KR20190059376A - 뇌파를 통한 뇌 인지기능 평가 플랫폼 및 방법 - Google Patents
뇌파를 통한 뇌 인지기능 평가 플랫폼 및 방법 Download PDFInfo
- Publication number
- KR20190059376A KR20190059376A KR1020170156921A KR20170156921A KR20190059376A KR 20190059376 A KR20190059376 A KR 20190059376A KR 1020170156921 A KR1020170156921 A KR 1020170156921A KR 20170156921 A KR20170156921 A KR 20170156921A KR 20190059376 A KR20190059376 A KR 20190059376A
- Authority
- KR
- South Korea
- Prior art keywords
- brain
- network
- eeg
- power
- index
- Prior art date
Links
- 210000004556 brain Anatomy 0.000 title claims abstract description 158
- 238000004458 analytical method Methods 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000003920 cognitive function Effects 0.000 title claims abstract description 32
- 238000011156 evaluation Methods 0.000 title claims description 19
- 238000001228 spectrum Methods 0.000 claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 230000005540 biological transmission Effects 0.000 claims abstract description 19
- 238000005259 measurement Methods 0.000 claims description 42
- 208000030886 Traumatic Brain injury Diseases 0.000 claims description 34
- 230000009529 traumatic brain injury Effects 0.000 claims description 34
- 230000006931 brain damage Effects 0.000 claims description 22
- 231100000874 brain damage Toxicity 0.000 claims description 22
- 208000029028 brain injury Diseases 0.000 claims description 22
- 230000003925 brain function Effects 0.000 claims description 15
- 230000036541 health Effects 0.000 claims description 14
- 238000013528 artificial neural network Methods 0.000 claims description 10
- 239000000470 constituent Substances 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 7
- 238000003012 network analysis Methods 0.000 claims description 7
- 238000010183 spectrum analysis Methods 0.000 claims description 7
- 230000001427 coherent effect Effects 0.000 claims description 4
- 210000003205 muscle Anatomy 0.000 claims description 2
- 230000006378 damage Effects 0.000 description 8
- 230000036995 brain health Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000003321 amplification Effects 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 238000003199 nucleic acid amplification method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000019771 cognition Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 206010012289 Dementia Diseases 0.000 description 1
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000007177 brain activity Effects 0.000 description 1
- 210000004958 brain cell Anatomy 0.000 description 1
- 210000003710 cerebral cortex Anatomy 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000000763 evoking effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 210000001652 frontal lobe Anatomy 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000001936 parietal effect Effects 0.000 description 1
- 210000001152 parietal lobe Anatomy 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 210000002442 prefrontal cortex Anatomy 0.000 description 1
- 230000002360 prefrontal effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 210000004761 scalp Anatomy 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 210000003863 superior colliculi Anatomy 0.000 description 1
- 210000001103 thalamus Anatomy 0.000 description 1
Images
Classifications
-
- A61B5/04012—
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
-
- A61B5/0478—
-
- A61B5/048—
-
- A61B5/0484—
-
- 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
-
- 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
- A61B5/25—Bioelectric electrodes therefor
- A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
- A61B5/291—Bioelectric electrodes therefor specially adapted for particular uses for 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
- A61B5/369—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
- A61B5/369—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]
- A61B5/377—Electroencephalography [EEG] using evoked responses
-
- 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
- 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
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/005—Circuits for comparing several input signals and for indicating the result of this comparison, e.g. equal, different, greater, smaller (comparing phase or frequency of 2 mutually independent oscillations in demodulators)
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
- G01R23/20—Measurement of non-linear distortion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Psychiatry (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Primary Health Care (AREA)
- Mathematical Physics (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychology (AREA)
- Epidemiology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Child & Adolescent Psychology (AREA)
- General Business, Economics & Management (AREA)
- Power Engineering (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Nonlinear Science (AREA)
Abstract
본 발명은 뇌파를 통한 뇌 인지기능 평가 플랫폼 및 방법에 관한 것으로, 수신된 뇌파 데이터에서 잡음을 제거하는 필터모듈부와, 뇌파 데이터의 파워 스펙트럼과 연관성 및 네트워크를 분석하는 지표분석모듈부와, 건강인의 뇌파 데이터를 저장하는 지표 데이터베이스와, 상기 지표분석모듈부의 분석결과를 상기 지표 데이터베이스에 저장된 건강인의 뇌파 데이터와 비교하는 비교모듈부와, 상기 비교모듈부의 비교 결과를 연산하여 측정 대상자의 뇌 인지기능 결과를 산출하는 연산모듈부와, 상기 연산모듈부의 연산 결과인 측정 대상자의 뇌 기능의 시각화된 이미지에 텍스트 데이터를 태깅하여 함께 전송하는 출력 및 전송모듈부를 포함할 수 있다.
Description
본 발명은 뇌파를 통한 뇌 인지기능 평가 플랫폼 및 방법에 관한 것으로, 더 상세하게는 사용자들의 뇌 건강 검진에 대한 접근성을 향상시킬 수 있는 뇌파를 통한 뇌 인지기능 평가 플랫폼 및 방법에 관한 것이다.
일반적으로, 뇌파는 개인의 뇌 상태 및 기능을 평가할 수 있는 객관적인 신호이다. 뇌파를 이용하여 뇌의 건강 상태를 확인하는 방법들이 제안되었다.
뇌파를 검출하고 이를 분석하여 진단 및 평가하기 위해서는 매우 전문적인 지식을 가진 전문가가 필요하며, 이를 전문적으로 진단 및 평가할 수 있는 의료기관도 많지 않다.
따라서 일반 개인이 일반적인 건강검진 외에 뇌 건강 상태를 확인하는 것은 매우 어렵고 불편한 일이다.
예를 들어 공개특허 10-2017-0073557호(생체신호 노화도 분석을 이용한 치매 조기 진단 장치, 2017년 6월 28일 공개)에 기재된 바와 같이 뇌파를 이용하여 생체 신호의 노화도를 분석할 수 있더라도 이러한 검사에 대한 일반 개인의 접근성에 문제가 있어 실질적으로 뇌 건강을 검사하기는 매우 어렵다.
또한, 현재 개인용 뇌파 측정기가 시판되고 있으나, 개인용 뇌파 측정기로는 신뢰할 수 있는 뇌 기능 평가를 기대하기 어려운 문제점이 있다.
상기와 같은 종래의 문제점들을 감안한 본 발명이 해결하고자 하는 과제는, 뇌 건강 검진의 접근성을 향상시킬 수 있는 뇌파를 통한 뇌 인지기능 평가 플랫폼 및 방법을 제공함에 있다.
또한, 본 발명이 해결하고자 하는 다른 과제는, 객관적이고 신뢰성 높은 뇌 나이 추정을 수행할 수 있는 뇌파를 통한 뇌 인지기능 평가 플랫폼 및 방법을 제공함에 있다.
아울러 본 발명이 해결하고자 하는 다른 과제는, 객관적이고 신뢰성 높은 외상성 뇌손상을 판단할 수 있는 뇌파를 통한 뇌 인지기능 평가 플랫폼 및 방법을 제공함에 있다.
그리고 본 발명이 해결하고자 하는 다른 과제는, 객관적이고 신뢰성 높은 집중도 정도를 판단할 수 있는 뇌파를 통한 뇌 인지기능 평가 플랫폼 및 방법을 제공함에 있다.
상기와 같은 과제를 해결하기 위한 본 발명의 일측면에 따른 뇌파를 통한 뇌 인지기능 평가 플랫폼은, 수신된 뇌파 데이터에서 잡음을 제거하는 필터모듈부와, 뇌파 데이터의 파워 스펙트럼과 연관성 및 네트워크를 분석하는 지표분석모듈부와, 건강인의 뇌파 데이터를 저장하는 지표 데이터베이스와, 상기 지표분석모듈부의 분석결과를 상기 지표 데이터베이스에 저장된 건강인의 뇌파 데이터와 비교하는 비교모듈부와, 상기 비교모듈부의 비교 결과를 연산하여 측정 대상자의 뇌 인지기능 결과를 산출하는 연산모듈부와, 상기 연산모듈부의 연산 결과인 측정 대상자의 뇌 기능의 시각화된 이미지에 텍스트 데이터를 태깅하여 함께 전송하는 출력 및 전송모듈부를 포함할 수 있다.
본 발명의 일실시예에 따르면, 상기 필터모듈부는, 심층신경망을 이용하여 측정단말로부터 입력된 측정된 잡음이 포함된 뇌파 신호를 순수 뇌파 성분, 수평 눈 움직임 성분, 수직 눈 움직임 성분, 근육 움직임 성분, 기타 노이즈 성분으로 분류하고, 상기 순수 뇌파 성분을 추출할 수 있다.
본 발명의 일실시예에 따르면, 측정단말은, 뇌파를 측정하기 위한 측정센서들과, 측정센서들의 측정 신호를 증폭하는 증폭부와, 사건 유발 전위 뇌파를 측정하기 위하여 자극을 발생시키는 자극발생부를 포함할 수 있다.
본 발명의 일실시예에 따르면, 상기 뇌 인지기능은 뇌 나이 또는 외상성 뇌손상 또는 집중도이며, 상기 지표 데이터베이스에는 건강인의 나이와 성별에 따라 파워 맵 및 뇌 네트워크 강도 정보가 저장된 것일 수 있다.
본 발명의 일실시예에 따르면, 상기 지표분석모듈부는, 주파수 대역별 절대 파워와 상대 파워를 의미하는 파워 스펙트럼 분석, 뇌의 기능적 연결성 및 네트워크 분석을 포함하며, 상기 기능적 연결성은, 디폴트 모드 네트워크(default mode network, DMN), 어텐션 모드 네트워크(attention network, AN), 프론토 패리에탈 네트워크(fronto-parietal network, FPN) 및 감각운동기 네트워크(sensorimotor network, SMN)으로 정의된 네트워크의 구성 영역들 사이의 기능적 연결성(functional connectivity)을 계산하는 것일 수 있다.
본 발명의 일실시예에 따르면, 상기 기능적 연결성은, 아래의 수학식 1로 표현될 수 있다.
수학식 1
상기 수학식 1에서 f는 주파수, Sxy(f)는 X와 Y 사이의 크로스 스펙트럼(cross-spectrum), Sxx(f)와 Syy(f)는 각각 X와 Y의 스펙트럼, im은 허수부 코히어런스(imaginary part of coherence)를 의미하고, ()는 () 내에 기재된 구간의 평균이다.
본 발명의 일실시예에 따르면, 상기 비교모듈부는, 상기 디폴트 모드 네트워크와 상기 프론토 패리에탈 네트워크의 알파파 영역을 비교하여 외상성 뇌손상 위치와 정도를 확인하는 것일 수 있다.
본 발명의 일실시예에 따르면, 상기 알파파 영역에서, 외상성 뇌손상 환자군의 경우 좌뇌와 우뇌의 동일 위치간의 연결성은 건강 대조군에 비하여 더 크고, 좌뇌와 우뇌의 다른 위치 간의 연결성은 더 낮은 것일 수 있다.
본 발명의 일실시예에 따르면, 상기 연산모듈부는, 아래의 수학식 2를 통해 뇌 나이 또는 뇌손상 정도를 산출할 수 있다.
수학식 2
X는 검출된 뇌파 데이터의 분석 지표 값 또는 뇌 네트워크 강도이며, 
는 지표 데이터베이스에 저장된 동일 연령 및 성별 분석 지표 값의 평균 또는 동일 연령 및 성별 건강인 표준 뇌 네트워크 강도의 평균이고, σ는 동일 연령 및 성별 데이터의 표준편차값 또는 건강인 표준 뇌 네트워크 강도의 표준편차값
본 발명의 다른 측면에 따른 뇌파를 통한 뇌 인지기능 평가 방법은, a) 측정단말에서 안정 상태 및 사건 유발 전위 뇌파 데이터를 측정하고, 집중도 설문 결과를 분석 서비스 서버로 전송하는 단계와, b) 상기 측정단말로부터 전송된 뇌파 데이터의 파워 스펙트럼, 주파수 대역별 절대 파워 및 상대 파워, 연결성 및 네트워크 지표, 세타-베타비와 함께 설문 결과에 따른 집중도를 산출하는 단계와, c) 동일 성별 건강인 표준 뇌파 지표 또는 네트워크 강도와 비교하여, 측정 대상자의 추정 뇌 나이 또는 건강인 표준 네트워크 강도와 비교하고, 세타-베타비와 설문 결과에 따라 뇌 인지기능 정도를 산출하는 단계와, d) 평가된 뇌 인지기능과 함께 평가된 뇌 인지기능에 따라 분류된 텍스트 데이터를 태깅하여 측정 대상자의 뇌파 데이터의 시각화된 이미지와 함께 사용자단말 또는 측정단말로 전송하는 단계를 포함할 수 있다.
본 발명의 일실시예에 따르면, 상기 b) 단계는, 주파수 대역별 절대 파워와 상대 파워를 의미하는 파워 스펙트럼 분석, 뇌의 기능적 연결성 및 네트워크 분석을 포함하며, 뇌파의 파워 스펙트럼은 뇌파의 구성 주파수별 전력의 크기를 검출하여, ㎶2/Hz 또는 dB/Hz 단위로 표시하고, 상기 주파수 대역별 절대 파워는 주파수 대역별로 구성 주파수 파워를 가산하여 산출하고, 상기 상대 파워는 특정 주파수 대역에서 절대 파워를 전체 주파수 대역에서 계산된 전체 파워로 나누어 산출할 수 있다.
본 발명의 일실시예에 따르면, 상기 b) 단계는, 주파수 대역별 절대 파워와 상대 파워를 의미하는 파워 스펙트럼 분석, 뇌의 기능적 연결성 및 네트워크 분석을 포함하며, 상기 기능적 연결성은, 디폴트 모드 네트워크(default mode network, DMN), 어텐션 모드 네트워크(attention network, AN), 프론토 패리에탈 네트워크(fronto-parietal network, FPN) 및 감각운동기 네트워크(sensorimotor network, SMN)으로 정의된 네트워크의 구성 영역들 사이의 기능적 연결성(functional connectivity)을 계산할 수 있다.
본 발명의 일실시예에 따르면, 상기 c) 단계는, 아래의 수학식 2를 통해 뇌 나이 추정 연산 또는 뇌 손상 정도를 연산할 수 있다.
수학식 2
X는 검출된 뇌파 데이터의 분석 지표 값 또는 뇌 네트워크 강도이며, 
는 지표 데이터베이스에 저장된 동일 연령 및 성별 분석 지표 값의 평균 또는 동일 연령 및 성별 건강인 표준 뇌 네트워크 강도의 평균이고, σ는 동일 연령 및 성별 데이터의 표준편차값 또는 건강인 표준 뇌 네트워크 강도의 표준편차값
본 발명의 일실시예에 따르면, 상기 외상성 뇌손상 정도는, 산출된 상기 연결성 및 네트워크 지표를 동일 성별 건강인 표준 뇌 네트워크 지표와 비교하고, 뇌손상 정도를 산출하고, 상기 뇌손상 정도의 절대값이 설정값을 초과하는 경우 뇌 네트워크의 개별 지표들을 비교하여 뇌손상 위치 및 정도를 확인할 수 있다.
본 발명의 일실시예에 따르면, 상기 기능적 연결성은, 아래의 수학식 1로 표현될 수 있다.
상기 수학식 1에서 f는 주파수, Sxy(f)는 X와 Y 사이의 크로스 스펙트럼(cross-spectrum), Sxx(f)와 Syy(f)는 각각 X와 Y의 스펙트럼, im은 허수부 코히어런스(imaginary part of coherence)를 의미하고, ()는 () 내에 기재된 구간의 평균이다.
본 발명은, 1차 또는 2차 의료기관에서 표준화된 방법으로 측정한 검사자의 뇌파 데이터를 분석 서비스 서버로 전송하고, 분석 서비스 서버에서 뇌 나이, 집중력 정도, 뇌손상 정도에 대한 분석을 자동으로 수행할 수 있도록 구성되어, 뇌 건강 검진이 용이하도록 접근성을 향상시킬 수 있는 효과가 있다.
또한, 본 발명은 성별을 고려한 뇌파 데이터 분석을 수행하여, 객관적이고 신뢰성 높은 뇌 나이 추정, 집중력 측정 및 외상성 뇌 손상 정도를 판단할 수 있는 효과가 있다.
도 1은 본 발명의 바람직한 실시예에 따른 뇌파를 통한 뇌 인지기능 평가 플랫폼의 구성도이다.
도 2는 본 발명의 바람직한 실시예에 따른 뇌파를 통한 뇌 인지기능 평가 방법의 순서도이다.
도 3은 측정 센서의 전극 배치도이다.
도 4는 안정상태에서 검출한 뇌파의 주파수 대역별 절대 파워맵이다.
도 5 남성과 여성의 후두부 영역 상대 세타 밴드 지표의 분포그래프이다.
도 6은 남성과 여성의 후두부 영역 세타-베타비(TBR) 지표의 분포그래프이다.
도 7은 세타 네트워크 지표의 분포그래프이다.
도 8은 네트워크 구성 영역 정보이다.
도 9는 도 2에서 S70단계의 순서도이다.
도 10은 본 발명의 다른 실시예에 따른 뇌파를 통한 뇌 인지기능 평가 방법의 순서도이다.
도 11은 DMN 알파 네트워크 내의 연결중 외상성 뇌손상 환자군(mTBI)과 건강대조군(HC)의 네트워크 연결강도 그래프이다.
도 12와 도 13은 각각 DMN 알파 네트워크의 연결성을 비교한 그림이다.
도 14는 FPN 알파 네트워크 내의 연결중 외상성 뇌손상 환자군(mTBI)과 건강대조군(HC)의 네트워크 연결강도 그래프이다.
도 15와 도 16은 각각 FPN 알파 네트워크의 연결성을 비교한 그림이다.
도 17은 AN 네트워크 내의 연결중 외상성 뇌손상 환자군과 건강 대조군의 네트워크 연결강도 그래프이다.
도 18은 SMN 네트워크 내의 연결중 외상성 뇌손상 환자군과 건강 대조군의 네트워크 연결강도 그래프이다.
도 19는 본 발명의 다른 실시예의 플랫폼에 의해 평가되는 다른 항목의 예를 나타낸다.
도 2는 본 발명의 바람직한 실시예에 따른 뇌파를 통한 뇌 인지기능 평가 방법의 순서도이다.
도 3은 측정 센서의 전극 배치도이다.
도 4는 안정상태에서 검출한 뇌파의 주파수 대역별 절대 파워맵이다.
도 5 남성과 여성의 후두부 영역 상대 세타 밴드 지표의 분포그래프이다.
도 6은 남성과 여성의 후두부 영역 세타-베타비(TBR) 지표의 분포그래프이다.
도 7은 세타 네트워크 지표의 분포그래프이다.
도 8은 네트워크 구성 영역 정보이다.
도 9는 도 2에서 S70단계의 순서도이다.
도 10은 본 발명의 다른 실시예에 따른 뇌파를 통한 뇌 인지기능 평가 방법의 순서도이다.
도 11은 DMN 알파 네트워크 내의 연결중 외상성 뇌손상 환자군(mTBI)과 건강대조군(HC)의 네트워크 연결강도 그래프이다.
도 12와 도 13은 각각 DMN 알파 네트워크의 연결성을 비교한 그림이다.
도 14는 FPN 알파 네트워크 내의 연결중 외상성 뇌손상 환자군(mTBI)과 건강대조군(HC)의 네트워크 연결강도 그래프이다.
도 15와 도 16은 각각 FPN 알파 네트워크의 연결성을 비교한 그림이다.
도 17은 AN 네트워크 내의 연결중 외상성 뇌손상 환자군과 건강 대조군의 네트워크 연결강도 그래프이다.
도 18은 SMN 네트워크 내의 연결중 외상성 뇌손상 환자군과 건강 대조군의 네트워크 연결강도 그래프이다.
도 19는 본 발명의 다른 실시예의 플랫폼에 의해 평가되는 다른 항목의 예를 나타낸다.
이하, 본 발명의 바람직한 실시예에 따른 뇌 기능 분석 플랫폼 및 방법에 대하여 첨부한 도면을 참조하여 상세히 설명한다.
본 발명의 실시 예들은 다양한 변경을 가할 수 있고 여러 가지 실시 예를 가질 수 있는바, 특정 실시 예들을 도면에 예시하여 상세하게 설명한다. 그러나 이는 본 발명의 실시 예들을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 실시 예들의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 실시 예들의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
본 발명의 실시 예들에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명의 실시 예들을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 발명의 실시 예들에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명의 실시 예들이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 발명의 실시 예들에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
도 1은 본 발명의 바람직한 실시예에 따른 뇌 기능 분석 플랫폼의 구성도이다.
도 1을 참조하면 본 발명의 바람직한 실시예에 따른 뇌파를 통한 뇌 인지기능 평가 플랫폼은, 수신된 뇌파 데이터에서 잡음을 제거하는 필터모듈부(210)와, 뇌파 데이터의 파워 스펙트럼과 연관성 및 네트워크를 분석하는 지표분석모듈부(220)와, 건강인의 뇌파 데이터를 저장하는 지표 데이터베이스(230)와, 상기 지표분석모듈부(220)의 분석결과를 상기 지표 데이터베이스(230)에 저장된 건강인의 뇌파 데이터와 비교하는 비교모듈부(240)와, 상기 비교모듈부(240)의 비교 결과를 연산하여 측정 대상자의 뇌 인지기능 결과를 산출하는 연산모듈부(250)와, 상기 연산모듈부(250)의 연산 결과인 측정 대상자의 뇌 기능의 시각화된 이미지에 텍스트 데이터를 태깅하여 함께 전송하는 출력 및 전송모듈부(260)를 포함한다.
이와 같은 뇌파를 통한 뇌 인지기능 평가 플랫폼은 특정한 분석 서비스 서버(200)에서 제공될 수 있으며, 다양한 측정단말(100)을 통해 측정된 뇌파 데이터 및 집중력 설문 결과를 수신하기 위하여 다양한 인터페이스를 포함할 수 있다.
이하, 상기와 같이 구성되는 본 발명의 바람직한 실시예에 따른 뇌파를 통한 뇌 인지기능 평가 플랫폼의 구성과 작용에 대하여 더 상세히 설명하며, 도 2에 도시한 본 발명의 바람직한 실시예에 따른 뇌파를 통한 뇌 인지기능 평가 방법의 순서도를 참조한다.
먼저, 측정단말(100)은 개인이 소유하고 있는 뇌파측정장치이거나, 1차 또는 2차 의료기관에 마련된 단말일 수 있으며, 뇌파 데이터를 측정하고 데이터를 전송 또는 업로드할 수 있는 장치를 포함한다.
측정단말(100)은, 뇌파를 측정하기 위한 측정센서(110), 측정센서(110)의 측정 신호를 증폭하는 증폭부(120)를 포함하며, 또한 안정상태가 아닌 사건 유발 전위 뇌파를 측정하기 위한 자극발생부(130) 및 측정된 뇌파 데이터를 상기 분석 서비스 서버(200)로 전송하는 통신부(140)를 포함한다.
뇌파는 뇌신경세포 사이에 신호가 전달될 때 발생하는 전기적 신호를 측정한 것으로, 측정센서(또는 기록 전극이라고도 함, 110)를 두피에 붙여 측정한다(S10).
상기 측정센서(110)의 부착위치는 국제표준 10-20 시스템(Nuwer, 1987)에 따른다.
도 3에 측정센서(110)의 전극배치도를 도시하였다.
총 19개의 전극(Fp1, Fp2, F7, F8, F3, F4, Fz, T3, T4, C3, C4, Cz, T5, T6, P3, P4, Pz, O1, O2)를 사용하여 배치된 것이며, 뇌파는 다양한 주파수 성분이 포함된 신호이므로 구성 주파수 성분의 특성을 관찰하기 위해 주파수 대역별로 구분하여 관찰한다.
본 발명에서는 델타파(Delta, δ, 1~4 Hz), 세타파(Theta, θ, 4~8 Hz), 알파파(Alpha, α, 8~13 Hz), 베타파1(Beta1, β1, 13~21Hz), 베타파2(Beta2, β2, 21~30Hz)로 구분한 주파수 대역을 사용할 수 있다.
통상 안정 상태의 뇌파인 뇌전도(Electroencephalogram, EGG)는 50㎶ 정도의 진폭을 가지며, 이를 증폭부(120)를 통해 증폭하여 분석 서비스 서버(200)에서 분석이 용이하도록 한다.
이와 같은 안정상태의 뇌파의 측정과는 별도로 자극과 관련된 사건 유발 전위(Event Related Potentials, ERP)는 개별적인 사건에 대한 반응시 발생 되는 뇌활동의 표현인 특정 정신 과정의 표현이다.
사건 유발 전위의 측정은 상기 측정센서(110)와는 별도의 전극을 가지는 자극발생부(130)를 이용한다. 즉, ERP의 측정은 측정센서(110)인 기록 전극과 함께 기준 전극을 사용하여, 두 전극 사이의 전위차를 측정하는 방식을 사용하기 때문에 부적 정점(negative peak)과 정적 정점(positive peak)은 두개골의 부위와 그 극성, 그리고 잠복기(latency)에 의해 기술된다.
예를 들어 P300은 300ms의 잠복기를 가지는 정적 정점의 파를 의미하고, P3는 파형에서 세 번째 나타나는 파를 뜻한다. 외부 자극에 의해 유발된 뇌 전위는 감각적 또는 외인성이라고 한다.
본 발명에서는 안정상태와 함께 사건 유발 전위를 측정하여 더 정확한 뇌나이의 추정이 가능하다.
상기 ERP의 진폭은 0.1 내지 0.5㎶이기 때문에 역시 증폭부(120)를 통해 증폭하여 분석 서비스 서버(200)에서 분석할 수 있도록 한다.
이처럼 본 발명은 안정상태의 뇌파의 측정과 함께 사건 유발 전위를 측정하며, 측정된 뇌파들이 증폭된 전기적인 신호들은 통신부(140)를 통해 도 2의 S20단계와 같이 분석 서비스 서버(200)로 전송된다.
상기 분석 서비스 서버(200)는 뇌파 데이터를 분석할 수 있는 전문가가 운영하는 것이거나, 전문 인력이 있는 3차 의료기관에서 운영하는 것일 수 있다.
이때 증폭된 뇌파 데이터는 전기적인 신호이며, 필터링을 통해 잡음이 제거된 것일 수 있다.
상기 분석 서비스 서버(200)는 상기 측정단말(100)에서 입력된 신호들에서 잡음을 제거하는 필터모듈부(210)를 포함할 수 있으며, S30단계의 뇌파 전처리를 수행한다.
상기 필터모듈부(210)는 단순히 신호의 잡음을 제거하는 것일 수 있으나, 심층신경망 분석을 통해 뇌파를 제외한 다른 성분들을 제거할 수 있다.
심층신경망의 각 노드 층위는 측정된 뇌파 데이터로부터 각자 다른 특징들을 추출할 수 있으며, 층마다 다른 층위의 특징이 학습될 수 있다. 낮은 층위의 특징은 단순하고 구체적일 수 있으며 높은 층위로 갈수록 더욱 복잡하고 추상적인 특징을 가질 수 있다.
이러한 심층신경망의 특징을 이용하여 상기 측정단말(100)에서 측정된 잡음이 포함된 뇌파 신호를 순수 뇌파 성분, 수평 눈 움직임 성분, 수직 눈 움직임 성분, 근육 움직임 성분, 기타 노이즈 성분 등으로 분류할 수 있다.
그리고 분류된 신호를 바탕으로 뇌파 성분 이외의 나머지 잡음 성분을 입력된 뇌파 데이터로부터 제거하여 잡음이 제거된 뇌파를 최종적으로 출력할 수 있다.
이때 심층신경망 분석에 사용될 수 있는 심층신경망으로는 콘벌루션 신경망(CNN), 리커런트 신경망(RNN) 또는 하이브리드 신경망(HNN)일 수 있다.
앞서 측정단말(100)에서 잡음이 제거된 뇌파 데이터를 전송하는 경우에는 필터모듈부(210)를 사용하지 않아도 무방하다.
상기 분석 서비스 서버(200)는 PC, 노트북 등 컴퓨터일 수 있으며, 별도로 제작된 하드웨어를 사용할 수 있다. 위의 잡음 제거를 수행하는 필터모듈부(210)는 필터링 가능한 하드웨어 또는 소프트웨어일 수 있으며, 수신된 측정단말(100)의 전기적신호를 필터링하여 유효한 신호만을 추출하는 역할을 한다.
상기 분석 서비스 서버(200)는 지표 분석부(220), 지표 데이터베이스(230), 비교모듈부(240), 연산모듈부(250) 및 출력 및 전송모듈부(260)를 더 포함한다.
상기 필터모듈부(210)에서 필터링된 뇌파들이 증폭된 전기적인 신호들은 S40단계와 같이 지표 분석부(220)에서 분석된다. 이때의 분석은 주파수 대역별 절대 및 상대 파워를 의미하는 파워 스펙트럼 분석, 뇌의 기능적 연결성 및 네트워크 분석을 포함한다.
뇌파의 파워 스펙트럼은 뇌파의 구성 주파수별 전력의 크기를 검출하여, ㎶2/Hz 또는 dB/Hz 단위로 표시한다.
그리고 주파수 대역별 절대 및 상대 파워를 산출하는데, 절대 파워는 주파수 대역별로 구성 주파수 파워를 가산한 값이며, 상대 파워는 특정 주파수 대역에서 절대 파워를 전체 주파수 대역에서 계산된 전체 파워로 나눈 값이다.
이와 같은 산출 값들은 본 발명에서 제공하는 뇌 기능 분석의 일예인 뇌의 나이를 판단하는 근거 지표의 일부가 된다.
도 4에 안정상태에서 검출한 뇌파의 주파수 대역별 절대 파워맵을 도시하였다.
도 4에서는 주파수 대역별 절대 파워를 성별 및 연령대로 구분하여 표시한 것으로, 동일 연령대이더라도 성별에 따라 주파수 대역별 절대 파워에 차이가 있음을 알 수 있다.
이러한 성별에 따른 뇌파의 차이는 여러 측정 결과에서 확인할 수 있으며, 아래에서는 동일 연령대의 다른 성별간 뇌파의 특성 차이를 설명한다.
도 5는 남성과 여성의 후두부 영역 상대 세타 밴드 지표의 분포그래프이며, 도 6은 남성과 여성의 후두부 영역 세타-베타비(TBR) 지표의 분포그래프이고, 도 7은 세타 네트워크 지표의 분포그래프이다.
도 5 내지 도 7에서 확인할 수 있는 바와 같이, 도면에 도시된 각 지표들의 남성과 여성의 평균을 나타내는 곡선은 서로 차이가 있으며, 이러한 특징에 의하여 성별을 구분하지 않고 분석된 지표들만으로 뇌 나이를 추정하는 것은 오류가 발생할 수 있다.
또한, 본 발명에서는 검출된 뇌파의 파워 스펙트럼을 이용할 뿐만 아니라 뇌의 기능적인 연결성 및 네트워크를 뇌 나이 판단의 지표로 사용한다.
뇌의 기능적 연결성은 대뇌 피질의 5810개 위치에서 뇌파 발생 신호원을 계산한 후, 디폴트 모드 네트워크(default mode network, DMN), 어텐션 모드 네트워크(attention network, AN), 프론토 패리에탈 네트워크(fronto-parietal network, FPN), 감각운동기 네트워크(sensorimotor network, SMN)으로 정의된 네트워크의 구성 영역들 사이의 기능적 연결성(functional connectivity)을 계산한다.
기능적 연결성 지표로는 다양한 지표가 사용 가능하며, 본 발명에서는 imaginary coherence(iCoh)를 사용한다. 기능적 연결성 지표는 아래의 수학식 1로 산출할 수 있다.
수학식 1에서 f는 주파수, Sxy(f)는 X와 Y 사이의 크로스 스펙트럼(cross-spectrum), Sxx(f)와 Syy(f)는 각각 X와 Y의 스펙트럼을 나타낸다. im은 허수부 코히어런스(imaginary part of coherence)를 의미하고, ()는 () 내에 기재된 구간의 평균이다. 상기 iCohxy의 값은 0과 1 사이에서 결정된다.
iCohxy의 값이 0이면 주어진 주파수에서 X와 Y의 위치의 두 신호는 선형적으로 독립인 것을 의미한다. 반대로 1이면 주어진 주파수에서 두 신호는 최대로 상관되어 있음을 의미한다.
이처럼 기능적 연결성을 이용하여 네트워크 구성 영역을 확인할 수 있으며, 이러한 네트워크 구성 영역 정보를 도 8에 도시하였다.
뇌 네트워크의 산출은 뇌 연결성을 각 네트워크 구성 영역 사이에서 계산한 후, 전체 연결성 지표의 평균값을 계산한 전체 연결 강도(total connection strength) 지표이며, 클러스터링 상수(clustering coefficient), 연결길이(path length) 및 집중도(centrality)를 포함할 수 있다.
이와 같이 분석 서비스 서버(200)의 지표 분석부(220)에서는 파워 스펙트럼뿐만 아니라 연관성 및 네트워크를 분석하며, 비교모듈부(240)에서는 도 2의 S50단계와 같이 지표 데이터베이스(230)에 저장된 지표들과 상기 지표 분석부(220)의 분석결과를 비교한다.
S50단계의 처리를 통해 모든 지표별 뇌 나이의 추정이 가능하다.
그 다음, S60단계와 같이 분석 서비스 서버(200)의 연산모듈부(250)는 각 지표별 뇌 나이의 평균을 구하여 뇌 나이를 추정한다.
뇌 나이 추정의 산출식은 아래의 수학식 2로 표현할 수 있다.
상기 수학식 2에서 X는 검출된 뇌파 데이터의 분석 지표 값이며, 
는 건강인 표준 뇌파 데이터베이스로부터 산출한 동일 연령대 및 성별 데이터베이스 평균값이고, σ는 건강인 표준 뇌파 데이터베이스로부터 산출한 동일 연령대 및 성별 데이터베이스 표준편차값이다.
뇌 나이 추정 값(Z)은 0이거나, 양의 정수 또는 음의 정수의 값이며, 따라서 건강인 표준 뇌 나이와 같음, 또는 많거나 적음을 알 수 있다.
이처럼 분석부(20)에서 분석된 뇌 나이는 S70단계와 같이 출력 및 전송모듈부(260)를 통해 출력된다. 여기서 출력이라 함은 측정 대상자가 쉽게 이해할 수 있는 보고서의 출력을 뜻하며, 이는 디스플레이 장치에 표시를 포함하는 개념일 수 있으며, 통신을 이용하여 다른 장치로 전송하는 것을 포함하는 개념으로 이해되어야 한다.
본 발명에서는 S70단계의 수행을 위하여 자동화된 방법을 제안한다.
좀 더 구체적으로, 출력 및 전송모듈부(260)에서 출력을 하는 과정에서 뇌파 데이터에 컨텐츠를 태깅하여 함께 출력한다.
도 9는 상기 S70단계의 상세 순서도이다.
상기 분석 서비스 서버(200)에서 분석된 최종 뇌 나이 추정 값(Z)이 점수가 소정의 범위 값 이하인지를 판단하여 뇌파 데이터가 정상 범위 내에 있는지를 판단한다(S71).
위의 뇌 나이 추정 값(Z)이 정상 범위 내인 경우, 뇌파 데이터의 상태를 '정상' 상태로 파악하고, 뇌파 데이터의 시각화된 이미지에 '정상' 상태에 대응하는 컨텐츠를 태깅한다(S720).
여기서 '정상'은 뇌 나이 추정 값(Z)이 0으로 건강인 표준 뇌 나이와 동일함을 뜻하며, 정상범위는 0을 기준으로 소정의 뇌 나이 범위를 정하여 해당 범위 내이면 측정 대상자의 뇌 나이가 정상 범위에 있는 것으로 판단할 수 있다.
상기 뇌 나이 추정 값(Z)이 정상 범위가 아닌 경우 뇌 나이 추정 값(Z)이 수가 양수인지 음수인지 확인한다.
즉, 뇌 나이 추정 값(Z)이 건강인 뇌파 데이터 베이스 평균보다 큰지 작은지를 판단한다(S73).
뇌 나이 추정 값(Z)이 양수이면, 측정 대상자의 뇌 나이 상태를 '증가'로 파악하여 증가 상태에 대응하는 컨텐츠를 태깅한다(S74).
반대로 음수이면 뇌 나이 상태를 '감소'로 파악하고, 뇌파 데이터의 시각화된 이미지에 '감소' 상태에 대응하는 컨텐츠를 태깅한다(S75).
이에 따라, 뇌 나이를 분류한 결과에 따라서 해당하는 컨텐츠를 뇌파 데이터의 시각화된 이미지에 태깅할 수 있다.
위에서 컨텐츠라 함은 각 뇌파 데이터를 설명하는 텍스트 데이터 일 수 있으며, 출력 및 전송모듈부(260)는 측정 대상자의 뇌파 데이터의 시각화된 이미지에 텍스트 데이터를 태깅하여 함께 출력할 수 있다.
또한, 상기 컨텐츠는 추정된 뇌 나이에 따라 임상적 해석 정보를 포함할 수 있다. 컨텐츠는 추정된 뇌 나이와 측정 대상자의 나이의 차에 따라 식별 번호 등 고유값을 할당하여 구성할 수 있으며, 뇌 나이 추정 결과에 따라 컨텐츠를 검색 및 태깅할 수 있다. 임상적 해석 정보는 뇌 나이 추정결과 생물학적 나이와 비교하여 추정된 뇌 나이가 높거나 낮은 경우 건강한 뇌 나이 유지를 위한 제안을 포함할 수 있다.
도 10은 본 발명의 다른 실시예에 따른 뇌 기능 분석 서비스 방법의 순서도이다.
앞서, 도 2를 참조하여 설명한 내용은 뇌 기능 분석의 일예로 뇌 나이를 추정하는 방법에 대하여 설명한 것이며, 도 10에는 뇌 기능 분석의 다른 예로 외상성 뇌손상을 분석 및 진단할 수 있는 예이다.
외상성 뇌손상 분석에는 상기 측정단말(100)에서 전송된 데이터 중 안정 상태에서의 뇌파 데이터만을 사용한다. 뇌손상을 판단할 때 새로운 자극에 반응하는 경우에 비하여 안정 상태일 때 더 정확한 비교가 가능하기 때문이다.
상기 지표 분석부(220)는 측정단말(100)로부터 수신된 안정상태의 뇌파 데이터에서 연결성 및 네트워크 지표를 산출한다(S100).
연결성 및 네트워크 지표의 산출은 앞서 도 2를 참조하여 설명한 산출방법과 동일하다.
기능적 연결성 지표로는 다양한 지표가 사용 가능하며, 본 발명에서는 앞서 수학식 1로 표현한 iCoh를 사용한다. 상기 iCohxy의 값은 0과 1 사이에서 결정되며, iCohxy의 값이 0이면 주어진 주파수에서 X와 Y의 위치의 두 신호는 선형적으로 독립인 것을 의미한다. 반대로 1이면 주어진 주파수에서 두 신호는 최대로 상관되어 있음을 의미한다.
이와 같이 분석 서비스 서버(200)의 지표 분석부(220)에서는 연결성 및 네트워크를 분석하며, 비교모듈부(240)에서는 도 10의 S200단계와 같이 네트워크 지표 데이터베이스(230)에 저장된 지표들과 상기 지표 분석부(220)의 분석결과를 비교한다.
그 다음, 연산모듈부(250)는 각 지표별 강도를 산출하여 평균을 하고, 이를 이용하여 뇌손상 정도(Z)를 산출한다. 이때의 산출식은 위의 수학식2를 이용할 수 있다. 이때 수학식 2에서 X는 검출된 지표의 강도이며, 
는 건강인 표준의 네트워크 지표 데이터베이스로부터 산출한 동일 연령대 및 성별 데이터베이스 평균값이고, σ는 건강인 표준 네트워크 지표 데이터베이스로부터 산출한 동일 연령대 및 성별 데이터베이스 표준편차값이다.
그 다음, S300단계와 같이 산출된 뇌손상 정도(Z) 값을 판단하여 뇌손상 여부를 판단한다.
상기 뇌손상 정도(Z)는 0이거나, 양의 실수 또는 음의 실수의 값을 보이며, 양의 실수 또는 음의 실수 값의 절대값을 이용하여 뇌손상 정도를 판단한다.
뇌손상 정도(Z)가 0이면 건강인 표준 네트워크 지표와 동일한 것이므로 손상이 없는 것으로 판단하며, 실수 값의 크기에 따라 뇌손상 정도를 판단할 수 있다. 산출된 뇌손상 정도(Z)에 대하여 개인적인 편차등을 고려하여 뇌손상 정도(Z)의 절대값이 2.5이하이면 뇌손상이 없는 것으로 판단할 수 있다.
그 다음, S300단계의 판단결과 뇌손상 정도(Z)의 절대값이 2.5를 초과하는 경우 S400단계와 같이 동일 연령 성별 건강인 표준 네트워크 지표들과 검출된 네트워크 지표들을 비교하여 손상정도를 진단한다.
상기 S400단계에서는 건강인 그룹과 뇌손상 환자의 뇌 연결성(네트워크 구성 연결성)을 개별 비교하여 손상 연결 부위와 정도를 추정할 수 있다.
네트워크 구성 연결성의 예로는 MFG_L과 MFG_R 사이의 연결성 값이 될 수 있으며, S400단계는 모든 연결성을 상호 비교하여 손상 위치 및 정도를 판단하게 된다.
뇌의 특정 위치에서 뇌손상 환자의 뇌 네트워크 연결강도는 건강인의 뇌 네트워크 연결강도에 비하여 더 강하거나 더 약할 수도 있으며, 이러한 위치별 네트워크의 차이를 고려하여 손상 위치와 정도를 판단한다.
그 다음, S500단계에서는 출력 및 전송모듈부(260)를 통해 외상성 뇌손상 정도 분석 결과를 송신한다. 이때 역시 컨텐츠를 자동으로 태깅하여 출력할 수 있다.
본 발명의 출원인은 15명의 외상성 뇌손상 환자와 동일 연령 및 성별의 건강인 20명의 안정상태 뇌 네트워크를 비교하였다.
도 11은 DMN 알파 네트워크 내의 연결중 외상성 뇌손상 환자군(mTBI)과 건강대조군(HC)의 네트워크 연결강도 그래프이다.
도 11을 참조하면 DMN 알파 네트워크 내에서 외상성 뇌손상 환자군(mTBI)과 건강대조군(HC)의 네트워크 강도는 그 차이가 확연하게 나타난다. 즉 DMN 알파 네트워크의 강도를 비교하여 외상성 뇌손상의 판정을 할 수 있다.
도 12에 DMN 알파 네트워크에서 건강 대조군(HC)이 외상성 뇌손상 환자군(mTBI)에 비하여 더 강한 연결성을 나타내는 경우를 도시하였고, 도 13에는 DMN 알파 네트워크에서 외상성 뇌손상 환자군(mTBI)이 건강 대조군(HC)에 비하여 더 강한 연결성을 나타내는 경우를 도시하였다.
도 12와 도 13을 참조하면 외상성 뇌손상 환자군(mTBI)의 경우 좌뇌와 우뇌의 동일 위치간의 연결성(MFGL-MFGR 등)은 건강 대조군(HC)에 비하여 더 큰 것으로 확인되며, 좌뇌와 우뇌의 다른 위치간의 연결성은 더 낮은 것으로 확인되었다.
이처럼 동일한 뇌 네트워크 내에서도 위치에 따라 외상성 뇌손상 환자군(mTBI)의 연결성이 건강대조군(HC)에 비하여 상대적으로 더 강한 연결성을 보이거나 더 약한 연결성을 보일 수 있으며, 이러한 특징을 고려하여 특정 위치에서 뇌손상 발생을 검출할 수 있으며, 연결성의 강도 차이를 이용하여 손상의 정도를 확인할 수 있다.
도 14는 FPN 알파 네트워크 내의 연결중 외상성 뇌손상 환자군(mTBI)과 건강대조군(HC)의 네트워크 연결강도 그래프이다.
도 14에서도 DMN 알파 네트워크의 경우와 동일하게 외상성 뇌손상 환자군(mTBI)과 건강 대조군(HC)의 네트워크 강도가 확연한 차이를 보이며, DMN 알파 네트워크의 강도를 이용하여 외상성 뇌손상을 판단할 수 있다.
도 15는 FPN 알파 네트워크에서 건강 대조군(HC)이 외상성 뇌손상 환자군(mTBI)에 비하여 더 강한 연결성을 나타내는 경우를 도시하였고, 도 16에는 FPN 알파 네트워크에서 외상성 뇌손상 환자군(mTBI)이 건강 대조군(HC)에 비하여 더 강한 연결성을 나타내는 경우를 도시하였다.
도 15와 도 16을 참조하면 외상성 뇌손상 환자군(mTBI)의 경우 좌뇌와 우뇌의 동일 위치간의 연결성(DLPFCL-DLPFCR 등)은 건강 대조군(HC)에 비하여 더 큰 것으로 확인되며, 좌뇌와 우뇌의 다른 위치간의 연결성은 더 낮은 것으로 확인되었다.
반면, 도 17의 AN 네트워크에서는 각 주파수 대역별 검출결과 모두 건강 대조군(HC)과 외상성 뇌손상 환자군(mTBI) 사이에 강도의 차이가 명확하게 구분되지 않으며, 따라서 AN 네트워크로의 강도 비교를 통해서는 외상성 뇌손상을 판단하기 어렵다.
이는 도 18에 도시한 SMN 네트워크에서도 동일하게 나타난다.
이상 설명한 바와 같이 분석된 뇌손상 정도는 출력 및 전송모듈부(260)를 통해 출력된다. 출력의 개념과 동작은 위에서 상세히 설명하였으므로 외상성 뇌손상을 판단하는 예에서는 설명을 생략한다.
도 19는 본 발명의 다른 실시예의 플랫폼에 의해 평가되는 다른 항목의 예를 나타낸다.
도 19를 참조하면 본 발명 뇌파를 통한 뇌 인지기능 평가 플랫폼은 입력된 집중력 평가 설문 결과와 세타-베타비(TBR) 지표를 이용하여 측정 대상자의 집중력(주의력)을 판단할 수 있다.
집중력은 지각을 조절하는 기본적인 인지기능으로 외부 환경이나 개체로부터의 자극을 인지하고 반응하는 정보선택 및 처리의 과정이며, 이러한 집중력에 관계되는 뇌 구조물에는 망상활성체계(reticular activating system), 중뇌상구(superior colliculi of midbarain), 시상, 두정엽, 전대상피질, 전두엽이 있다.
본 발명에서는 전전두엽의 뇌파 지표인 세타-베타비를 이용하여 집중력을 평가한다.
다수의 청소년들에 대한 집중력 평가 설문을 통한 집중력 점수와 세타-베타비를 보면 집중력 점수가 높을수록 세타-베타비가 증가하는 것으로 나타났다.
이처럼 본 발명에서는 집중력 평가 설문을 통한 집중력 점수와 함께 세타-베타비를 이용하여 개인의 집중력을 평가할 수 있다.
이때의 집중력 평가 설문을 해석한 점수는 플랫폼을 포함하는 평가 서비스 서버(200)의 입력장치를 통해 직접입력될 수 있으며, 업로드된 파일의 데이터를 이용하여 입력될 수 있다.
상기 출력 및 전송모듈부(260)는 뇌 기능 분석결과인 뇌 나이 또는 외상성 뇌손상 여부와 정도를 사용자단말(300)로 송신한다. 이때의 송신은 사용자단말(300)에 설치된 어플리케이션으로의 송신, 멀티미디어 메시지의 송신 등을 포함할 수 있다.
또한, 출력 및 전송모듈부(260)는 뇌 기능 분석결과를 측정단말(100)로 전송할 수도 있다.
아울러 '송신'의 개념에는 상기 출력 및 전송모듈부(260)에서 평가결과를 암호화하여 클라우드 서버에 저장하고, 인증된 사용자단말(300)이나 측정단말(100)을 이용하여 클라우드 서버에 접속하여 확인할 수 있는 개념을 포함한다.
본 발명은 상기 실시예에 한정되지 않고 본 발명의 기술적 요지를 벗어나지 아니하는 범위 내에서 다양하게 수정, 변형되어 실시될 수 있음은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 있어서 자명한 것이다.
100:측정단말 110:측정센서
120:증폭부 130:자극발생부
200:분석 서비스 서버 210:필터모듈부
220:지표산출모듈부 230:지표 데이터베이스
240:비교모듈부 250:연산모듈부
260:출력 및 전송모듈부 300:사용자단말
120:증폭부 130:자극발생부
200:분석 서비스 서버 210:필터모듈부
220:지표산출모듈부 230:지표 데이터베이스
240:비교모듈부 250:연산모듈부
260:출력 및 전송모듈부 300:사용자단말
Claims (15)
- 수신된 뇌파 데이터에서 잡음을 제거하는 필터모듈부;
뇌파 데이터의 파워 스펙트럼과 연관성 및 네트워크를 분석하는 지표분석모듈부;
건강인의 뇌파 데이터를 저장하는 지표 데이터베이스;
상기 지표분석모듈부의 분석결과를 상기 지표 데이터베이스에 저장된 건강인의 뇌파 데이터와 비교하는 비교모듈부;
상기 비교모듈부의 비교 결과를 연산하여 측정 대상자의 뇌 인지기능 결과를 산출하는 연산모듈부; 및
상기 연산모듈부의 연산 결과인 측정 대상자의 뇌 기능의 시각화된 이미지에 텍스트 데이터를 태깅하여 함께 전송하는 출력 및 전송모듈부를 포함하는 뇌파를 통한 뇌 인지기능 평가 플랫폼. - 제1항에 있어서,
상기 필터모듈부는,
심층신경망을 이용하여 측정단말로부터 입력된 측정된 잡음이 포함된 뇌파 신호를 순수 뇌파 성분, 수평 눈 움직임 성분, 수직 눈 움직임 성분, 근육 움직임 성분, 기타 노이즈 성분으로 분류하고, 상기 순수 뇌파 성분을 추출하는 것을 특징으로 하는 뇌파를 통한 뇌 인지기능 평가 플랫폼. - 제1항에 있어서,
측정단말은,
뇌파를 측정하기 위한 측정센서들;
측정센서들의 측정 신호를 증폭하는 증폭부; 및
사건 유발 전위 뇌파를 측정하기 위하여 자극을 발생시키는 자극발생부를 포함하는 뇌파를 통한 뇌 인지기능 평가 플랫폼. - 제3항에 있어서,
상기 뇌 인지기능은 뇌 나이 또는 외상성 뇌손상 또는 집중도이며,
상기 지표 데이터베이스에는 건강인의 나이와 성별에 따라 파워 맵 및 뇌 네트워크 강도 정보가 저장된 것을 특징으로 하는 뇌 인지기능 평가 플랫폼. - 제3항에 있어서,
상기 지표분석모듈부는,
주파수 대역별 절대 파워와 상대 파워를 의미하는 파워 스펙트럼 분석, 뇌의 기능적 연결성 및 네트워크 분석을 포함하며,
상기 기능적 연결성은, 디폴트 모드 네트워크(default mode network, DMN), 어텐션 모드 네트워크(attention network, AN), 프론토 패리에탈 네트워크(fronto-parietal network, FPN) 및 감각운동기 네트워크(sensorimotor network, SMN)으로 정의된 네트워크의 구성 영역들 사이의 기능적 연결성(functional connectivity)을 계산하는 것을 특징으로 하는 뇌 인지기능 평가 플랫폼. - 제5항에 있어서,
상기 기능적 연결성은,
아래의 수학식 1로 표현되는 것을 특징으로 하는 뇌 인지기능 평가 플랫폼.
수학식 1
상기 수학식 1에서 f는 주파수, Sxy(f)는 X와 Y 사이의 크로스 스펙트럼(cross-spectrum), Sxx(f)와 Syy(f)는 각각 X와 Y의 스펙트럼, im은 허수부 코히어런스(imaginary part of coherence)를 의미하고, ()는 () 내에 기재된 구간의 평균 - 제3항에 있어서,
상기 비교모듈부는,
상기 디폴트 모드 네트워크와 상기 프론토 패리에탈 네트워크의 알파파 영역을 비교하여 외상성 뇌손상 위치와 정도를 확인하는 것을 특징으로 하는 뇌 인지기능 평가 플랫폼. - 제7항에 있어서,
상기 알파파 영역에서,
외상성 뇌손상 환자군의 경우 좌뇌와 우뇌의 동일 위치간의 연결성은 건강 대조군에 비하여 더 크고, 좌뇌와 우뇌의 다른 위치 간의 연결성은 더 낮은 것을 특징으로 하는 뇌 인지기능 평가 플랫폼. - 제3항에 있어서,
상기 연산모듈부는,
아래의 수학식 2를 통해 뇌 나이 또는 뇌손상 정도를 산출하는 것을 특징으로 하는 뇌 인지기능 평가 플랫폼.
수학식 2
X는 검출된 뇌파 데이터의 분석 지표 값 또는 뇌 네트워크 강도이며,는 지표 데이터베이스에 저장된 동일 연령 및 성별 분석 지표 값의 평균 또는 동일 연령 및 성별 건강인 표준 뇌 네트워크 강도의 평균이고, σ는 동일 연령 및 성별 데이터의 표준편차값 또는 건강인 표준 뇌 네트워크 강도의 표준편차값
- a) 측정단말에서 안정 상태 및 사건 유발 전위 뇌파 데이터를 측정하고, 집중도 설문 결과를 분석 서비스 서버로 전송하는 단계;
b) 상기 측정단말로부터 전송된 뇌파 데이터의 파워 스펙트럼, 주파수 대역별 절대 파워 및 상대 파워, 연결성 및 네트워크 지표, 세타-베타비와 함께 설문 결과에 따른 집중도를 산출하는 단계;
c) 동일 성별 건강인 표준 뇌파 지표 또는 네트워크 강도와 비교하여, 측정 대상자의 추정 뇌 나이 또는 건강인 표준 네트워크 강도와 비교하고, 세타-베타비와 설문 결과에 따라 뇌 인지기능 정도를 산출하는 단계; 및
d) 평가된 뇌 인지기능과 함께 평가된 뇌 인지기능에 따라 분류된 텍스트 데이터를 태깅하여 측정 대상자의 뇌파 데이터의 시각화된 이미지와 함께 사용자단말 또는 측정단말로 전송하는 단계를 포함하는 뇌파를 통한 뇌 인지기능 평가 방법. - 제10항에 있어서,
상기 b) 단계는,
주파수 대역별 절대 파워와 상대 파워를 의미하는 파워 스펙트럼 분석, 뇌의 기능적 연결성 및 네트워크 분석을 포함하며,
뇌파의 파워 스펙트럼은 뇌파의 구성 주파수별 전력의 크기를 검출하여, ㎶2/Hz 또는 dB/Hz 단위로 표시하고,
상기 주파수 대역별 절대 파워는 주파수 대역별로 구성 주파수 파워를 가산하여 산출하고,
상기 상대 파워는 특정 주파수 대역에서 절대 파워를 전체 주파수 대역에서 계산된 전체 파워로 나누어 산출하는 뇌파를 통한 뇌 인지기능 평가 방법.. - 제10항에 있어서,
상기 b) 단계는,
주파수 대역별 절대 파워와 상대 파워를 의미하는 파워 스펙트럼 분석, 뇌의 기능적 연결성 및 네트워크 분석을 포함하며,
상기 기능적 연결성은, 디폴트 모드 네트워크(default mode network, DMN), 어텐션 모드 네트워크(attention network, AN), 프론토 패리에탈 네트워크(fronto-parietal network, FPN) 및 감각운동기 네트워크(sensorimotor network, SMN)으로 정의된 네트워크의 구성 영역들 사이의 기능적 연결성(functional connectivity)을 계산하는 것을 특징으로 하는 뇌파를 통한 뇌 인지기능 평가 방법. - 제10항에 있어서,
상기 c) 단계는,
아래의 수학식 2를 통해 뇌 나이 추정 연산 또는 뇌 손상 정도를 연산하는 것을 특징으로 하는 뇌파를 통한 뇌 인지기능 평가 방법.
수학식 2
X는 검출된 뇌파 데이터의 분석 지표 값 또는 뇌 네트워크 강도이며,는 지표 데이터베이스에 저장된 동일 연령 및 성별 분석 지표 값의 평균 또는 동일 연령 및 성별 건강인 표준 뇌 네트워크 강도의 평균이고, σ는 동일 연령 및 성별 데이터의 표준편차값 또는 건강인 표준 뇌 네트워크 강도의 표준편차값
- 제10항에 있어서,
상기 외상성 뇌손상 정도는,
산출된 상기 연결성 및 네트워크 지표를 동일 성별 건강인 표준 뇌 네트워크 지표와 비교하고, 뇌손상 정도를 산출하고,
상기 뇌손상 정도의 절대값이 설정값을 초과하는 경우 뇌 네트워크의 개별 지표들을 비교하여 뇌손상 위치 및 정도를 확인하는 것을 특징으로 하는 뇌파를 통한 뇌 인지기능 평가 방법. - 제12항에 있어서,
상기 기능적 연결성은,
아래의 수학식 1로 표현되는 것을 특징으로 하는 뇌파를 통한 뇌 인지기능 평가 방법.
상기 수학식 1에서 f는 주파수, Sxy(f)는 X와 Y 사이의 크로스 스펙트럼(cross-spectrum), Sxx(f)와 Syy(f)는 각각 X와 Y의 스펙트럼, im은 허수부 코히어런스(imaginary part of coherence)를 의미하고, ()는 () 내에 기재된 구간의 평균
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170156921A KR20190059376A (ko) | 2017-11-23 | 2017-11-23 | 뇌파를 통한 뇌 인지기능 평가 플랫폼 및 방법 |
| PCT/KR2017/013454 WO2019103187A1 (ko) | 2017-11-23 | 2017-11-24 | 뇌파를 통한 뇌 인지기능 평가 플랫폼 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170156921A KR20190059376A (ko) | 2017-11-23 | 2017-11-23 | 뇌파를 통한 뇌 인지기능 평가 플랫폼 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20190059376A true KR20190059376A (ko) | 2019-05-31 |
Family
ID=66630609
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170156921A KR20190059376A (ko) | 2017-11-23 | 2017-11-23 | 뇌파를 통한 뇌 인지기능 평가 플랫폼 및 방법 |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR20190059376A (ko) |
| WO (1) | WO2019103187A1 (ko) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210017336A (ko) | 2019-08-08 | 2021-02-17 | 박문석 | 사물인터넷(IoT)을 활용한 뇌(腦) 휴식 디바이스 |
| WO2021053950A1 (ja) * | 2019-09-19 | 2021-03-25 | 株式会社カネカ | 情報処理装置および情報処理プログラム |
| KR20210060128A (ko) | 2019-11-18 | 2021-05-26 | 주식회사 씨앰지 | 동작인식분석 기반의 뇌 인지기능 평가 방법 및 평가 시스템 |
| KR20220011573A (ko) * | 2020-07-20 | 2022-01-28 | 주식회사 아이메디신 | 인공지능 모델 학습을 위한 표준화된 뇌파 이미지 생성방법, 장치 및 컴퓨터프로그램 |
| KR20220080815A (ko) * | 2020-12-07 | 2022-06-15 | 연세대학교 원주산학협력단 | 생체신호 기반 퇴행성 뇌질환 예측 및 훈련 시스템 |
| KR20220145440A (ko) * | 2021-04-21 | 2022-10-31 | 금오공과대학교 산학협력단 | 머신러닝 기반의 치매 예측 방법 |
| WO2022244950A1 (ko) * | 2021-05-18 | 2022-11-24 | 주식회사 아이메디신 | 인공지능 모델 학습을 위한 표준화된 뇌파 이미지 생성방법, 장치 및 컴퓨터프로그램 |
| KR20230020782A (ko) * | 2021-08-04 | 2023-02-13 | 주식회사 아이엠브레인 | 인지장애 정도 측정 시스템 |
| KR20230096378A (ko) | 2021-12-23 | 2023-06-30 | 대한민국(국립재활원장) | 뇌파 기반 인지 기능 평가 장치 및 방법 |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| BR112021023808A2 (pt) * | 2019-06-04 | 2022-01-04 | Boeing Co | Método e dispositivo para avaliar conteúdo de projeção em um ambiente fechado, meio de armazenamento legível por máquina, processador, e, produto programa de computador |
| CN114259205A (zh) * | 2020-09-16 | 2022-04-01 | 中国科学院脑科学与智能技术卓越创新中心 | 脑认知功能检测系统 |
| CN112494053B (zh) * | 2020-12-23 | 2023-10-03 | 深圳市德力凯医疗设备股份有限公司 | 大脑的缺氧危险程度监控方法、系统、设备及存储介质 |
| TWI799087B (zh) * | 2021-05-19 | 2023-04-11 | 英屬開曼群島商大峽谷智慧照明系統股份有限公司 | 動態光譜節目的編輯方法與人因照光方法 |
| CN113288174B (zh) * | 2021-05-31 | 2022-08-19 | 中国科学院西安光学精密机械研究所 | 一种精神分裂患者认知功能的检测方法 |
| CN113367704A (zh) * | 2021-06-04 | 2021-09-10 | 智慧精灵(厦门)科技有限公司 | 基于脑电数据的大脑相关指标的智能测评分析方法 |
| CN116098634A (zh) * | 2023-01-31 | 2023-05-12 | 首都医科大学宣武医院 | 一种基于刺激事件的脑功能检测评估方法、装置及系统 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100508885B1 (ko) * | 2001-06-29 | 2005-08-18 | 림스테크널러지주식회사 | 뇌파 파라미터를 사용한 뉴로피드백 훈련을 위한 무선 시스템 |
| US7904144B2 (en) * | 2005-08-02 | 2011-03-08 | Brainscope Company, Inc. | Method for assessing brain function and portable automatic brain function assessment apparatus |
| US9173609B2 (en) * | 2011-04-20 | 2015-11-03 | Medtronic, Inc. | Brain condition monitoring based on co-activation of neural networks |
| CA2841422A1 (en) * | 2011-07-20 | 2013-01-24 | Elminda Ltd. | Method and system for estimating brain concussion |
| US10118038B2 (en) * | 2015-03-24 | 2018-11-06 | Dirk De Ridder | Methods of neuromodulation |
-
2017
- 2017-11-23 KR KR1020170156921A patent/KR20190059376A/ko not_active Application Discontinuation
- 2017-11-24 WO PCT/KR2017/013454 patent/WO2019103187A1/ko active Application Filing
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210017336A (ko) | 2019-08-08 | 2021-02-17 | 박문석 | 사물인터넷(IoT)을 활용한 뇌(腦) 휴식 디바이스 |
| WO2021053950A1 (ja) * | 2019-09-19 | 2021-03-25 | 株式会社カネカ | 情報処理装置および情報処理プログラム |
| KR20210060128A (ko) | 2019-11-18 | 2021-05-26 | 주식회사 씨앰지 | 동작인식분석 기반의 뇌 인지기능 평가 방법 및 평가 시스템 |
| KR20220011573A (ko) * | 2020-07-20 | 2022-01-28 | 주식회사 아이메디신 | 인공지능 모델 학습을 위한 표준화된 뇌파 이미지 생성방법, 장치 및 컴퓨터프로그램 |
| KR20220080815A (ko) * | 2020-12-07 | 2022-06-15 | 연세대학교 원주산학협력단 | 생체신호 기반 퇴행성 뇌질환 예측 및 훈련 시스템 |
| KR20220145440A (ko) * | 2021-04-21 | 2022-10-31 | 금오공과대학교 산학협력단 | 머신러닝 기반의 치매 예측 방법 |
| WO2022244950A1 (ko) * | 2021-05-18 | 2022-11-24 | 주식회사 아이메디신 | 인공지능 모델 학습을 위한 표준화된 뇌파 이미지 생성방법, 장치 및 컴퓨터프로그램 |
| KR20230020782A (ko) * | 2021-08-04 | 2023-02-13 | 주식회사 아이엠브레인 | 인지장애 정도 측정 시스템 |
| KR20230096378A (ko) | 2021-12-23 | 2023-06-30 | 대한민국(국립재활원장) | 뇌파 기반 인지 기능 평가 장치 및 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2019103187A1 (ko) | 2019-05-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20190059376A (ko) | 뇌파를 통한 뇌 인지기능 평가 플랫폼 및 방법 | |
| Barham et al. | Acquiring research‐grade ERPs on a shoestring budget: A comparison of a modified Emotiv and commercial SynAmps EEG system | |
| US8014853B2 (en) | Neurophysiological central auditory processing evaluation system and method | |
| CN109069081B (zh) | 用于预测、筛查和监测脑病/谵妄的设备、系统和方法 | |
| Chaouachi et al. | Affect and mental engagement: Towards adaptability for intelligent | |
| US20110087125A1 (en) | System and method for pain monitoring at the point-of-care | |
| US20060282008A1 (en) | System and method for vision examination utilizing fault detection | |
| CN101365380A (zh) | 使用脑电图（eeg）测量来分析和评估抑郁和其他情绪紊乱的系统和方法 | |
| US20180279938A1 (en) | Method of diagnosing dementia and apparatus for performing the same | |
| US20210059589A1 (en) | Systems and methods for non-intrusive deception detection | |
| KR20190083919A (ko) | 정신 건강을 진단하는 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체 | |
| KR101768332B1 (ko) | 우울 정도를 실시간으로 분석하는 방법 및 그 시스템 | |
| US20220148728A1 (en) | System and method for analyzing stress of user and managing individual mental health, using hmd device having biosignal sensors mounted therein | |
| KR20190059364A (ko) | 뇌파 분석을 통한 뇌 나이 추정 방법 및 시스템 | |
| CN113598790A (zh) | 基于听觉刺激的意识障碍脑功能网络的意识评估方法 | |
| WO2019176905A1 (ja) | 気分障害測定装置および気分障害測定方法 | |
| Adochiei et al. | Complex Embedded System for Stress Quantification | |
| KR20190059377A (ko) | 뇌파 분석을 통한 외상성 뇌손상 평가 시스템 및 방법 | |
| McNames et al. | A two-stage tremor detection algorithm for wearable inertial sensors during normal daily activities | |
| Brittenham et al. | Objective frequency analysis of transient visual evoked potentials in autistic children | |
| Peya et al. | ASD detection using Higuchi’s fractal dimension from EEG | |
| Sahroni et al. | Short-Term Pulse Rate Variability to Measure Changes in Emotion during Trier Social Stress Test | |
| Zandvoort et al. | Sensory event-related potential morphology predicts age in premature infants | |
| JP7444003B2 (ja) | 気分障害測定装置および気分障害測定方法 | |
| KR101410311B1 (ko) | 생체 정보를 이용한 적성 정보 생성 장치 및 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |