하여 상기 사용자의 마취 및 의식 심도를 결정하며,
    상기 결정된 사용자의 마취 및 의식 심도를 사용자 인터페이스를 통해 제공하는,
    뇌 네트워크 분석을 통한 마취 및 의식 심도 모니터링 장치.
  7. 제 6항에 있어서,
    상기 프로세서는
    상기 측정된 뇌 신호들로부터 잡음을 제거하고, 상기 잡음이 제거된 뇌 신호들을 수면 또는 의식과 관련된 특정 주파수 대역으로 필터링하는 것인,
    뇌 네트워크 분석을 통한 마취 및 의식 심도 모니터링 장치.
  8. 제 6항에 있어서,
    상기 프로세서는
    주파수 분석을 통해 상기 뇌 신호들의 델타파 및 베타파의 주파수 대역을 추출하고,
    상기 추출된 주파수 대역의 진폭(amplitude) 및 위상(phase) 값에 기초하여 상기 두 채널 간의 기능적 연결성 값을 산출하고,
    상기 산출된 기능적 연결성 값이 유의미한 연결성을 갖는지 판단하는 임계값을 적용하여 그래프 이론 기반으로 뇌 네트워크 값을 산출하는 것인,
    뇌 네트워크 분석을 통한 마취 및 의식 심도 모니터링 장치.
  9. 제 8항에 있어서,
    상기 기능적 연결성 값은
    상기 두 채널에 대한 뇌 신호들 간의 위상의 동기화 정도를 판별하는 척도로서, 위상 동기화 지수(Phase locking value), 위상 지연 지수(Phase lag index), 가중 위상 지연 지수(Weighted phase lag index), 가상 일관성(Imaginary coherence) 및 동기 유사도(Synchronization likelihood) 중 하나 이상을 포함하는 것이고,
    상기 임계값은 복수의 랜덤 행렬을 통해 산출된 전체 능률 지표(Global efficiency)와 점효율(Local efficiency)의 차이가 가장 큰 값으로 설정되는 것이며,
    상기 뇌 네트워크 값은 뇌의 연결성을 정량화한 값인 것인,
    뇌 네트워크 분석을 통한 마취 및 의식 심도 모니터링 장치.
  10. 제 9항에 있어서,
    상기 프로세서는
    상기 사용자의 마취 경과 시간의 흐름에 따라 상기 델타파 및 베타파 주파수 대역에서의 기준데이터와 비교하여 상기 뇌 네트워크 값의 증가 정도를 감지하되,
    상기 델타파 주파수 대역에서의 상기 기준데이터에 기초한 상기 뇌 네트워크 값의 증가량은, 상기 마취 및 의식 심도를 나타내는 정량적 지표인 것이고,
    상기 베타파 주파수 대역에서의 상기 기준데이터에 비해 상기 뇌 네트워크 값이 기설정된 값 이상으로 증가하는 시점은, 의식 상태에서 무의식 상태로 전환되는 시점 또는 무의식 상태에서 의식 상태로 전환되는 시점인 것이되,
    상기 기준데이터는, 마취제 투여 전 깨어있는 상태에서 측정된 사용자의 뇌 신호로부터 분석된 뇌 네트워크 값인 것인,
    뇌 네트워크 분석을 통한 마취 및 의식 심도 모니터링 장치.
KR1020180076459A 2017-09-05 2018-07-02 뇌 네트워크 분석을 통한 마취 및 의식 심도 모니터링 방법 및 장치 KR102045559B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US16/118,566 US11000224B2 (en) 2017-09-05 2018-08-31 Method and apparatus of monitoring anaesthesia and consciousness depth through brain network analysis

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20170113260 2017-09-05
KR1020170113260 2017-09-05

Publications (2)

Publication Number Publication Date
KR20190026555A true KR20190026555A (ko) 2019-03-13
KR102045559B1 KR102045559B1 (ko) 2019-11-18

Family

ID=65762326

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180076459A KR102045559B1 (ko) 2017-09-05 2018-07-02 뇌 네트워크 분석을 통한 마취 및 의식 심도 모니터링 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102045559B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210103370A (ko) * 2020-02-13 2021-08-23 고려대학교 산학협력단 수술 전 뇌 신호를 이용한 마취제 요구량 예측 방법 및 장치
KR20220111750A (ko) * 2021-02-01 2022-08-10 재단법인 아산사회복지재단 뇌전도 신호에 기초하여 마취심도를 예측하는 방법 및 상기 방법을 수행하는 마취심도 예측 장치
CN114886388A (zh) * 2022-07-12 2022-08-12 浙江普可医疗科技有限公司 一种麻醉深度监测过程中脑电信号质量的评估方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101079785B1 (ko) * 2010-04-19 2011-11-03 주식회사 멕 아이씨에스 마취심도 지표 산출을 위한 뇌전도 분석 장치
JP2016520375A (ja) * 2013-04-23 2016-07-14 ザ ジェネラル ホスピタル コーポレイション 脳のコヒーレンスおよびシンクロニーの指標を使用して麻酔および鎮静を監視するためのシステムおよび方法
KR101653910B1 (ko) * 2015-02-27 2016-09-06 연세대학교 원주산학협력단 뇌파 측정 기법에 기초한 대뇌 네트워크 특성 분석을 이용한 뉴로피드백 방법 및 장치
JP2017023781A (ja) * 2010-03-30 2017-02-02 ザ チルドレンズ リサーチ インスティテュート ヒトの痛覚の測定の装置及び方法
KR20170078135A (ko) * 2015-12-29 2017-07-07 주식회사 인바디 의식 상태 모니터링 방법 및 장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017023781A (ja) * 2010-03-30 2017-02-02 ザ チルドレンズ リサーチ インスティテュート ヒトの痛覚の測定の装置及び方法
KR101079785B1 (ko) * 2010-04-19 2011-11-03 주식회사 멕 아이씨에스 마취심도 지표 산출을 위한 뇌전도 분석 장치
JP2016520375A (ja) * 2013-04-23 2016-07-14 ザ ジェネラル ホスピタル コーポレイション 脳のコヒーレンスおよびシンクロニーの指標を使用して麻酔および鎮静を監視するためのシステムおよび方法
KR101653910B1 (ko) * 2015-02-27 2016-09-06 연세대학교 원주산학협력단 뇌파 측정 기법에 기초한 대뇌 네트워크 특성 분석을 이용한 뉴로피드백 방법 및 장치
KR20170078135A (ko) * 2015-12-29 2017-07-07 주식회사 인바디 의식 상태 모니터링 방법 및 장치

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210103370A (ko) * 2020-02-13 2021-08-23 고려대학교 산학협력단 수술 전 뇌 신호를 이용한 마취제 요구량 예측 방법 및 장치
KR20220111750A (ko) * 2021-02-01 2022-08-10 재단법인 아산사회복지재단 뇌전도 신호에 기초하여 마취심도를 예측하는 방법 및 상기 방법을 수행하는 마취심도 예측 장치
CN114886388A (zh) * 2022-07-12 2022-08-12 浙江普可医疗科技有限公司 一种麻醉深度监测过程中脑电信号质量的评估方法及装置

Also Published As

Publication number Publication date
KR102045559B1 (ko) 2019-11-18

Similar Documents

Publication Publication Date Title
Sarkis et al. Autonomic changes following generalized tonic clonic seizures: an analysis of adult and pediatric patients with epilepsy
KR102011126B1 (ko) 뇌 연결성을 이용한 의식 수준 기반의 수면 단계 측정 방법 및 장치
Claassen et al. Bedside quantitative electroencephalography improves assessment of consciousness in comatose subarachnoid hemorrhage patients
US20210015422A1 (en) System and method for characterizing brain states during general anesthesia and sedation using phase-amplitude modulation
US11000224B2 (en) Method and apparatus of monitoring anaesthesia and consciousness depth through brain network analysis
JP5005539B2 (ja) 心肺カップリングに基づく睡眠の質および睡眠呼吸障害のアセスメント
US20210022670A1 (en) Systems and methods for diagnosing sleep
EP2854632B1 (en) Perception loss detection
US11219400B2 (en) System, process, and devices for real-time brain monitoring
Matlis et al. Robust disruptions in electroencephalogram cortical oscillations and large-scale functional networks in autism
Amengual-Gual et al. Status epilepticus prevention, ambulatory monitoring, early seizure detection and prediction in at-risk patients
Vieluf et al. Twenty‐four‐hour patterns in electrodermal activity recordings of patients with and without epileptic seizures
KR102045559B1 (ko) 뇌 네트워크 분석을 통한 마취 및 의식 심도 모니터링 방법 및 장치
US20220160287A1 (en) System, process, and devices for real-time brain monitoring
US20240090817A1 (en) Cortical recording and signal processing methods and devices
Zhang et al. Automatic recognition of cognitive fatigue from physiological indices by using wavelet packet transform and kernel learning algorithms
Mulkey et al. Detecting delirium using a physiologic monitor
US20210315507A1 (en) System and methods for consciousness evaluation in non-communicating subjects
Benghanem et al. Prognostication after cardiac arrest: how EEG and evoked potentials may improve the challenge
Reanaree et al. Stress and office-syndrome detection using EEG, HRV and hand movement
Koenig et al. Clinical neurophysiology in acute coma and disorders of consciousness
KR102476684B1 (ko) 수술 전 뇌 신호를 이용한 마취제 요구량 예측 방법 및 장치
US11317874B2 (en) System, process, and devices for real-time brain monitoring in epileptic spasms and hypsarrhythmia
US11219394B2 (en) System, process, and devices for real-time brain monitoring in panic and anxiety disorder
Yppärilä et al. Assessment of postoperative sedation level with spectral EEG parameters

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant