KR20190101951A - 뇌활동을 분석하는 시스템 및 방법 그리고 그 애플리케이션 - Google Patents
뇌활동을 분석하는 시스템 및 방법 그리고 그 애플리케이션 Download PDFInfo
- Publication number
- KR20190101951A KR20190101951A KR1020197000489A KR20197000489A KR20190101951A KR 20190101951 A KR20190101951 A KR 20190101951A KR 1020197000489 A KR1020197000489 A KR 1020197000489A KR 20197000489 A KR20197000489 A KR 20197000489A KR 20190101951 A KR20190101951 A KR 20190101951A
- Authority
- KR
- South Korea
- Prior art keywords
- individual
- mental state
- brain
- wavelet packet
- specially programmed
- Prior art date
Links
- 230000007177 brain activity Effects 0.000 title claims description 162
- 238000000034 method Methods 0.000 title claims description 157
- 230000006996 mental state Effects 0.000 claims abstract description 263
- 210000004556 brain Anatomy 0.000 claims abstract description 181
- 230000000007 visual effect Effects 0.000 claims abstract description 152
- 230000000694 effects Effects 0.000 claims abstract description 106
- 230000007613 environmental effect Effects 0.000 claims abstract description 46
- 238000010606 normalization Methods 0.000 claims abstract description 33
- 208000012902 Nervous system disease Diseases 0.000 claims description 168
- 230000004044 response Effects 0.000 claims description 121
- 208000025966 Neurological disease Diseases 0.000 claims description 79
- 230000008859 change Effects 0.000 claims description 39
- 230000015654 memory Effects 0.000 claims description 26
- 230000003340 mental effect Effects 0.000 claims description 19
- 238000010801 machine learning Methods 0.000 claims description 18
- 239000008280 blood Substances 0.000 claims description 17
- 210000004369 blood Anatomy 0.000 claims description 17
- 230000033001 locomotion Effects 0.000 claims description 16
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 15
- 229910052760 oxygen Inorganic materials 0.000 claims description 15
- 239000001301 oxygen Substances 0.000 claims description 15
- 230000036760 body temperature Effects 0.000 claims description 12
- 230000036387 respiratory rate Effects 0.000 claims description 12
- 238000012706 support-vector machine Methods 0.000 claims description 8
- 238000013135 deep learning Methods 0.000 claims description 7
- 238000007477 logistic regression Methods 0.000 claims description 7
- 239000013566 allergen Substances 0.000 claims description 5
- 230000005236 sound signal Effects 0.000 claims description 4
- 208000020016 psychiatric disease Diseases 0.000 claims description 3
- 108091006146 Channels Proteins 0.000 description 62
- 238000011282 treatment Methods 0.000 description 49
- 208000002193 Pain Diseases 0.000 description 46
- 230000036407 pain Effects 0.000 description 44
- 230000007958 sleep Effects 0.000 description 41
- 230000035882 stress Effects 0.000 description 35
- 238000012360 testing method Methods 0.000 description 31
- 230000001149 cognitive effect Effects 0.000 description 30
- 238000012544 monitoring process Methods 0.000 description 29
- 208000028173 post-traumatic stress disease Diseases 0.000 description 29
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 25
- 230000014509 gene expression Effects 0.000 description 25
- 238000012545 processing Methods 0.000 description 25
- 230000001953 sensory effect Effects 0.000 description 24
- 241000282414 Homo sapiens Species 0.000 description 22
- 230000002996 emotional effect Effects 0.000 description 21
- 238000000537 electroencephalography Methods 0.000 description 20
- 230000001537 neural effect Effects 0.000 description 20
- 206010002091 Anaesthesia Diseases 0.000 description 18
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 18
- 230000037005 anaesthesia Effects 0.000 description 18
- 238000000354 decomposition reaction Methods 0.000 description 18
- 238000001514 detection method Methods 0.000 description 18
- 230000002596 correlated effect Effects 0.000 description 17
- 229940079593 drug Drugs 0.000 description 17
- 239000003814 drug Substances 0.000 description 17
- 208000019695 Migraine disease Diseases 0.000 description 16
- 238000004458 analytical method Methods 0.000 description 15
- 238000011161 development Methods 0.000 description 15
- 230000018109 developmental process Effects 0.000 description 15
- 201000010099 disease Diseases 0.000 description 15
- 206010027599 migraine Diseases 0.000 description 15
- 230000036992 cognitive tasks Effects 0.000 description 14
- 238000004891 communication Methods 0.000 description 14
- 210000003128 head Anatomy 0.000 description 14
- 208000024891 symptom Diseases 0.000 description 14
- 238000013528 artificial neural network Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 13
- 230000036651 mood Effects 0.000 description 13
- 230000000638 stimulation Effects 0.000 description 13
- 230000013016 learning Effects 0.000 description 12
- 239000011159 matrix material Substances 0.000 description 12
- 239000013598 vector Substances 0.000 description 12
- 238000006243 chemical reaction Methods 0.000 description 11
- 238000007726 management method Methods 0.000 description 11
- 230000000472 traumatic effect Effects 0.000 description 11
- 208000035475 disorder Diseases 0.000 description 10
- 206010015037 epilepsy Diseases 0.000 description 10
- 208000019901 Anxiety disease Diseases 0.000 description 9
- 230000005856 abnormality Effects 0.000 description 9
- 229910002092 carbon dioxide Inorganic materials 0.000 description 9
- 239000001569 carbon dioxide Substances 0.000 description 9
- 206010010904 Convulsion Diseases 0.000 description 8
- 208000014674 injury Diseases 0.000 description 8
- 206010012289 Dementia Diseases 0.000 description 7
- 208000006011 Stroke Diseases 0.000 description 7
- 208000003443 Unconsciousness Diseases 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 7
- 230000036506 anxiety Effects 0.000 description 7
- 230000003920 cognitive function Effects 0.000 description 7
- 230000008921 facial expression Effects 0.000 description 7
- 206010016256 fatigue Diseases 0.000 description 7
- 230000008449 language Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000002560 therapeutic procedure Methods 0.000 description 7
- 230000008733 trauma Effects 0.000 description 7
- 208000024827 Alzheimer disease Diseases 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 6
- 208000029028 brain injury Diseases 0.000 description 6
- 230000000747 cardiac effect Effects 0.000 description 6
- 208000010877 cognitive disease Diseases 0.000 description 6
- 235000013601 eggs Nutrition 0.000 description 6
- 210000001061 forehead Anatomy 0.000 description 6
- 230000001965 increasing effect Effects 0.000 description 6
- 230000000302 ischemic effect Effects 0.000 description 6
- 210000005036 nerve Anatomy 0.000 description 6
- 230000003997 social interaction Effects 0.000 description 6
- 206010003805 Autism Diseases 0.000 description 5
- 208000020706 Autistic disease Diseases 0.000 description 5
- 230000009471 action Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 230000017531 blood circulation Effects 0.000 description 5
- 230000006931 brain damage Effects 0.000 description 5
- 231100000874 brain damage Toxicity 0.000 description 5
- 230000005978 brain dysfunction Effects 0.000 description 5
- 150000001875 compounds Chemical class 0.000 description 5
- 230000000875 corresponding effect Effects 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 5
- 230000004424 eye movement Effects 0.000 description 5
- 238000002372 labelling Methods 0.000 description 5
- 230000007787 long-term memory Effects 0.000 description 5
- 238000001671 psychotherapy Methods 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 230000006403 short-term memory Effects 0.000 description 5
- 208000019116 sleep disease Diseases 0.000 description 5
- 230000002123 temporal effect Effects 0.000 description 5
- 206010010254 Concussion Diseases 0.000 description 4
- 208000019022 Mood disease Diseases 0.000 description 4
- 208000030886 Traumatic Brain injury Diseases 0.000 description 4
- 230000003444 anaesthetic effect Effects 0.000 description 4
- 208000029560 autism spectrum disease Diseases 0.000 description 4
- 230000006399 behavior Effects 0.000 description 4
- 230000008131 children development Effects 0.000 description 4
- 230000001684 chronic effect Effects 0.000 description 4
- 239000003086 colorant Substances 0.000 description 4
- 230000009514 concussion Effects 0.000 description 4
- 230000006378 damage Effects 0.000 description 4
- 238000013500 data storage Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 239000007789 gas Substances 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 230000001225 therapeutic effect Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000009529 traumatic brain injury Effects 0.000 description 4
- 208000017667 Chronic Disease Diseases 0.000 description 3
- 208000006545 Chronic Obstructive Pulmonary Disease Diseases 0.000 description 3
- 206010020772 Hypertension Diseases 0.000 description 3
- 208000018737 Parkinson disease Diseases 0.000 description 3
- 239000000935 antidepressant agent Substances 0.000 description 3
- 229940005513 antidepressants Drugs 0.000 description 3
- 230000037007 arousal Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000019771 cognition Effects 0.000 description 3
- 230000001054 cortical effect Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 230000006397 emotional response Effects 0.000 description 3
- 230000008713 feedback mechanism Effects 0.000 description 3
- 239000012530 fluid Substances 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 230000000004 hemodynamic effect Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 210000003205 muscle Anatomy 0.000 description 3
- 230000000926 neurological effect Effects 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- IENZQIKPVFGBNW-UHFFFAOYSA-N prazosin Chemical compound N=1C(N)=C2C=C(OC)C(OC)=CC2=NC=1N(CC1)CCN1C(=O)C1=CC=CO1 IENZQIKPVFGBNW-UHFFFAOYSA-N 0.000 description 3
- 229960001289 prazosin Drugs 0.000 description 3
- 230000029058 respiratory gaseous exchange Effects 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 230000004936 stimulating effect Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 208000030090 Acute Disease Diseases 0.000 description 2
- 208000036864 Attention deficit/hyperactivity disease Diseases 0.000 description 2
- 208000000094 Chronic Pain Diseases 0.000 description 2
- 206010012335 Dependence Diseases 0.000 description 2
- 206010024264 Lethargy Diseases 0.000 description 2
- 208000027382 Mental deterioration Diseases 0.000 description 2
- 206010027374 Mental impairment Diseases 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 2
- 206010027940 Mood altered Diseases 0.000 description 2
- 206010049816 Muscle tightness Diseases 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 2
- 208000004983 Phantom Limb Diseases 0.000 description 2
- 206010056238 Phantom pain Diseases 0.000 description 2
- 208000010340 Sleep Deprivation Diseases 0.000 description 2
- 208000032109 Transient ischaemic attack Diseases 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000002266 amputation Methods 0.000 description 2
- 230000000740 bleeding effect Effects 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- 230000004641 brain development Effects 0.000 description 2
- RYYVLZVUVIJVGH-UHFFFAOYSA-N caffeine Chemical compound CN1C(=O)N(C)C(=O)C2=C1N=CN2C RYYVLZVUVIJVGH-UHFFFAOYSA-N 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 238000009225 cognitive behavioral therapy Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 230000001037 epileptic effect Effects 0.000 description 2
- 238000002599 functional magnetic resonance imaging Methods 0.000 description 2
- 208000019622 heart disease Diseases 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 208000035231 inattentive type attention deficit hyperactivity disease Diseases 0.000 description 2
- 239000003983 inhalation anesthetic agent Substances 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 210000004072 lung Anatomy 0.000 description 2
- 230000007595 memory recall Effects 0.000 description 2
- 230000004630 mental health Effects 0.000 description 2
- 230000007510 mood change Effects 0.000 description 2
- 210000001640 nerve ending Anatomy 0.000 description 2
- 235000016709 nutrition Nutrition 0.000 description 2
- 230000035764 nutrition Effects 0.000 description 2
- 208000030459 obsessive-compulsive personality disease Diseases 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 208000007656 osteochondritis dissecans Diseases 0.000 description 2
- 208000019906 panic disease Diseases 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 238000000554 physical therapy Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000033764 rhythmic process Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 231100000430 skin reaction Toxicity 0.000 description 2
- 230000008667 sleep stage Effects 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 230000008961 swelling Effects 0.000 description 2
- 210000002820 sympathetic nervous system Anatomy 0.000 description 2
- 201000010875 transient cerebral ischemia Diseases 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 239000002023 wood Substances 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 206010000125 Abnormal dreams Diseases 0.000 description 1
- 208000000412 Avitaminosis Diseases 0.000 description 1
- 208000020925 Bipolar disease Diseases 0.000 description 1
- 206010048909 Boredom Diseases 0.000 description 1
- 208000003174 Brain Neoplasms Diseases 0.000 description 1
- 208000014644 Brain disease Diseases 0.000 description 1
- 206010048962 Brain oedema Diseases 0.000 description 1
- 208000032841 Bulimia Diseases 0.000 description 1
- 206010006550 Bulimia nervosa Diseases 0.000 description 1
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 206010007559 Cardiac failure congestive Diseases 0.000 description 1
- 208000028698 Cognitive impairment Diseases 0.000 description 1
- 206010010071 Coma Diseases 0.000 description 1
- 208000012239 Developmental disease Diseases 0.000 description 1
- 206010013654 Drug abuse Diseases 0.000 description 1
- 206010052804 Drug tolerance Diseases 0.000 description 1
- 241001539473 Euphoria Species 0.000 description 1
- 206010015535 Euphoric mood Diseases 0.000 description 1
- 206010016275 Fear Diseases 0.000 description 1
- 206010019280 Heart failures Diseases 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 208000001953 Hypotension Diseases 0.000 description 1
- 206010021135 Hypovitaminosis Diseases 0.000 description 1
- 206010021143 Hypoxia Diseases 0.000 description 1
- LPHGQDQBBGAPDZ-UHFFFAOYSA-N Isocaffeine Natural products CN1C(=O)N(C)C(=O)C2=C1N(C)C=N2 LPHGQDQBBGAPDZ-UHFFFAOYSA-N 0.000 description 1
- 208000019693 Lung disease Diseases 0.000 description 1
- 208000002720 Malnutrition Diseases 0.000 description 1
- 206010027603 Migraine headaches Diseases 0.000 description 1
- 206010029216 Nervousness Diseases 0.000 description 1
- 206010029412 Nightmare Diseases 0.000 description 1
- 208000021384 Obsessive-Compulsive disease Diseases 0.000 description 1
- 206010035148 Plague Diseases 0.000 description 1
- 206010062519 Poor quality sleep Diseases 0.000 description 1
- 206010037180 Psychiatric symptoms Diseases 0.000 description 1
- 208000028017 Psychotic disease Diseases 0.000 description 1
- 206010037660 Pyrexia Diseases 0.000 description 1
- 235000002911 Salvia sclarea Nutrition 0.000 description 1
- 244000182022 Salvia sclarea Species 0.000 description 1
- 208000013738 Sleep Initiation and Maintenance disease Diseases 0.000 description 1
- 206010041349 Somnolence Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 238000002679 ablation Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 239000000674 adrenergic antagonist Substances 0.000 description 1
- 230000036626 alertness Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 239000002269 analeptic agent Substances 0.000 description 1
- 229940035676 analgesics Drugs 0.000 description 1
- 208000022531 anorexia Diseases 0.000 description 1
- 239000000730 antalgic agent Substances 0.000 description 1
- 230000001430 anti-depressive effect Effects 0.000 description 1
- 229940125681 anticonvulsant agent Drugs 0.000 description 1
- 239000001961 anticonvulsive agent Substances 0.000 description 1
- 208000008784 apnea Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 206010003119 arrhythmia Diseases 0.000 description 1
- 238000010420 art technique Methods 0.000 description 1
- 239000002876 beta blocker Substances 0.000 description 1
- 229940097320 beta blocking agent Drugs 0.000 description 1
- 230000023555 blood coagulation Effects 0.000 description 1
- 230000005821 brain abnormality Effects 0.000 description 1
- 208000006752 brain edema Diseases 0.000 description 1
- 229960001948 caffeine Drugs 0.000 description 1
- VJEONQKOZGKCAK-UHFFFAOYSA-N caffeine Natural products CN1C(=O)N(C)C(=O)C2=C1C=CN2C VJEONQKOZGKCAK-UHFFFAOYSA-N 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 210000000038 chest Anatomy 0.000 description 1
- 238000003776 cleavage reaction Methods 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 230000003930 cognitive ability Effects 0.000 description 1
- 230000006999 cognitive decline Effects 0.000 description 1
- 231100000876 cognitive deterioration Toxicity 0.000 description 1
- 230000003931 cognitive performance Effects 0.000 description 1
- 230000008867 communication pathway Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000009223 counseling Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 206010061428 decreased appetite Diseases 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 239000002934 diuretic Substances 0.000 description 1
- 229940030606 diuretics Drugs 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 208000028329 epileptic seizure Diseases 0.000 description 1
- 230000005713 exacerbation Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000010195 expression analysis Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000001605 fetal effect Effects 0.000 description 1
- 238000002695 general anesthesia Methods 0.000 description 1
- 239000003193 general anesthetic agent Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000026781 habituation Effects 0.000 description 1
- 235000001497 healthy food Nutrition 0.000 description 1
- 208000013403 hyperactivity Diseases 0.000 description 1
- 230000000147 hypnotic effect Effects 0.000 description 1
- 230000036543 hypotension Effects 0.000 description 1
- 230000007954 hypoxia Effects 0.000 description 1
- 230000001976 improved effect Effects 0.000 description 1
- 238000012880 independent component analysis Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 206010022437 insomnia Diseases 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 208000023589 ischemic disease Diseases 0.000 description 1
- 230000008140 language development Effects 0.000 description 1
- 238000011542 limb amputation Methods 0.000 description 1
- 239000003589 local anesthetic agent Substances 0.000 description 1
- 229960005015 local anesthetics Drugs 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 230000001071 malnutrition Effects 0.000 description 1
- 235000000824 malnutrition Nutrition 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000006993 memory improvement Effects 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002161 motor neuron Anatomy 0.000 description 1
- 230000001338 necrotic effect Effects 0.000 description 1
- 230000007383 nerve stimulation Effects 0.000 description 1
- -1 neuroleptics Substances 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 208000015380 nutritional deficiency disease Diseases 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 208000005026 persistent vegetative state Diseases 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 230000036385 rapid eye movement (rem) sleep Effects 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 230000009257 reactivity Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 208000023504 respiratory system disease Diseases 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 210000004761 scalp Anatomy 0.000 description 1
- 231100000241 scar Toxicity 0.000 description 1
- 230000007017 scission Effects 0.000 description 1
- 230000021317 sensory perception Effects 0.000 description 1
- 201000002859 sleep apnea Diseases 0.000 description 1
- 230000003860 sleep quality Effects 0.000 description 1
- 230000008454 sleep-wake cycle Effects 0.000 description 1
- 230000004037 social stress Effects 0.000 description 1
- 239000003195 sodium channel blocking agent Substances 0.000 description 1
- 210000000278 spinal cord Anatomy 0.000 description 1
- 150000003431 steroids Chemical class 0.000 description 1
- 208000011117 substance-related disease Diseases 0.000 description 1
- 230000008093 supporting effect Effects 0.000 description 1
- 210000004243 sweat Anatomy 0.000 description 1
- 230000002889 sympathetic effect Effects 0.000 description 1
- 210000001994 temporal artery Anatomy 0.000 description 1
- 210000003478 temporal lobe Anatomy 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 239000003053 toxin Substances 0.000 description 1
- 231100000765 toxin Toxicity 0.000 description 1
- 108700012359 toxins Proteins 0.000 description 1
- 238000002646 transcutaneous electrical nerve stimulation Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 208000030401 vitamin deficiency disease Diseases 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
- 230000009184 walking Effects 0.000 description 1
- 230000036642 wellbeing Effects 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
- A61B5/24—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
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
- A61B5/024—Measuring pulse rate or heart rate
-
- 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
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/053—Measuring electrical impedance or conductance of a portion of the body
- A61B5/0531—Measuring skin impedance
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Measuring devices for evaluating the respiratory organs
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue
- A61B5/14542—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue for measuring blood gases
-
- 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
-
- 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
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/6803—Head-worn items, e.g. helmets, masks, headphones or goggles
-
- 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
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/726—Details of waveform analysis characterised by using transforms using Wavelet transforms
-
- 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
- A61B5/7405—Details of notification to user or communication with user or patient ; user input means using sound
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0242—Operational features adapted to measure environmental factors, e.g. temperature, pollution
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4058—Detecting, measuring or recording for evaluating the nervous system for evaluating the central nervous system
- A61B5/4064—Evaluating the brain
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychology (AREA)
- Cardiology (AREA)
- Neurology (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pulmonology (AREA)
- Radiology & Medical Imaging (AREA)
- Neurosurgery (AREA)
- Educational Technology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Dermatology (AREA)
- Hospice & Palliative Care (AREA)
- Social Psychology (AREA)
- Dentistry (AREA)
- Optics & Photonics (AREA)
- High Energy & Nuclear Physics (AREA)
Abstract
일부 실시예에서, 본 발명은, 개인의 뇌 전기 활동, 개인의 생리학적 파라미터 및 환경적 파라미터를 기록하는 장치; 컴퓨터 프로세서를 포함하는 예시적인 창의적인 시스템을 제공하며, 컴퓨터 프로세서는, 전기 신호 데이터의 기록을 획득하는 것; 전기 신호 데이터의 획득된 기록을 잡음 제거된 최적 세트 웨이블렛 패킷 원자의 미리 결정된 순서정렬로 투영하여 투영 세트를 획득하는 것; 미리 결정된 정규화 인자 세트를 사용해서 개인의 특정 투영 세트를 정규화하여, 정규화된 투영 세트를 형성하는 것; 뇌 상태를 할당함으로써 개인의 개인화된 정신 상태를 결정하는 것; 생체 변수, 환경 변수 및 개인화된 정신 상태 간의 관계를 결정하는 것; 개인화된 정신 상태를 나타내는 시각적 표시 및 개인의 개인화된 정신 상태에 영향을 미치도록 구성된 피드백 출력을 포함하는 출력을 생성하는 것을 수행하도록 구성된다.
Description
관련 출원
본 출원은 2016년 6월 7일자로 출원된 "SYSTEMS AND METHODS FOR BRAIN ACTIVITY INTERPRETATION(뇌활동 해석을 위한 시스템 및 방법)"이라는 명칭의 미국 가출원 No. 62/346,626 및 2016년 8월 15일자로 출원된 "SYSTEMS AND METHODS FOR BRAIN ACTIVITY MONITORING(뇌활동 모니터링을 위한 시스템 및 방법)"이라는 명칭의 미국 가출원 No. 62/375,004의 우선권을 주장하고, 각각의 미국 가출원의 내용은 모든 목적을 위해 그 전체가 본 출원에 참조로 포함된다.
발명의 분야
본 발명은 개인의 뇌 상태, 건강(health), 및 건강에 대한 안녕(wellness)을 모니터링하기 위한 방법 및 시스템에 관한 것이다. 특히, 본 발명은 개인의 뇌활동 및 다른 생리적 파라미터 및 환경적 파라미터를 모니터링하고, 모니터링된 뇌활동을 생리적 및 환경적 파라미터와 상관시키고, 상관관계로부터 개인의 인지 능력 및 뇌 상태의 변화를 검출하기 위한 시스템에 관한 것이다.
뇌파검사(electroencephalography, EEG)는 뇌의 전기적 활동을 모니터링하는 하나의 방법이다. 이 방법은 전형적으로 전극이 두피를 따라 배치되는 비침습적이지만, 특정 응용에는 침습성 전극이 사용될 수 있다. EEG는 뇌의 뉴런 내의 이온 전류로 말미암은 전압 변동을 측정한다. 그러나 EGG 전극의 민감도로 인해 각 전극에 가까운 뇌의 작은 영역으로 검출이 제한되고, 이에 따라 EGG의 공간 분해능이 제한된다.
기능적 자기 공명 영상화(functional magnetic resonance imaging, fMRI)는 뇌활동을 모니터링하는 다른 방법이다. 그러나 자기 공명 영상화 장치는 진료소 외부에서도, 연속적으로도 사용할 수 없는, 대형의 고가 임상 디바이스이다.
일부 실시예에서, 본 발명은 적어도 다음의 구성요소를 포함하는 예시적인 창의적인 시스템을 제공하고, 적어도 다음의 구성요소는, 개인의 머리에 착용되도록 구성되고, i) 개인의 뇌 전기 활동, ii) 심장 박동수, 혈액 산소 레벨, 신체 온도, 호흡 수, 피부 온도, 피부 전도도, 및 움직임(movement)으로 이루어지는 그룹으로부터 선택된, 개인의 적어도 하나의 생리학적 파라미터, 및 iii) 적어도 하나의 환경적 파라미터를 기록하도록 구성된 장치; 특별히 프로그램된 컴퓨터 시스템을 포함하고, 여기서 특별히 프로그램된 컴퓨터 시스템은, i) 특정 컴퓨터 실행 가능 프로그램 코드를 전자적으로 저장한 비일시적 메모리; 및 ii) 특정 프로그램 코드를 실행할 때, 적어도 다음의 동작을 수행하도록 구성된 특별히 프로그램된 컴퓨터 프로세서가 되는 적어도 하나의 컴퓨터 프로세서를 포함하고, 적어도 다음의 동작은, 개인의 뇌 전기 활동을 나타내는 전기 신호 데이터의 기록을 연속적으로 획득하는 단계; 실시간으로, 획득된 전기 신호 데이터의 기록을 잡음 제거된 최적 세트 웨이블렛 패킷 원자의 미리 결정된 순서정렬 상에 연속적으로 투영하여, 개인의 특정 투영 세트를 획득하는 단계; 실시간으로, 미리 결정된 정규화 인자 세트를 사용해서 개인의 특정 투영 세트를 연속적으로 정규화하여, 개인의 정규화된 투영 세트를 형성하는 단계; 실시간으로, 개인의 정규화된 투영 세트에 적어도 하나의 머신 학습 알고리즘을 적용하는 것에 기초하여 개인에게 적어도 하나의 특정 뇌 상태―적어도 하나의 특정 뇌 상태는 정신 상태, 신경학적 질환, 또는 정신 상태와 신경학적 질환의 조합과 연관됨―를 할당함으로써 개인의 적어도 하나의 개인화된 정신 상태를 연속적으로 결정하는 단계; i) 적어도 하나의 생리학적 파라미터, ii) 적어도 하나의 환경적 파라미터, 및 iii) 적어도 하나의 개인화된 정신 상태 사이의 관계를 연속적으로 결정하는 단계; 실시간으로, 출력을 연속적으로 생성하는 단계를 포함하고, 출력은, 1) 시각적 표시(visual indication)―시각적 표시는 적어도 하나의 개인화된 정신 상태를 나타냄―, 및 2) 관계에 기초하여, 개인의 적어도 하나의 개인화된 정신 상태에 영향을 미치도록 구성된 피드백 출력을 포함한다.
일부 실시예에서, 피드백 출력은, 청각적 신호, 시각적 신호, 물리적으로 감지된 신호, 및 이들의 임의의 조합으로 이루어지는 그룹으로부터 선택된다.
일부 실시예에서, 물리적으로 감지된 신호는 개인에 의해 물리적으로 감지되는 진동이다.
일부 실시예에서, 피드백 출력을 생성하는 단계는, i) 적어도 하나의 생리학적 파라미터, ii) 적어도 하나의 환경적 파라미터, 및 iii) 적어도 하나의 개인화된 정신 상태 중의 적어도 하나에서 미리 결정된 문턱치를 초과하는 변화를 결정하는 단계를 포함한다.
일부 실시예에서, 특별히 프로그램된 컴퓨터 프로세서는 또한, 다음의 단계에 기초하여, 잡음 제거된 최적 세트 웨이블렛 패킷 원자의 미리 결정된 순서정렬을 결정하도록 구성되고, 다음의 단계는, 복수의 개인으로부터, 뇌활동을 나타내는 전기 신호 데이터의 적어도 100 개 기록을 획득하는 단계; 다음의 단계에 의해, 복수의 개인으로부터의 기록 중에서 기록된 전기 신호 데이터로부터 최적의 웨이블렛 패킷 원자 세트를 획득하는 단계―다음의 단계는, 1) 하르, 코이플렛 다스베이 및 메이어(Haar, Coiflet Daubehies 및 Meyer) 웨이블렛 패밀리로 이루어지는 그룹으로부터 선택된 마더 웨이블렛(mother wavelet)을 선택하는 단계; 2) 다음의 단계에 의해, 특별히 프로그램된 프로세서에 의해, 최적의 웨이블렛 패킷 원자 세트를 결정하는 단계를 포함하고, 다음의 단계는, a) 선택된 마더 웨이블렛을 사용하여, 적어도 하나의 복수의 전기 신호 데이터를 복수의 웨이블렛 패킷 원자로 분해되게 하는 단계; b) 복수의 웨이블렛 패킷 원자를 적어도 하나의 제 1 컴퓨터 데이터 객체에 저장하는 단계; c) 미리 결정된 마더 웨이블렛을 사용하여 최적의 웨이블렛 패킷 원자 세트를 결정하고, 최적의 웨이블렛 패킷 원자 세트를 적어도 하나의 제 2 컴퓨터 데이터 객체에 저장하는 단계를 포함하고, 여기서 결정 단계는 코이만-위커하우저 베스트 베이시스(Coifman-Wickerhauser Best Basis) 알고리즘을 이용하여; i) 복수의 개인으로부터의 기록 중에서 획득된 최적의 웨이블렛 패킷 원자 세트를 잡음 제거하는 단계; ii) 다음의 단계에 의해, 최저 경로(minimum path)를 결정함으로써, 복수의 개인으로부터의 기록 중에서 기록된 전기 신호 데이터로부터 잡음 제거된 최적의 웨이블렛 패킷 원자 세트를 재순서정렬하여, 복수의 개인으로부터의 기록 중에서 잡음 제거된 최적의 웨이블렛 패킷 원자 세트의 미리 결정된 순서정렬을 획득하는 단계이고, 다음의 단계는, 1) 적어도 하나의 복수의 전기 신호 데이터를 잡음 제거된 최적의 웨이블렛 패킷 원자 세트로 투영―투영은 전기 신호의 각 시간 윈도우에서의 전기 신호 및 웨이블렛 패킷 원자의 컨볼루션(convolution)의 결과임―하여, 투영 세트를 획득하는 단계; 2) 투영 세트 내의 모든 데이터 포인트마다 와이어 길이―각각의 와이어 길이는 매 두 번의 투영의 상관관계에 의해 결정됨―의 집합을 결정하는 단계; 3) 투영 세트에 대한 와이어 길이의 집합을 적어도 하나의 제 3 컴퓨터 데이터 객체에 저장하는 단계; 4) 반복적으로, 특별히 프로그램된 프로세서에 의해, 다음의 단계에 의해, 복수의 (i) 투영 순서정렬 및 (ii) 개개의 와이어 길이를 결정하는 단계를 포함하고―다음의 단계는, i) 인접 채널과는 상이한 채널의 투영의 통계적 척도의 평균 또는 절대 거리의 합을 결정함으로써 투영 내 모든 데이터 포인트마다 와이어 길이를 결정하는 단계; 및 ii) 와이어 길이 데이터를 적어도 하나의 제 4 컴퓨터 데이터 객체에 저장하는 단계를 포함함―; 5) 미리 결정되는 순서정렬되어 잡음 제거된 최적의 웨이블렛 패킷 원자 세트를 식별하기 위해, 복수의 개개의 와이어 길이로부터, 투영 전체에 걸쳐, 매 4 초 윈도우에 걸쳐, 그리고 복수 개인 중의 모든 개인에 걸쳐, 와이어 길이의 평균 또는 합을 최소화하는 투영의 특정 순서정렬을 결정하는 단계를 포함함―; 및 미리 결정된 정규화 인자 세트를 생성하고, 미리 결정된 정규화 인자를 적어도 하나의 제 5 컴퓨터 데이터 객체에 저장하는 단계를 포함한다.
일부 실시예에서, 시각적 표시는, 특정 개인의 특정의 정규화된 투영 세트의 각각의 정규화된 투영의 시간 윈도우의 표준 편차를 계산하고, 그리고 각각의 투영의 시간 윈도우의 표준 편차에 기초하여, 특정 개인의 특정의 정규화된 투영 세트의 각각의 정규화된 투영에 컬러를 할당함으로써 생성된, 시각적 맵을 포함한다.
일부 실시예에서, 매 두 번의 투영의 상관관계는, 웨이블렛 패킷 원자의 절대 차의 합의 평균 및 웨이블렛 패킷 원자의 (1-상관관계)의 합의 평균으로 이루어지는 그룹으로부터 선택된다.
일부 실시예에서, 장치는 개인의 뇌활동을 나타내는 전기 신호 데이터를 기록하도록 구성된 두 개의 전극을 포함한다.
일부 실시예에서, 개인은 0 세부터 12 세 사이의 아동이고; 적어도 하나의 개인화된 정신 상태는 적어도 하나의 제 1 음악적 자극에 대한 아동의 반응을 나타내며; 피드백 출력은 적어도 하나의 제 2 음악적 자극이다.
개인은 최소한의 의식이 있는(minimally conscious) 대상자이고; 적어도 하나의 개인화된 정신 상태는 적어도 하나의 자극에 대한 최소한의 의식이 있는 대상자의 반응을 나타내며; 피드백 출력은 최소한의 의식 있는 대상자에게 영향을 미치도록 구성된 적어도 하나의 제 2 자극이다.
일부 실시예에서, 적어도 하나의 환경적 파라미터는, 온도, 습도, 압력, 알레르기 항원(allergen) 레벨, 및 이들의 임의의 조합으로 이루어진 그룹으로부터 선택된다.
일부 실시예에서, 적어도 하나의 머신 학습 알고리즘은, 로지스틱 회귀 모델링(logistic regression modeling), 지원 벡터 머신 모델링(support vector machine modeling), 및 심층 학습 모델링(deep learning modeling) 중 하나이다.
일부 실시예에서, 특별히 프로그램된 컴퓨터 프로세서는 또한 적어도 다음의 동작: a) 개인의 제 1 개인화된 정신 상태를 결정하는 단계; b) 제 1 시각적 표시―제 1 시각적 표시는 제 1 개인화된 정신 상태를 나타냄―를 생성하는 단계; c) 제 1 관계에 기초하여 개인의 제 1 개인화된 정신 상태에 영향을 미치도록 구성된 제 1 피드백 출력을 생성하는 단계―제 1 관계는, i) 적어도 하나의 제 1 생리적 파라미터, ii) 적어도 하나의 제 1 환경적 파라미터, 및 iii) 제 1 개인화된 정신 상태에 기초하여 결정됨―; d) 개인에게 제 1 피드백 출력을 받게 한 후에, 개인의 제 2 개인화된 정신 상태를 결정하는 단계; e) 제 2 시각적 표시―제 2 시각적 표시는 제 2 개인화된 정신 상태를 나타냄―를 생성하는 단계; f) 제 1 시각적 표시 및 제 2 시각적 표시를 비교하는 단계; g) 제 2 관계 및 비교의 결과에 기초하여, 개인의 제 2 개인화된 정신 상태에 영향을 미치도록 구성된 제 2 피드백 출력을 생성하는 단계―제 2 관계는, i) 적어도 하나의 제 2 생리적 파라미터, ii) 적어도 하나의 제 2 환경적 파라미터, 및 iii) 제 2 개인화된 정신 상태에 기초하여 결정됨―; 단계 a)-g)를, 1) 원하는 개인화된 정신 상태가 얻어지고, 2) 제 1 피드백 출력에 대한 제 1 일관된 반응이 얻어지고, 3) 제 2 피드백 출력에 대한 제 2 일관된 반응이 얻어지며; 및 4) 이들의 임의의 조합 중 적어도 하나일 때까지, 반복하는 단계를 포함한다.
일부 실시예에서, 제 1 피드백 출력은 적어도 하나의 제 1 보상이다.
일부 실시예에서, 제 2 피드백 출력은 적어도 하나의 제 2 보상이다.
일부 실시예에서, 본 발명은 적어도 다음의 단계를 포함하는 예시적인 창의적인 방법을 제공하고, 적어도 다음의 단계는, 특별히 프로그램된 컴퓨터 프로세서에 의해, 개인의 뇌 전기 활동을 나타내는 전기 신호 데이터의 기록을 연속적으로 획득하는 단계―개인의 뇌 전기 활동을 나타내는 전기 신호 데이터의 기록은, 개인의 머리에 착용되고, i) 개인의 뇌 전기 활동, ii) 심장 박동수, 혈액 산소 레벨, 신체 온도, 호흡 수, 피부 온도, 피부 전도도, 및 움직임으로 이루어지는 그룹으로부터 선택된, 개인의 적어도 하나의 생리학적 파라미터, 및 iii) 적어도 하나의 환경적 파라미터를 기록하도록 구성된 장치로부터 수신됨―; 실시간으로, 특별히 프로그램된 컴퓨터 프로세서에 의해, 획득된 전기 신호 데이터의 기록을 잡음 제거된 최적 세트의 웨이블렛 패킷 원자의 미리 결정된 순서정렬 상에 연속적으로 투영하여, 개인의 특정 투영 세트를 획득하는 단계; 실시간으로, 특별히 프로그램된 컴퓨터 프로세서에 의해, 미리 결정된 정규화 인자 세트를 사용해서 개인의 특정 투영 세트를 연속적으로 정규화하여, 개인의 정규화된 투영 세트를 형성하는 단계; 실시간으로, 특별히 프로그램된 컴퓨터 프로세서에 의해, 개인의 정규화된 투영 세트에 적어도 하나의 머신 학습 알고리즘을 적용하는 것에 기초하여 개인에게 적어도 하나의 특정한 뇌 상태―적어도 하나의 특정한 뇌 상태는 정신 상태, 신경학적 질환, 또는 정신 상태와 신경학적 질환의 조합과 연관됨―를 할당함으로써 개인의 적어도 하나의 개인화된 정신 상태를 실시간으로 연속적으로 결정하는 단계;
특별히 프로그램된 컴퓨터 프로세서에 의해, i) 적어도 하나의 생리학적 파라미터, ii) 적어도 하나의 환경적 파라미터, 및 iii) 적어도 하나의 개인화된 정신 상태 사이의 관계를 연속적으로 결정하는 단계; 실시간으로, 특별히 프로그램된 컴퓨터 프로세서에 의해, 연속적으로 출력을 생성하는 단계를 포함하고, 출력은, 1) 시각적 표시―시각적 표시는 적어도 하나의 개인화된 정신 상태를 나타냄―, 및 2) 관계에 기초하여, 개인의 적어도 하나의 개인화된 정신 상태에 영향을 미치도록 구성된 피드백 출력을 포함한다.
본 발명의 일부 실시예가 본 명세서에서 첨부 도면을 참조하여 단지 예로서 설명된다. 이제 상세히 도면을 특정하게 참조할 것인데, 도시된 세부적인 사항은 예이며 본 발명의 실시예의 예시적인 논의를 위한 것임을 강조한다. 이와 관련하여, 도면과 함께 이루어지는 설명은 관련 기술분야에서 통상의 기술자가 본 발명의 실시예가 어떻게 실시될 수 있는지를 명백하게 해준다.
도 1은 본 발명의 일부 실시예에 따른 장치를 도시한다.
도 2는 본 발명의 일부 실시예에 따른 기록 전극의 스크린샷을 도시한다.
도 3은 본 발명의 일부 실시예에 따른 대상자의 뇌활동 특징에 대한 기록의 표현의 예의 스크린샷을 도시한다.
도 4a 및 도 4b는 본 발명의 일부 실시예에 따른 대상자의 뇌활동 특징에 대한 기록의 표현 예의 스크린샷을 도시한다.
도 5는 본 발명의 일부 실시예에 따른 대상자의 뇌활동 특징(brain activity feature, BAF) 표현의 예의 스크린샷을 도시한다.
도 6은 본 발명의 일부 실시예에 따른 대상자의 BAF 표현의 예의 스크린샷을 도시한다.
도 7은 본 발명의 일부 실시예에 따른 대상자의 BAF 표현의 예의 스크린샷을 도시한다.
도 8은 본 발명의 일부 실시예에 따른 대상자의 BAF 표현의 예의 스크린샷을 도시한다.
도 9는 본 발명의 일부 실시예에 따른 대상자의 BAF 표현의 예의 스크린샷을 도시한다.
도 10은 본 발명의 일부 실시예에 따른 대상자의 BAF 표현의 예의 스크린샷을 도시한다.
도 11은 본 발명의 일부 실시예에 따른 대상자의 BAF 표현의 예의 스크린샷을 도시한다.
도 12는 본 발명의 일부 실시예에 따른 대상자의 뇌활동 특징에 대한 기록의 표현의 예의 스크린샷을 도시한다.
도 13은 본 발명의 일부 실시예에 따른 대상자의 뇌활동 특징에 대한 기록의 다수의 표현의 예의 스크린샷을 도시한다.
도 14는 본 발명의 일부 실시예에 따른 대상자의 BAF 표현의 예의 스크린샷을 도시한다.
도 15는 본 발명의 일부 실시예에 따라 특별히 프로그램된 컴퓨터 아키텍처의 예의 스크린샷을 도시한다.
도 16은 본 발명의 일부 실시예에 따라 특별히 프로그램된 컴퓨터 아키텍처의 예의 스크린샷을 도시한다.
도 17은 본 발명의 일부 실시예에 따라 특별히 프로그램된 컴퓨터 아키텍처의 예의 스크린샷을 도시한다.
도 18은 상이한 음악적 자극에 응답하는 유아의 뇌활동 특징(BAF) 표현의 예의 스크린샷을 도시한다.
도 19는 본 발명의 일부 실시예에 따른 최소한의 의식이 있는(minimally conscious subject) 대상자의 뇌활동 특징(BAF) 표현의 예의 스크린샷을 도시한다.
도 20은 토탈 IV 마취(total IV anesthesia)에 의해 의식을 잃게 된 대상자의 뇌활동 특징(BAF) 표현의 예의 스크린샷을 도시한다.
도 21은 흡입 마취제에 의해 의식을 잃게 된 대상자의 뇌활동 특징(BAF) 표현의 예의 스크린샷을 도시한다.
도 22는 본 명세서에 설명된 바와 같은 예시적인 센서의 실시예를 도시한다.
도 1은 본 발명의 일부 실시예에 따른 장치를 도시한다.
도 2는 본 발명의 일부 실시예에 따른 기록 전극의 스크린샷을 도시한다.
도 3은 본 발명의 일부 실시예에 따른 대상자의 뇌활동 특징에 대한 기록의 표현의 예의 스크린샷을 도시한다.
도 4a 및 도 4b는 본 발명의 일부 실시예에 따른 대상자의 뇌활동 특징에 대한 기록의 표현 예의 스크린샷을 도시한다.
도 5는 본 발명의 일부 실시예에 따른 대상자의 뇌활동 특징(brain activity feature, BAF) 표현의 예의 스크린샷을 도시한다.
도 6은 본 발명의 일부 실시예에 따른 대상자의 BAF 표현의 예의 스크린샷을 도시한다.
도 7은 본 발명의 일부 실시예에 따른 대상자의 BAF 표현의 예의 스크린샷을 도시한다.
도 8은 본 발명의 일부 실시예에 따른 대상자의 BAF 표현의 예의 스크린샷을 도시한다.
도 9는 본 발명의 일부 실시예에 따른 대상자의 BAF 표현의 예의 스크린샷을 도시한다.
도 10은 본 발명의 일부 실시예에 따른 대상자의 BAF 표현의 예의 스크린샷을 도시한다.
도 11은 본 발명의 일부 실시예에 따른 대상자의 BAF 표현의 예의 스크린샷을 도시한다.
도 12는 본 발명의 일부 실시예에 따른 대상자의 뇌활동 특징에 대한 기록의 표현의 예의 스크린샷을 도시한다.
도 13은 본 발명의 일부 실시예에 따른 대상자의 뇌활동 특징에 대한 기록의 다수의 표현의 예의 스크린샷을 도시한다.
도 14는 본 발명의 일부 실시예에 따른 대상자의 BAF 표현의 예의 스크린샷을 도시한다.
도 15는 본 발명의 일부 실시예에 따라 특별히 프로그램된 컴퓨터 아키텍처의 예의 스크린샷을 도시한다.
도 16은 본 발명의 일부 실시예에 따라 특별히 프로그램된 컴퓨터 아키텍처의 예의 스크린샷을 도시한다.
도 17은 본 발명의 일부 실시예에 따라 특별히 프로그램된 컴퓨터 아키텍처의 예의 스크린샷을 도시한다.
도 18은 상이한 음악적 자극에 응답하는 유아의 뇌활동 특징(BAF) 표현의 예의 스크린샷을 도시한다.
도 19는 본 발명의 일부 실시예에 따른 최소한의 의식이 있는(minimally conscious subject) 대상자의 뇌활동 특징(BAF) 표현의 예의 스크린샷을 도시한다.
도 20은 토탈 IV 마취(total IV anesthesia)에 의해 의식을 잃게 된 대상자의 뇌활동 특징(BAF) 표현의 예의 스크린샷을 도시한다.
도 21은 흡입 마취제에 의해 의식을 잃게 된 대상자의 뇌활동 특징(BAF) 표현의 예의 스크린샷을 도시한다.
도 22는 본 명세서에 설명된 바와 같은 예시적인 센서의 실시예를 도시한다.
개시된 이러한 장점 및 개선사항 중에서, 본 발명의 다른 목적 및 장점은 첨부된 도면과 함께 이루어지는 다음의 설명으로부터 명백해질 것이다. 본 발명의 상세한 실시예가 본 명세서에 개시되지만, 개시된 실시예는 다양한 형태로 구현될 수 있는 본 발명의 예시일 뿐이라는 것을 이해하여야 한다. 또한, 각각의 예는 제한적인 아닌 예시적인 것으로 의도되는 본 발명의 다양한 실시예와 관련하여 제공된다.
명세서 및 청구범위 전체에서, 다음의 용어는 문맥상 분명하게 달리 지적하지 않는 한, 본 명세서에서 명확하게 연관된 의미를 갖는다. 본 명세서에서 사용되는 바와 같은 "일 실시예에서" 및 "일부 실시예에서"라는 문구는 비록 동일할 수도 있지만, 반드시 동일한 실시예를 지칭하지는 않는다. 또한, 본 명세서에서 사용되는 바와 같은 "다른 실시예에서" 및 "일부 다른 실시예에서"라는 문구는 비록 상이할 수도 있지만, 반드시 상이한 실시예를 지칭하지는 않는다. 따라서, 이하에서 설명되는 바와 같이, 본 발명의 다양한 실시예는 본 발명의 범위 또는 사상을 벗어나지 않고 용이하게 조합될 수 있다.
또한, 본 명세서에서 사용되는 바와 같이, "기초하여"라는 용어는 배타적인 것이 아니고, 문맥상 분명하게 달리 지적하지 않는 한, 설명되지 않은 부수적인 요인에 기초를 두는 것이 가능하다. 또한, 명세서 전체에서, "하나", "하나의" 및 "그"의 의미는 복수를 언급하는 것을 포함한다. "~안에"의 의미는 "~안에" 및 "~상에"을 포함한다.
본 명세서에 설명된 다양한 실시예의 적어도 하나의 양태/기능성은 실시간으로 및/또는 동적으로 수행될 수 있음을 이해하여야 한다. 본 명세서에 사용된 바와 같이, "실시간"이라는 용어는 다른 이벤트/동작이 발생했을 때 즉시 또는 거의 즉시에 발생할 수 있는 이벤트/동작을 가리킨다. 일부 실시예에서, "즉시", "즉시에", "즉각" 및 "실시간으로"라는 용어는 검색 요청이 전송된 첫 번째 시간과 요청에 대한 응답이 수신되는 두 번째 시간 사이의 시간차가 1 초 이하인 조건을 지칭한다. 일부 실시예에서, 요청과 응답 사이의 시간차는 1 초 미만 내지 수초이다.
본 명세서에 사용된 바와 같이, "동적(동적으로)"라는 용어는 이벤트 및/또는 동작이 임의의 인간 개입 없이 트리거될 수 있고 및/또는 발생할 수 있음을 의미한다. 일부 실시예에서, 본 발명에 따른 이벤트 및/또는 동작은 실시간으로 이루어질 수 있고 및/또는 나노초, 수 나노초, 밀리초, 수 밀리초, 초, 수 초, 분, 수분, 시간, 수 시간, 매일, 수일, 매주, 매월 등 중 적어도 하나의 미리 결정된 주기성에 기초할 수 있다.
뇌활동
, 생리적 파라미터 및 환경적 파라미터를
모니터링하기
위한 장치
일부 실시예에서, 본 발명은 정상 및 자극된 뇌활동 및 뇌 기능장애와 관련된 상태를 검출하기 위해, 감각 환경을 모니터링하는 것과 동시에 개인의 상세한 뇌활동을 모니터링하여 감각 환경과 관련 뇌활동 사이에 풍부한 입력/출력 관계를 생성하기 위한 시스템 및 방법을 제공한다.
일부 실시예에서, 장치는 연속적으로 착용하도록 구성된다. 일부 실시예에서, 장치는 개인이 자고 있는 동안 착용하도록 구성된다. 일부 실시예에서, 장치는 개인이 깨어있는 동안 착용하도록 구성된다.
일 실시예에서, 본 발명은 시스템을 제공하고, 시스템은,
a. 개인의 머리에 착용되고,
i. 개인의 뇌 전기 활동;
ii. 심장 박동수, 혈액 산소 및/또는 이산화탄소 레벨, 신체 온도, 호흡 수, 피부 온도, 피부 전도도 및 운동으로 이루어진 그룹으로부터 선택된, 개인의 적어도 하나의 생리적 파라미터; 및
iii. 이것으로 제한되는 것은 아니지만 온도, 습도, 압력 및 알레르기 항원 레벨로 이루어진 그룹으로부터 선택된, 적어도 하나의 환경적 파라미터를 기록하도록 구성된 장치;
b. 특별히 프로그램된 컴퓨터 시스템을 포함하고, 특별히 프로그램된 컴퓨터 시스템은, (i) 개인의 기록된 뇌활동, 적어도 하나의 기록된 생리적 파라미터 및 적어도 하나의 기록된 환경적 파라미터에 대응하는 데이터를 수신하여 처리하고, 그 처리에 기초하여, 특정 개인의 적어도 하나의 개인화된 정신 상태의 시각적 표시, 특정 개인의 적어도 하나의 개인화된 신경학적 질환, 또는 둘 모두의 시각적 표시를 출력하도록 구성되고,
여기서 특정 개인의 적어도 하나의 개인화된 정신 상태, 특정 개인의 적어도 하나의 신경학적 질환, 또는 둘 모두의 시각적 표시는, 기본 정신 상태, 기본 신경학적 질환, 또는 기본 정신 상태와 기본 신경학적 질환의 조합을 식별하는데 사용되고,
시스템은 기본 정신 상태, 기본 신경학적 질환, 기본 정신 상태와 기본 신경학적 질환의 조합, 적어도 하나의 생리학적 질환, 또는 적어도 하나의 환경적 파라미터 중 적어도 하나가 미리 결정된 문턱치를 초과하여 변화하면 경보를 발행하도록 구성된다.
일 실시예에서, 본 발명은 특별히 프로그램된 컴퓨터 시스템을 제공하고, 특별히 프로그램된 컴퓨터 시스템은,
a. 적어도 하나의 특화된 컴퓨터 머신(specialized computer machine)을 포함하고, 적어도 하나의 특화된 컴퓨터 머신은,
i. 특정 컴퓨터 실행 가능 프로그램 코드를 전자적으로 저장한 비일시적 메모리; 및
ii. 특정 프로그램 코드를 실행할 때, 적어도 다음의 동작을 수행하도록 구성된 특별히 프로그램된 컴퓨터 프로세서가 되는 적어도 하나의 컴퓨터 프로세서를 포함하고,
적어도 다음의 동작은,
1. 실시간으로, 특별히 프로그램된 프로세서에 의해, 특정 개인의 뇌활동을 나타내는 전기 신호 데이터를 획득하는 단계;
2. 실시간으로, 복수의 미리 결정된 예측자(predictor)를 포함하는 예측자 라이브러리로부터 선택된, 특정 뇌 상태와 연관된 개개의 미리 결정된 예측자―각 개개의 미리 결정된 예측자는 고유한 뇌 상태와 연관됨―에 기초하여 특정 개인의 뇌활동을 나타내는 전기 신호 데이터를 처리하는 단계―
특정 뇌 상태와 연관된 미리 결정된 예측자는,
i. 미리 결정된 마더 웨이블렛(mother wavelet),
ii. 미리 결정된 대표적 웨이블렛 패킷 원자 세트,
iii. 미리 결정된 마더 웨이블렛으로부터 생성된, 미리 결정된 웨이블렛 패킷 원자의 순서정렬, 및
iv. 미리 결정된 정규화 인자 세트를 포함하고,
처리하는 단계는,
i. 특별히 프로그램된 프로세서에 의해, 미리 결정된 대표적 웨이블렛 패킷 원자 세트를 사용하여, 전기 신호 데이터가 복수의 미리 결정되는 분해된 웨이블렛 패킷 원자로 분해되게 하는 단계―
전기 신호 데이터의 시간 윈도우는 미리 결정된 대표적 웨이블렛 패킷 원자 세트에 투영―투영은 컨볼루션 또는 내적(inner product)을 통해 이루어짐―되고,
각각의 미리 결정된 대표적 웨이블렛 패킷 원자는 복수의 미리 결정된 뇌활동 특징의 라이브러리로부터의 특정한 미리 결정된 뇌활동 특징에 대응함―;
ii. 복수의 미리 결정되는 분해된 웨이블렛 패킷 원자를 적어도 하나의 컴퓨터 데이터 객체에 저장하는 단계;
iii. 특별히 프로그램된 프로세서에 의해, 미리 결정된 순서정렬을 이용하는 것에 기초하여, 저장된 복수의 미리 결정되는 분해된 웨이블렛 패킷 원자가 컴퓨터 데이터 객체 내에서 재순서정렬되게 하는 단계;
iv. 재순서정렬된 복수의 미리 결정되는 분해된 웨이블렛 패킷 원자 각각의 활동의 통계적 척도를 획득하는 단계; 및
v. 미리 결정된 정규화 인수를 이용하는 것에 기초하여, 재순서정렬된 복수의 미리 결정된 웨이블렛 패킷 원자를 정규화하는 단계를 포함함―; 및
3. 처리하는 단계에 기초하여, 특정 개인의 적어도 하나의 개인화된 정신 상태, 특정 개인의 적어도 하나의 개인화된 신경학적 질환, 또는 둘 모두의 시각적 표시를 출력하는 단계를 포함하고,
다음의 단계에 의해, 복수의 미리 결정된 예측자 중에서 특정 뇌 상태와 연관된 개개의 미리 결정된 예측자가 생성되고, 다음의 단계는,
i. 다음의 단계에 의해, 미리 결정된 대표적 웨이블렛 패킷 원자 세트를 획득하는 단계―다음의 단계는,
1. 특별히 프로그램된 컴퓨터 프로세서에 의해, 복수의 개인으로부터, 특정 뇌 상태의 뇌활동을 나타내는 적어도 하나의 복수의 전기 신호 데이터를 획득하는 단계;
2. 복수의 마더 웨이블렛 중에서 마더 웨이블렛―마더 웨이블렛은, 하르, 코이플렛 다스베이 및 메이어 웨이블렛 패밀리로 구성되는 그룹으로부터 선택된 웨이블렛 패밀리로부터 선택됨―을 선택하는 단계;
3. 특별히 프로그램된 컴퓨터 프로세서에 의해, 선택된 마더 웨이블렛을 사용하여, 적어도 하나의 복수의 전기 신호 데이터가 복수의 웨이블렛 패킷 원자로 분해되게 하는 단계;
4. 복수의 웨이블렛 패킷 원자를 적어도 하나의 컴퓨터 데이터 객체에 저장하는 단계;
5. 미리 결정된 마더 웨이블렛을 사용하여 최적의 웨이블렛 패킷 원자 세트를 결정―결정은 베스트 베이시스(Best Basis) 알고리즘을 이용하여 이루어짐―하고, 최적의 웨이블렛 패킷 원자 세트를 적어도 하나의 컴퓨터 데이터 객체에 저장하는 단계; 및
6. 특별히 프로그램된 프로세서에 의해, 최적 세트 내의 다수의 웨이블렛 패킷 원자에 대해 웨이블렛 잡음 제거를 적용하는 단계를 포함함―;
ii. 다음의 단계에 의해, 웨이블렛 패킷 원자의 미리 결정된 순서정렬을 획득하는 단계―다음의 단계는,
1. 특별히 프로그램된 프로세서에 의해, 데이터의 매 4 초 윈도우 동안의 뇌활동을 나타내는 적어도 하나의 복수의 전기 신호 데이터를 미리 결정된 대표적 웨이블렛 패킷 원자 세트 상으로 투영하는 단계;
2. 투영을 적어도 하나의 컴퓨터 데이터 객체에 저장하는 단계;
3. 특별히 프로그램된 프로세서에 의해, 인접 채널과는 상이한 채널의 투영의 통계적 척도의 평균 절대 거리를 결정함으로써, 투영 내의 모든 데이터 포인트마다 와이어 길이(wire length)를 결정하는 단계;
4. 와이어 길이 데이터를 적어도 하나의 컴퓨터 데이터 객체에 저장하는 단계; 및
5. 특별히 프로그램된 컴퓨터 프로세서에 의해, 저장된 투영을 재순서정렬하여, 매 시간 윈도우에 걸쳐, 복수의 개인 중의 모든 개인에 걸쳐, 그리고 투영 전체에 걸쳐, 와이어 길이 값의 통계 값을 최소화하는 단계를 포함함―; 및
iii. 미리 결정된 정규화 인자 세트를,
1. 특별히 프로그램된 컴퓨터에 의해, 저장된 투영 값의 평균 및 표준 편차를 결정함으로써, 획득하는 단계로 이루어진다.
일 실시예에서, 본 발명은 컴퓨터 구현된 방법을 제공하고, 컴퓨터 구현된 방법은,
a. 특별히 프로그램된 프로세서에 의해, 실시간으로, 특정 개인의 뇌활동을 나타내는 전기 신호 데이터를 획득하는 단계;
b. 실시간으로 복수의 미리 결정된 예측자를 포함하는 예측자 라이브러리로부터 선택된, 특정 뇌 상태와 연관된 미리 결정된 예측자―각 개개의 미리 결정된 예측자는 고유 뇌 상태와 연관됨―에 기초하여 특정 개인의 뇌활동을 나타내는 전기 신호 데이터를 처리하는 단계―
특정 뇌 상태와 연관된 미리 결정된 예측자는,
i. 미리 결정된 마더 웨이블렛,
ii. 미리 결정된 마더 웨이블렛으로부터 생성된, 미리 결정된 대표적 웨이블렛 패킷 원자 세트,
iii. 웨이블렛 패킷 원자의 미리 결정된 순서정렬, 및
iv. 정규화 인자의 미리 결정된 세트를 포함하고,
처리하는 단계는,
i. 특별히 프로그램된 프로세서에 의해, 미리 결정된 대표적 웨이블렛 패킷 원자 세트를 사용하여, 전기 신호 데이터가 복수의 미리 결정되는 분해된 웨이블렛 패킷 원자로 분해되게 하는 단계―
전기 신호 데이터의 시간 윈도우는 미리 결정된 대표적인 웨이블렛 패킷 원자 세트에 투영―투영은 컨볼루션 또는 내적을 통해 이루어짐―되고,
각각의 미리 결정된 대표적 웨이블렛 패킷 원자는 복수의 미리 결정된 뇌활동 특징들의 라이브러리로부터의 특정한 미리 결정된 뇌활동 특징에 대응함―;
ii. 복수의 미리 결정되는 분해된 웨이블렛 패킷 원자를 적어도 하나의 컴퓨터 데이터 객체에 저장하는 단계;
iii. 특별히 프로그램된 프로세서에 의해, 미리 결정된 순서정렬의 이용에 기초하여, 저장된 복수의 미리 결정되는 분해된 웨이블렛 패킷 원자가 컴퓨터 데이터 객체 내에서 재순서정렬되게 하는 단계;
iv. 재순서정렬된 복수의 미리 결정되는 분해된 웨이블렛 패킷 원자 각각의 활동의 통계적 척도를 획득하는 단계; 및
v. 미리 결정된 정규화 인자를 이용하는 것에 기초하여, 재순서정렬된 복수의 미리 결정된 웨이블렛 패킷 원자를 정규화하는 단계를 포함함―; 및
c. 처리하는 단계에 기초하여, 특정 개인의 적어도 하나의 개인화된 정신 상태, 특정 개인의 적어도 하나의 개인화된 신경학적 질환, 또는 둘 모두의 시각적 표시를 출력하는 단계를 포함하고,
다음의 단계에 의해, 복수의 미리 결정된 예측자 중에서 특정 뇌 상태와 연관된 개개의 미리 결정된 예측자가 생성되고, 다음의 단계는,
i. 다음의 단계에 의해, 웨이블렛 패킷 원자의 미리 결정된 대표 세트를 획득하는 단계―다음의 단계는,
a. 특별히 프로그램된 컴퓨터 프로세서에 의해, 복수의 개인으로부터, 특정 뇌 상태의 뇌활동을 나타내는 적어도 하나의 복수의 전기 신호 데이터를 획득하는 단계;
b. 복수의 마더 웨이블렛 중에서 마더 웨이블렛―마더 웨이블렛은 하르, 코이플렛 다스베이 및 메이어 웨이블렛 패밀리로 이루어지는 그룹으로부터 선택된 웨이블렛 패밀리 중에서 선택됨―을 선택하는 단계;
c. 특별히 프로그램된 컴퓨터 프로세서에 의해, 선택된 마더 웨이블렛을 사용하여, 적어도 하나의 복수의 전기 신호 데이터가 복수의 웨이블렛 패킷 원자로 분해되게 하는 단계;
d. 복수의 웨이블렛 패킷 원자를 적어도 하나의 컴퓨터 데이터 객체에 저장하는 단계;
e. 미리 결정된 마더 웨이블렛을 사용하여 최적의 웨이블렛 패킷 원자 세트를 결정―결정은 베스트 베이시스 알고리즘을 이용하여 이루어짐―하고, 최적의 웨이블렛 패킷 원자 세트를 적어도 하나의 컴퓨터 데이터 객체에 저장하는 단계; 및
f. 특별히 프로그램된 프로세서에 의해, 최적 세트 내의 다수의 웨이블렛 패킷 원자에 대해 웨이블렛 잡음 제거를 적용하는 단계를 포함함―;
ii. 다음의 단계에 의해, 웨이블렛 패킷 원자의 미리 결정된 순서정렬을 획득하는 단계―다음의 단계는,
a. 특별히 프로그램된 프로세서에 의해, 데이터의 매 4 초 윈도우 동안의 뇌활동을 나타내는 적어도 하나의 복수의 전기 신호 데이터를 미리 결정된 대표적 웨이블렛 패킷 원자 세트 상으로 투영하는 단계;
b. 투영을 적어도 하나의 컴퓨터 데이터 객체에 저장하는 단계;
c. 특별히 프로그램된 프로세서에 의해, 인접 채널과는 상이한 채널의 투영의 통계적 척도의 평균 절대 거리를 결정함으로써, 투영 내의 모든 데이터 포인트마다 와이어 길이를 결정하는 단계;
d. 와이어 길이 데이터를 적어도 하나의 컴퓨터 데이터 객체에 저장하는 단계; 및
e. 저장된 투영을 재순서정렬하여 특별히 프로그램된 컴퓨터 프로세서에 의해, 매 시간 윈도우에 걸쳐, 및 복수의 개인 중의 모든 개인에 걸쳐, 그리고 투영 전체에 걸쳐, 와이어 길이 값의 통계 값을 최소화하는 단계를 포함함―;
iii. 미리 결정된 정규화 인자 세트를,
a. 특별히 프로그램된 컴퓨터에 의해, 저장된 투영 값의 평균 및 표준 편차를 결정함으로써, 획득하는 단계를 포함한다.
일 실시예에서, 컴퓨터 구현된 방법은,
a. 특별히 프로그램된 컴퓨터 프로세서에 의해, (i) 심장 박동 수, 혈액 산소 및/또는 이산화탄소 레벨, 신체 온도, 호흡 수, 피부 온도, 피부 전도도, 및 움직임으로 이루어지는 그룹으로부터 선택된, 개인의 적어도 하나의 생리학적 파라미터 및 (ⅱ) 적어도 하나의 환경적 파라미터를 나타내는 데이터를 획득하는 단계; 및
b. 획득된 데이터와 특정 개인의 적어도 하나의 개인화된 정신 상태, 특정 개인의 적어도 하나의 개인화된 신경학적 질환, 또는 둘 모두의 시각적 표시 간의 관계를 결정하는 단계를 더 포함한다.
일 실시예에서, 각각의 시간 윈도우는 4 초 시간 윈도우이다.
일 실시예에서, 재순서정렬을 위한 통계 값은 웨이블렛 패킷 원자의 절대 차의 합의 평균 또는 웨이블렛 패킷 원자의 (1-상관관계)의 합의 평균이다.
일 실시예에서, 특정 개인의 적어도 하나의 개인화된 정신 상태의 시각적 표시는, 특정 개인의 기본 정신 상태, 기본 신경학적 질환, 또는 기본 정신 상태와 기본 신경학적 질환의 조합을 식별하는데 사용되고, 특별히 프로그램된 컴퓨터는 이것으로 제한되는 것은 아니지만, 로지스틱 회귀 모델링(logistic regression modeling), 지원 벡터 머신 모델링(support vector machine modeling), 및 심층 학습 모델링(deep learning modeling)을 포함하는 적어도 하나의 머신 학습 알고리즘을 이용하여, 적어도 하나의 특정 뇌 상태를 특정 개인의 적어도 하나의 개인화된 정신 상태의 시각적 표시에 할당하고, 적어도 하나의 특정 뇌 상태는 정신 상태, 신경학적 질환, 또는 정신 상태와 신경학적 질환의 조합과 연관된다.
일 실시예에서, 특정 개인의 적어도 하나의 개인화된 정신 상태의 시각적 표시에 적어도 하나의 특정 뇌 상태를 할당하는 것은, 특정 신경학적 질환과 연관된 특정 개인의 뇌에서 적어도 하나의 신경 네트워크의 이상(abnormality)을 식별한다.
일 실시예에서, 특정 개인의 뇌에서 적어도 하나의 신경 네트워크의 이상은 신경학적 질환을 갖는 특정 개인을 진단하는데 사용된다.
일 실시예에서, 신경학적 질환은 알츠하이머 병(Alzheimer's disease), 치매, 스트레스, 피로, 불안, 간질, 외상성 뇌 손상, 인지 기능 상실, 편두통, 만성 통증, (예를 들어, 환상 사지 통증(phantom limb pain)과 연관된 것과 같은) 인지된 통증, 외상 후 스트레스 장애(post-traumatic stress disorder, PTSD), 극심한 통증, 혼수 상태, 반응의 부재, 또는 자폐증이나 자폐증 스펙트럼 장애, 강박 장애(예를 들어, 폭식증 및 거식증), 집중력 결핍 및 수면 장애와 연관된 외부 자극에 대한 부적절한 대응으로 이루어지는 그룹으로부터 선택된다.
일 실시예에서, 적어도 하나의 특정 뇌 상태는 특정 개인의 감정 상태를 결정하는데 사용된다.
일 실시예에서, 특정 개인은 치료를 받고 있으며, 특정 개인의 적어도 하나의 개인화된 정신 상태의 시각적 표시는 치료의 유효성을 결정하는데 사용된다.
일 실시예에서, 특정 개인은 치료를 받고 있으며, 특정 개인의 적어도 하나의 개인화된 정신 상태의 시각적 표시는 투여될 치료의 본질(nature)을 결정하는데 사용된다.
일 실시예에서, 특정 개인은 치료를 받고 있으며, 특정 개인의 적어도 하나의 개인화된 정신 상태의 시각적 표시는 치료의 지속기간을 결정하는데 사용된다.
일 실시예에서, 특정 개인은 치료를 받고 있으며, 특정 개인의 적어도 하나의 개인화된 정신 상태의 시각적 표시는 치료의 투약 요법을 결정하는데 사용된다.
일 실시예에서, 치료는 마취제이며, 마취의 유효성은 통증을 느끼는 특정 개인의 능력 및/또는 개인의 인지된 통증 레벨 및 특정 개인의 적어도 하나의 개인화된 정신 상태의 시각적 표시의 변화와의 상관관계에 의해 결정된다.
일 실시예에서, 치료는 편두통 치료이고, 편두통 치료의 유효성은 통증을 느끼는 특정 개인의 능력(ability), 및/또는 개인의 인지된 통증 레벨 및 특정 개인의 적어도 하나의 개인화된 정신 상태의 시각적 표시의 변화와의 상관관계에 의해 결정된다.
일 실시예에서, 특정 개인은 특정 인지 과제를 수행하고 있다.
일 실시예에서, 특정 인지 과제는 단기 및/또는 장기 기억 회상, e-학습, 명상 및 집중을 포함하는 그룹으로부터 선택된다.
일 실시예에서, 특정 개인은 특정 시간에 특정 뇌 상태를 갖는다.
일 실시예에서, 본 발명은 방법을 제공하며, 이 방법은 대상자의 정신 상태, 신경학적 질환, 또는 둘 모두에서의 변화를, 제 1 정신 상태, 제 1 신경학적 질환, 또는 둘 모두로부터 원하는 정신 상태, 원하는 신경학적 질환, 또는 둘 모두로 유도하고,
a. 대상자의 제 1 정신 상태, 제 1 신경학적 질환, 또는 둘 모두의 제 1 시각적 표시를 획득하는 단계;
b. 적어도 하나의 제 1 자극을 대상자에게 가하고, 대상자의 제 2 정신 상태, 제 2 신경학적 질환, 또는 둘 모두의 제 2 시각적 표시를 획득하는 단계;
c. 대상자의 제 2 정신 상태, 제 2 신경학적 질환, 또는 둘 모두의 제 2 시각적 표시가 원하는 정신 상태, 원하는 제 2 신경학적 질환, 또는 둘 모두를 나타내는지를 결정하는 단계, 및 그렇지 않다면,
d. 반복적으로,
i. 적어도 하나의 후속 자극―각각의 적어도 하나의 후속 자극은 선행하는 적어도 하나의 자극과 상이함―을 대상자에게 가하는 단계;
ii. 대상자의 정신 상태, 신경학적 질환, 또는 둘 모두의 후속 시각적 표시를 획득하는 단계;
iii. 대상자의 정신 상태, 신경학적 질환, 또는 둘 모두의 후속 시각적 표시가 원하는 정신 상태, 원하는 신경학적 질환, 또는 둘 모두를 나타내는지를 결정하는 단계를 반복하는 단계를 포함하고,
단계 ⅰ 내지 ⅲ은 원하는 정신 상태, 원하는 신경학적 질환, 또는 둘 모두가 획득될 때까지 수행된다.
일 실시예에서, 본 발명은 방법을 제공하며, 이 방법은 대상자의 정신 상태, 신경학적 질환, 또는 둘 모두에서의 변화를, 제 1 정신 상태, 제 1 신경학적 질환, 또는 둘 모두로부터 원하는 정신 상태, 원하는 신경학적 질환, 또는 둘 모두로 유도하고,
a. 대상자의 제 1 정신 상태, 제 1 신경학적 질환, 또는 둘 모두의 제 1 시각적 표시를 획득하는 단계;
b. 적어도 하나의 제 1 자극을 대상자에게 가하고, 대상자의 제 2 정신 상태, 제 2 신경학적 질환, 또는 둘 모두의 제 2 시각적 표시를 획득하는 단계;
c. 대상자의 제 2 정신 상태, 제 2 신경학적 질환, 또는 둘 모두의 제 2 시각적 표시가 원하는 정신 상태, 원하는 제 2 신경학적 질환, 또는 둘 모두를 나타내는지를 결정하는 단계, 및 그렇지 않다면,
d. 반복적으로,
i. 대상자의 제 1 정신 상태, 제 1 신경학적 질환, 또는 둘 모두의 제 1 시각적 표시를 제 2 정신 상태, 제 2 신경학적 질환, 또는 둘 모두의 제 2 시각적 표시와 비교하는 단계;
ii. 비교에 기초하여, 후속 자극을 선택하고, 선택된 후속 자극―각각의 적어도 하나의 선택된 후속 자극은 선행하는 적어도 하나의 자극과 상이함―을 대상자에 가하는 단계,
iii. 대상자의 정신 상태, 신경학적 질환, 또는 둘 모두의 후속 시각적 표시를 획득하는 단계;
iv. 대상자의 정신 상태, 신경학적 질환, 또는 둘 모두의 후속 시각적 표시가 원하는 정신 상태, 원하는 신경학적 질환, 또는 둘 모두를 나타내는지를 결정하는 단계를 반복하는 단계를 포함하고,
단계 i 내지 iv는 원하는 정신 상태, 원하는 신경학적 질환, 또는 둘 모두가 획득될 때까지 수행된다.
일부 실시예에서, BAF 표현은 또한 적어도 하나의 자극에 응답하여 대상자의 뇌활동의 대상자의 시각적 표현에서 반복적으로 관찰되는 특징을 식별하기 위해 분석된다. 예를 들어, BF(j,t)를 BAF의 매트릭스라 하고, 이 매트릭스에서 121 개 BAF의 경우 행(j)은 1에서부터 121로 진행하고, 열(t)은 시간을 1 초의 단계로 나타내는데, 즉 BAF 벡터는 1초마다 갱신되고 있다. 일부 실시예에서, 보다 많이 상관된 행은 지리적으로 서로 더 가깝게 정렬되므로, BAF를 결정하는데 사용된 큰 데이터 세트를 통한 상관관계의 일부 척도하에서, 행(j)에서의 뇌활동 값은 행(j+2)에서의 값보다 행(j+1)에서의 뇌활동 값에 더 많이 상관된다.
또한, 각 시간 열의 기록 중에 일어난 일을 라벨링하는 라벨링(L(t))이 있다. 따라서 BAF 데이터가 수집된 시간 동안 발생한 특정 이벤트에 대한 예측자를 구축하는 것이 가능하며, k-평균 클러스터링(k-means clustering)에서와 같이, (레이블을 보고 있는) 감독 방식(supervised way) 또는 자율 방식(unsupervised way)으로 매트릭스의 열을 클러스터링하는 것이 가능하다. 뿐만 아니라, 매트릭스의 일부만, 즉 몇몇 BAF만을 클러스터링하는 것이 가능하다. 이것은 데이터로부터 보다 일관적인 클러스터 세트를 생성하는 채널을 찾게 해줄 수 있는데, 즉 채널은 클러스터 센터 세트(set of cluster centers)를 생성하고, 특정 채널 세트에서의 활동은 종종 클러스터 센터 중 하나에 속하는데, 즉 실제 활동은 클러스터 센터에 의해 표현된 활동과는 (유클리드 거리와 같은 몇몇 척도에 의하면) 전혀 그렇지 않다.
일부 실시예에서, 클러스터는 이들이 생겨난 BAF 채널 및 이들 채널에서 발견된 실제 클러스터 센터를 표시하기 위해 명명된다: 예를 들어, 하나의 특징은 예로서 1320_15로 명명될 수 있는데, 이는 클러스터가 채널 13 내지 20에 대응하고 클러스터가 그 BAF 세트에서 발견된 15번째 클러스터인 것을 표시한다. 이러한 실제 이름은 BAF로 해석된 후에 뇌활동에서 발견될 수 있는 새로운 알파벳의 특정 문자로 간주될 수 있다.
이러한 알파벳을 고려해 볼 때, 일부 실시예에서, 고도로 상관되는 문자, 즉 높은 확률로 동시 발생하는 상이한 채널로부터의 클러스터를 볼 수 있다. 그런 다음 이러한 문자는 단일의 문자로 조합될 수 있다. 이것은 발견된 모든 문자의 공분산 매트릭스를 구축한 후에, 그런 다음 이를 기초로 하여 미리 설정된 문턱치 이상의 상관관계가 있는 문자를 조합하여 이루어진다.
일부 실시예에서, (고도로 상관된 문자를 조합한 후에) 최소한의 알파벳이 발견되면, 형성되고 있는 단어, 즉 함께 나타나는 여러 문자의 집합을 볼 수 있다. 또한, 일부 실시예에서, 문법 규칙은 예를 들어 마르코프 모델링(Markov modeling), 즉 시퀀스에서 높은 확률로 나타나는 문자/단어의 추론을 사용하여 추론될 수 있다. 베이지안 모델링(Bayesian modeling) 또는 그래픽 모델링(Graphic modeling)이 일부 실시예에서, 문자/단어의 숨겨진 구조를 추론하기 위해 사용될 수 있다.
이제 상기 모든 추론은 라벨링과 함께 사용되어 추론된 뇌 반응과 BAF가 기록되었던 동안 발생한 이벤트의 상관관계를 결정할 수 있다. 이러한 상관관계가 발견되면, 자극에 대한 일관된 뇌 반응이 있었다고 가정하고 일관된 뇌 반응을 일으키는 자극을 기록할 수 있다.
일관된 응답에 기초하여, RtS라고 칭하는 자극에 대한 응답을 결정할 수 있다.
하나의 특정 실시예에서, RtS는 최소 의식 상태(Minimal Conscious State, MCS)에 있는 사람이 반응하는 자극의 유형을 표시하는데 도움을 줄 수 있다. 예를 들어, 이것은 시각적 자극, 청각적 자극, 다른 감각적 자극, 명령 등에 일관된 방식으로 반응하는지를 결정하는데 도움을 줄 수 있다.
일부 실시예에서, RtS는 사람에게 있는 최소한의 의식의 정도를 표시할 수 있고, 다양한 자극에 대한 반응을 증가시키는 것을 목표로 하는 의학적 개입을 최적화하는데 도움을 줄 수 있다. MCS에 있는 사람의 경우에 있어서, 일부 실시예에서, 알파벳의 엔트로피를 보고 (그저 문자들에 기초하거나 또는 추론된 보다 정교한 문법 규칙 및 추론된 단어의 길이에 기초하여) 알파벳의 전체 엔트로피를 결정하는 단일 숫자를 생성할 수 있다.
하나의 특정 실시예에서, 상기 알파벳은 음악을 만드는데 사용될 수 있다. 이것은 MCS 대상자가 일부의 의사소통의 수단을 생성하고 자신의 뇌활동에 관한 신경 피드백을 얻을 수 있게 하는 것이다. 구체적으로, 상이한 문자는 상이한 악기로 상이한 음표를 만들거나 또는 템포 및 다른 음악 파라미터를 변경하는데 사용될 수 있다. 그 결과는 MCS 또는 아기의 뇌에서 만들어지는 멜로디일 것이고 의사소통의 수단을 제공할 수 있다. MCS 대상자는 이러한 문자의 생성에 관한 제어가 달성되면 외부 디바이스를 작동하는 것을 배울 수 있다. 음악 피드백을 사용하여, 대상자는 원하는 반응을 생성하도록 훈련할 수 있다. 예를 들어, 청력에 이상이 있는 대상자에게 또는 잡음이 많은 장소에 있을 때 이것의 축소 버전은 XY 방향으로 움직일 수 있고 또한 그 컬러를 변경할 수 있는 블루투스 작동 공(Bluetooth operated ball)이다. 이들 파라미터는 일부 BAF 또는 아래에서 설명되는 바와 같이 도 19의 삽화(caption)에 설명되는 바와 같이 일부 BAF 또는 채널에 결부될 수 있다.
특정 실시예에서, MCS에서 누락된 것으로 발견되었던 채널 그룹(34-38)은 MCS 대상자가 이들 채널의 활동을 증가시키도록 장려하는 신경 피드백(neural feedback)으로서 사용될 수 있다.
다른 실시예에서, 알파벳의 생성 및 알파벳으로부터 엔트로피 추론은 완전히 레이블링되지 않은 (자율) 방식으로 이루어질 수 있다. 이것은 예를 들어, 허혈성 증상 발현 중에 태어난 아기, 즉 산모가 일시적인 허혈성 발작을 겪는 동안 태어난 아기의, 뇌 손상의 정도를 결정할 때 유용할 수 있다.
하나의 특정 실시예에서, 보다 간단한 통계적 추론이 수행될 수 있다: 몇 개의 채널이 일부 일반적인 뇌활동에 대응하는 것으로 이미 발견되었으므로, 예를 들어, 감정 뇌활동 및 집행 뇌활동과 연관된 채널이 있으며 도 19에 도시된다.
일 실시예에서, 시간 구조 확률 모델(temporal structure probabilistic model)이 BAF에 적용되어 가해진 적어도 하나의 자극과 관찰된 뇌활동 사이의 상관관계를 결정한다. 일부 실시예에서, 강한 상관관계는 적어도 하나의 자극에 대한 일관된 응답을 표시한다.
일부 실시예에서, 장치는 최대 24 시간 동안 착용되도록 구성된다. 일부 실시예에서, 장치는 최대 23 시간 동안 착용되도록 구성된다. 일부 실시예에서, 장치는 최대 22 시간 동안 착용되도록 구성된다. 일부 실시예에서, 장치는 최대 21 시간 동안 착용되도록 구성된다. 일부 실시예에서, 장치는 최대 20 시간 동안 착용되도록 구성된다. 일부 실시예에서, 장치는 최대 19 시간 동안 착용되도록 구성된다. 일부 실시예에서, 장치는 최대 18 시간 동안 착용되도록 구성된다. 일부 실시예에서, 장치는 최대 17 시간 동안 착용되도록 구성된다. 일부 실시예에서, 장치는 최대 16 시간 동안 착용되도록 구성된다. 일부 실시예에서, 장치는 최대 15 시간 동안 착용되도록 구성된다. 일부 실시예에서, 장치는 최대 14 시간 동안 착용되도록 구성된다. 일부 실시예에서, 장치는 최대 13 시간 동안 착용되도록 구성된다. 일부 실시예에서, 장치는 최대 12 시간 동안 착용되도록 구성된다. 일부 실시예에서, 장치는 최대 11 시간 동안 착용되도록 구성된다. 일부 실시예에서, 장치는 최대 10 시간 동안 착용되도록 구성된다. 일부 실시예에서, 장치는 최대 9 시간 동안 착용되도록 구성된다. 일부 실시예에서, 장치는 최대 8 시간 동안 착용되도록 구성된다. 일부 실시예에서, 장치는 최대 7 시간 동안 착용되도록 구성된다. 일부 실시예에서, 장치는 최대 6 시간 동안 착용되도록 구성된다. 일부 실시예에서, 장치는 최대 5 시간 동안 착용되도록 구성된다. 일부 실시예에서, 장치는 최대 4 시간 동안 착용되도록 구성된다. 일부 실시예에서, 장치는 최대 3 시간 동안 착용되도록 구성된다. 일부 실시예에서, 장치는 최대 2 시간 동안 착용되도록 구성된다. 일부 실시예에서, 장치는 최대 1 시간 동안 착용되도록 구성된다.
일부 실시예에서, 장치에 의해 수집된 데이터는 개인에게 또는 대안적으로 간병인에게 실시간으로 경보될 수 있다.
일부 실시예에서, 장치에 의해 수집된 데이터는 오프라인 데이터 분석을 위해 저장된다.
어떠한 특정 이론에 의해서도 제한되게 하지 않고, 인지 능력의 변화는 물론이고, 가정에서 감정 상태의 변화를 검출하는 것은 그러한 변화에 대한 조기 표시를 제공하여, 빠른 개입으로 이어지게 할 수 있다. 어떠한 특정 이론에 의해서도 제한되게 하지 않고, 개입이 이를수록, 개입으로 인해 더 좋은 결과가 얻어질 수 있고 개입 비용은 더 낮아질 수 있다.
일부 실시예에서, 본 발명은 시스템을 제공하고, 시스템은,
a. 개인의 머리에 착용되도록 구성되고,
i. 개인의 뇌 전기 활동;
ii. 심장 박동수, 혈액 산소 및/또는 이산화탄소 레벨, 신체 온도, 호흡 수, 피부 온도, 피부 전도도, 및 움직임으로 이루어진 그룹으로부터 선택된 개인의 적어도 하나의 생리학적 파라미터; 및
iii. 적어도 하나의 환경적 파라미터를 기록하도록 구성된 장치;
b. 특별히 프로그램된 컴퓨터 시스템을 포함하고,
특별히 프로그램된 컴퓨터 시스템은, (i) 개인의 기록된 뇌활동, 적어도 하나의 기록된 생리학적 파라미터 및 적어도 하나의 기록된 환경적 파라미터에 대응하는 데이터를 수신하여 처리하고, 그 처리에 기초하여, 특정 개인의 적어도 하나의 개인화된 정신 상태, 특정 개인의 적어도 하나의 개인화된 신경학적 질환, 또는 둘 모두의 시각적 표시를 출력하도록 구성되고,
특정 개인의 적어도 하나의 개인화된 정신 상태, 특정 개인의 적어도 하나의 개인화된 신경학적 질환, 또는 둘 모두의 시각적 표시는, 기본 정신 상태, 기본 신경학적 질환, 또는 기본 정신 상태와 기본 신경학적 질환의 조합을 식별하는데 사용되고,
시스템은, 기본 정신 상태, 기본 신경학적 질환, 기본 정신 상태와 기본 신경학적 질환의 조합, 적어도 하나의 생리학적 질환, 또는 적어도 하나의 환경적 파라미터 중 적어도 하나가 미리 결정된 문턱치를 초과하여 변화하면 경보를 발행하도록 구성된다.
일부 실시예에서, 적어도 하나의 생리학적 파라미터는 이것으로 제한되는 것은 아니지만, 심장 박동수, 혈액 산소 및/또는 이산화탄소 레벨, 신체 온도, 호흡 수, 피부 온도, 피부 전도도 및 움직임을 포함한다.
일부 실시예에서, 적어도 하나의 생리학적 파라미터는 갈바니 피부 반응(galvanic skin response)이다.
일부 실시예에서, 장치는 전위 맥박 산소 농도계(potential pulse oximeter)를 포함한다.
일부 실시예에서, 장치는 3 차원 가속도계를 포함한다.
일부 실시예에서, 적어도 하나의 환경적 파라미터는 이것으로 제한되는 것은 아니지만, 산소 농도, 온도, 습도, 일산화탄소 레벨, 이산화탄소 레벨 등을 포함한다.
일부 실시예에서, 장치는 개인으로부터 다음과 같은 생리학적 파라미터 및 인지 파라미터 중 적어도 하나를 기록하도록 구성된다:
1. 수면 레벨;
2. 수면 단계;
3. 심장 박동수;
4. 심장 박동수 변동성;
5. 심장 부정맥;
6. 심장 수축성 및 심장 박출량
7. 혈액 산소 및/또는 이산화탄소 레벨;
8. (향후) 혈압 변화의 징후가 있는 시간 맥박파 형태학;
9. 비트 단위 호흡 타이밍(bit to bit respiration timing) 및 전체 호흡수;
10. 피부 온도와 전도도; 또는
11. 자세, 움직임 레벨, 계단에서 걷기 및 오르기, 급 낙상, 움직임 부족.
도 1은 본 발명의 일부 실시예에 따른 장치를 도시한다. 장치에 나타나는 요소는 다음과 같다:
21: EEG 및/또는 EOG 센서
22: EEG 기준 센서, 두 눈 위에 이러한 두 개의 센서가 있다.
23: 온도 센서
24: 표제성 측두 동맥의 전면 브랜치에 접촉하는 맥박파 압력 센서
25: 3D 가속도계
26: 맥박 또는 맥박 산소 농도계(적외선) 센서
27: 귀 뒤에 있는 배터리, 전자 회로 및 무선 통신부
28: 압력 센서
29: 피부 전도도 센서
30: EMG 및/또는 EOG
31: 이어폰
32: 마이크로폰
33: 대상자의 바로 근처에서 감각 정보를 제공하는 환경 모니터. 이들은 이것으로 제한되는 것은 아니지만, 센서 제품군에 부착되지만 대상자의 머리에 닿지 않는 온도, 압력, 습도를 포함한다.
일부 실시예에서, 장치는 띠(strap)에 장착되거나 귀 주위에 장착되는 위에서 언급한 센서 중 전부 또는 일부를 포함한다. 일부 실시예에서, 센서로부터 수집된 데이터는 셀룰러 통신 능력을 포함하는 센서상의 프로세서에 저장되고 분석된다. 예를 들어, 메인 프로세서는 근방의 셀폰 상에 있을 수 있다. 일부 실시예에서, 수집된 감각 정보는 셀룰러 프로세서에 의해 수집된 추가 정보와 융합된다. 이러한 정보는 지리적 위치, 자동차, 집, 학교 또는 사무실 환경과 같은 근방의 스마트 디바이스와의 통신신호(communication)를 포함한다.
일부 실시예에서, 데이터의 분석은 실시간으로 수행되어 다음의 것을 얻는다:
1) 감각 입력 데이터 중 특정 부분에 대하여, 비정상, 즉, 센서 집합 및 감각 환경의 규칙적인 활동 영역을 벗어난 활동의 검출, 예를 들어, 고온에서 운전 중 뇌 기능 장애의 검출;
2) 감각 정보의 수집으로부터 장기(organ) 활동 프로파일의 생성. 이것은 맥박 및 혈류역학 활동뿐만 아니라, 온도 및 피부 전도도와 같은 생체 신호가 포함된다. 이것은 통계 집합 또는 수면 또는 경보 시간 모니터링과 같은 질병 관리를 위해 사용될 수 있다. 고혈압과 같은 다른 변화 동안 특정 감각 환경에 대한 뇌 기능 장애의 검출;
3) 집중, 기분, 수면 레벨, 특정 욕구(예를 들어, 팔다리 움직이기 또는 제품 구매하기)와 같은 특정 상태를 나타내는 특정 패턴이 모아놓은 감각 정보로부터 계산되고 등록된다. 필요하다면, 예를 들어, 운전 중 수면이 검출되면, 잠재적인 경보가 생성된다; 및/또는
4) 디바이스의 특정한 미리 설정된 값에 따라 다른 경보가 친척, 간병인 또는 기타 이해 당사자에게 전달될 수 있다. 이것은 이것으로 제한되는 것은 아니지만, 낙상의 의학적 경보, 간질 발작과 같은 의학적 위험을 제기할 수 있는 질환 또는 하루 중 특정 시간에 수면을 포함할 수 있다.
조합된 감각 환경 및 뇌활동 모니터링의 암시는 상기 관계에 영향을 미치는, 기분 변화 검출, 주의 장애, 또는 갑작스러운 주의 부족, 고혈압 및 저혈압과 같은 혈역학적 파라미터와 관련된 인지 기능 장애 및 잠재적인 의학적 문제와 관련이 있다.
일부 실시예에서, 본 발명의 장치는 개인의 수면 패턴을 결정하는데 사용된다. 일부 실시예에서, 개인의 수면 패턴의 변화는 질병 또는 질환의 시작을 표시할 수 있다. 질병 또는 질환의 예는 이것으로 제한되는 것은 아니지만: PTSD, 뇌졸중, 치매, 알츠하이머 병, 파킨슨 병, 뇌진탕, 외상성 뇌손상, 뇌종양, 뇌부종, 스트레스, 영양실조, 만성 COPD, 수면 무호흡증, 심장병, 중독, 중독, 저산소증 등을 포함한다.
일부 실시예에서, 본 발명의 장치는 개인의 만성 질병의 관리에 사용된다. 본 발명의 일부 실시예에 따른 장치를 사용하여 관리하기에 적합한 만성 질병의 예는 이것으로 제한되는 것은 아니지만: 간질, 우울증, 알츠하이머 병, OCS, PTSD, ADD 등을 포함한다.
일부 실시예에서, 본 발명의 장치는 개인의 급성 질병의 관리에 사용된다. 본 발명의 일부 실시예에 따른 장치를 사용하여 관리하기에 적합한 급성 질병의 예는 이것으로 제한되는 것은 아니지만: 뇌진탕, 외상성 뇌손상, 뇌졸중 등을 포함한다.
일부 실시예에서, 본 발명의 장치는 정신적 외상 경험을 겪은 일부 사람들을 괴롭히는 질환인 외상후 스트레스 장애(post-traumatic stress disorder, PTSD)의 관리에 사용된다. 이것은 정신적 외상 경험을 겪은 이후에 회복하지 못하는 것과 일반적으로 상관관계가 있으며 정신적 외상 이벤트 이래로 상당한 시간이 경과했을지라도 심한 스트레스와 두려움의 계속 진행 중인 느낌이 특징이다. PTSD는 교감 신경계의 과도한 활동과 연관된다. PTSD는 만성적인 계속 진행 중인 질환 또는 단기간의 급성 질환으로 나타날 수 있다. 증상은 전형적으로 정신적 외상 이벤트의 3 달 안에 나타나지만, 발병의 지연은 수년에 이를 수 있다. PTSD로 진단 받기 위해, 성인은 적어도 한 달 동안 다음의 증상: 적어도 하나의 재 경험 증상, 적어도 하나의 회피 증상, 적어도 두 개의 각성 및 반응성 증상 및 적어도 두 개의 인지 및 기분 증상의 모두를 보여야 한다. 재 경험 증상은 정신적 외상 경험의 회상, 나쁜 꿈 및 무서운 생각을 포함한다. 회피 증상은 환자에게 정신적 외상 경험을 상기시키는 장소, 사건 및/또는 물체를 피하는 것과 정신적 외상 경험과 관련된 생각 또는 느낌을 피하는 것을 포함한다. 각성 및 반응성 증상은 초 능동적인 깜짝 놀란 반응, 긴장감 또는 신경 과민, 수면 장애 및 분노 폭발 경향을 포함한다. 인지 및 기분 증상은 정신적 외상 이벤트의 주요 특징, 부정적인 자기 이미지 또는 전반적인 세계 이미지, 죄책감이나 비난과 같은 왜곡된 감정을 회상하는 어려움을 포함한다. PTSD는 흔히 우울증, 약물 남용, 불안 장애(예를 들어, 공황 장애), 및/또는 자살 충동 및/또는 시도와 연관된다.
PTSD로 고통 받는 대상자를 위해 시행되는 치료는 약제 개입 및/또는 정신 요법("대화" 치료("talk" therapy))을 포함한다. 약제 개입은 예를 들어, PTSD로 고통 받는 대상자에게 항우울제 투여를 필요로 할 수 있다. 항우울제 및 다른 약물은 심리치료와 함께 투여될 수 있다. 고혈압, 불안 및 공황 장애를 치료하는데 사용되는 교감신경 차단 약제인 프라조신(Prazosin)과 같은 다른 약물이 또한 특정 PTSD 증상의 치료에 효능을 보여왔다. 프라조신은 알파-1 수용체에 특유한 알파-아드레날린성 차단제이다. 현재 미국 식품 의약국(Food and Drug Administration, FDA)에 의해 PTSD의 치료를 위한 승인을 받지 않았지만, 연구에 의하면 프라조신은 수면 문제, 특히 PTSD 환자가 주로 경험하는 악몽을 완화하는 것을 시사하고 있다. 관련 기술분야에서 통상의 기술자는 PTSD의 치료를 위한 대상자 약물 가이드라인, 경고 및 새로 승인된 약물에 관한 최신 정보를 위해 FDA 웹 사이트를 참조한다.
때로는 "대화 치료"라고 지칭되는 정신 요법은 전형적으로 PTSD 환자가 정신 건강 전문가와 깊은 대화를 나누는 정규적이고 꾸준히 진행되는 상담 세션을 필요로 한다. 정신 요법은 일대일 또는 그룹 요법 세션을 포함할 수 있다. PTSD를 위한 대화 치료의 치료는 보통 6 내지 12 주 지속되지만, 필요에 따라 이는 더 오래 지속될 수 있다. 또한 연구에 의하면 가족과 친구들의 지원 형태가 회복의 중요한 부분이 될 수 있음이 밝혀졌다. 일부 형태의 정신 요법은 PTSD의 증상을 직접적으로 목표로 삼는 반면, 다른 것은 사회, 가족 및/또는 직업 관련 문제에 초점을 맞춘다. 숙련된 전문가는 각 개인의 필요에 따라 다른 치료법을 조합하는 것을 선택할 수 있다.
인지 행동 치료법(cognitive behavioral therapy, CBT)은 PTSD로 고통 받는 대상자에게 치료상의 이익을 주는 것으로 밝혀졌다. 예를 들어, CBT는, 환자가 두려움에 직면하고 제어하도록 훈련 받는 노출 치료; 및 환자가 정신적 외상을 입은 이벤트의 기억을 처리하고 해석하도록 훈련 받는 인지적 구조조정(cognitive restructuring)을 포함한다. 예를 들어, 노출 치료는 이들이 경험한 정신적 외상에 점차적으로 노출되지만, 안전하고 제어된 방식으로 노출된다. 노출 치료는 정신 시각화, 글쓰기 및/또는 이벤트가 발생한 장소의 방문을 사용하며, 그렇게 함으로써 치료사는 PTSD를 겪는 환자가 자신의 감정에 대처할 수 있게 한다. 인지적 구조조정은 PTSD 환자가 정신적 외상 이벤트를 보다 정확하게 이해하는데 도움을 주도록 추구한다. 많은 상황에서, PTSD 환자는 정신적 외상 이벤트에 대한 죄책감과 책임을 자신에게 돌리며 이에 의해 그와 연관된 정신적 고통을 증폭시킨다. 인지적 구조조정은 PTSD 환자가 보다 현실적인 방법으로 정신적 외상 경험을 다시 찾아가도록 도와준다.
PTSD가 이원 상태(binary state)로, 즉 질환을 갖거나 또는 갖지 않는 것으로 간주되지만, 실제로는 뇌의 인지 기능이 감정적인 부분의 과도한 활동에 의해 산만해지는 광범위한 장애이다. 과도한 감정 활동의 검출뿐만 아니라 인지 기능의 저하(cognitive sub-functioning) 또는 산만의 검출은 다양한 치료 방법에 있어 매우 중요하다. 지나치게 활성화된 감정 네트워크의 범위에는 스트레스, 불안, 기분 장애, 주의 문제뿐만 아니라 집행 명령이 포함된다.
본 명세서에 설명된 기술 및 방법은 예를 들어, 진단 목적을 위한 교감 신경계의 과도한 활동을 추적하고 및/또는 PTSD의 치료를 위해 시행되는 의학적 개입의 치료 효능에 관한 지표를 제공하는데 사용될 수 있다. 본 명세서에 설명된 기술 및 방법은 또한 인지 기능의 저하 또는 산만의 검출뿐만 아니라 과도한 감정 활동을 추적하는데 사용될 수 있다. 지나치게 활성화된 감정 네트워크의 범위에는 스트레스, 불안, 기분 장애, 주의 문제뿐만 아니라 집행 명령이 포함된다. 본 명세서에 설명된 기술 및 방법을 사용하여 조정될 수 있는 파라미터는 치료의 원하는 지속기간, 치료의 유형 또는 이들의 조합 및 진행 중인 치료 효능의 평가에 관한 지표를 포함한다.
일부 실시예에서, 본 발명의 장치는 통증, 예를 들어 일반, 만성, 급성, 인지된 및/또는 편두통적 통증일 수 있는 통증의 관리에 사용된다. 지나치게 활성화된 감정 네트워크의 범위에는 기분 장애, 주의 문제뿐만 아니라 집행 명령이 포함된다. 본 명세서에 설명된 기술 및 방법을 사용하여 조정될 수 있는 파라미터는 치료의 원하는 지속기간, 치료의 유형 또는 이들의 조합, 및 진행중인 치료 효능의 평가에 관한 지표를 포함한다.
일부 실시예에서, 본 발명의 장치는 경미한 통증부터 극한 통증까지를 범위로 할 수 있는 인지된 통증의 유형을 지칭하는 환상 통증(phantom pain)의 관리에 사용된다. 환상 통증은 일반적으로 주요 신체에서 절단된 주변 신체 부위에서 나오는 것으로 인식되는 통증과 관련이 있다. 환상 통증의 한 예는 절단된 사지를 경험했던 주요 신체의 영역에서 겪는 경미한 통증 내지 극한 통증과 관련된 환상 사지 통증이다. 사지 절단은 우발적인 수단을 통해 발생할 수 있거나, 또는 대상자의 생명(예를 들어, 암세포로 가득 찬 사지를 제거하거나 괴저성 사지를 제거하는 절단이 필요한 상황)을 연장하거나 보존하기 위해 또는 대상자의 삶의 품질(예를 들어, 만성 통증의 원인인 신체 부위를 제거하는 절단이 필요한 상황)을 개선하기 위해 의학적으로 권장될 수 있다. 환상 사지 통증은 전형적으로 시간이 지남에 따라 사라지거나 감소하지만, 그 상태가 6 개월을 초과하여 지속될 때는 개선의 예후가 좋지 않다.
환상 사지 통증은 절단의 부위에서 신경 말단의 진행 중인 신호전달(ongoing signaling)에 의해 야기되는 것으로 생각되며, 이로 인해 사지가 여전히 본체에 부착되어 있다고 뇌가 인식하도록 통증 신호가 뇌에 계속 전달된다. 더욱이, 뇌의 통증 기억은 유지될 수 있으며, 손상된 신경으로부터의 신호와는 무관한 방식으로 통증으로 해석된다. 통증 이외에, 일부 사람들은 제거된 사지의 부분에서 나오는 것으로 인식되는 따끔거림, 경련, 열 및/또는 차가움의 느낌을 경험한다.
환상 사지 통증의 치료를 위한 의학적 개입은 도전적이며 대상자의 통증 레벨에 달려있다. 치료는 예를 들어 열 적용, 근육 긴장을 줄여주는 바이오피드백, 이완 기술, 절단되고 남은 부위의 마사지, 절단 부위에 국소 마취제 주입 및/또는 스테로이드 주사, 신경 차단, 신경을 잠재적으로 얽히게 하는 흉터 조직의 제거 수술, 물리 치료, 남은 부분의 경피적 전기 신경 자극(transcutaneous electrical nerve stimulation, TENS), 척수 자극 또는 심부뇌 자극과 같은 신경 자극 기술, 및/또는 진통제, 신경 이완제, 항경련제, 항우울제, 베타 차단제 및 나트륨 채널 차단제와 같은 약물을 포함한다.
본 명세서에 설명된 기술 및 방법은 예를 들어, 진단 목적을 위해 절단 부위에서 신경 말단의 진행 중인 신호전달에 반응하는 절단된 사람의 뇌활동 및 뇌의 통증 기억을 모니터링하기 위해 및/또는 예를 들어, 환상 사지 통증의 치료를 위해 실시되는 의학적 개입의 치료 효능에 관한 지표를 제공하기 위해 사용될 수 있다. 본 명세서에 설명된 기술 및 방법을 사용하여 조정될 수 있는 파라미터는 치료의 원하는 지속기간, 치료의 유형 또는 이들의 조합 및 진행중인 치료 효능의 평가에 관한 지표를 포함한다. 본 기술은 통증을 모니터링할 수 있고, 통증의 느낌의 시작 또는 강화를 표시할 수 있으며, 이에 따라 대상자와 간병인에게 경보를 발행하고, 약제나 통증 완화 자극의 시기 적절한 사용을 개시 또는 제안할 수 있으며 라이프스타일을 변경하여 통증의 전반적인 기분을 줄여줄 수 있는 시스템의 일부가 될 수 있다. 이 모든 것은 통증, 편두통 및 불안 발작뿐만 아니라 간질 활동 및 발작의 모든 유형을 감안한다.
위의 것에 추가하여, 본 명세서에 설명된 기술 및 방법은 개인의 뇌활동, 및 다른 생리학적 파라미터 및 환경적 파라미터를 모니터링하여, 모니터링된 뇌활동을 생리학적 및 환경적 파라미터와 상관시키고, 그 상관관계로부터 개인의 인지 기능 및/또는 뇌 상태의 변화를 검출하는데 사용될 수 있다. 본 명세서에 설명된 바와 같이, 이러한 상관관계는 대상자의 질환 또는 장애를 진단하고 및/또는 대상자의 질환 또는 장애의 치료를 위해 시행되는 의학적 개입의 치료 효능에 관한 지표를 제공하는데 사용될 수 있다. 본 명세서에 설명된 기술 및 방법을 사용하여 조정될 수 있는 파라미터는 치료의 원하는 지속기간, 치료 유형 또는 이들의 조합 및 진행중인 치료 효능의 평가에 관한 지표를 포함한다.
대상자의 정신 상태, 신경학적 질환, 또는 둘 모두의 결정
EEG 신호를 상이한 성분으로 분해하는 것은 뇌활동 및 뇌 상태를 연구하고 주어진 뇌 상태에 대해 뇌의 특정 기능 영역 또는 뇌의 신경 네트워크의 역할을 추론하는 효과적인 도구이다. 어떠한 특정 이론에 의해서도 제한되지 않고, 특정 뇌 상태는 특정 정신 상태, 특정 신경학적 질환, 또는 정신 상태와 신경학적 질환의 특정 조합과 연관된다.
어떠한 특정 이론에 의해서도 제한되게 하지 않고, 통상적인 EGG를 통해 검출된 뇌활동은 약 0.5 Hz(델타(Delta) 파)에서부터 32 Hz 이상의 감마(Gamma) 파에 이르는 다수의 주파수 대역과 연관된다. 이 사이에는 그 중에서도, 쎄타(Theta), 알파(Alpha), 및 베타(Beta)가 있다. 그러나 EEG 전극은 각 전극에 가까운 뇌의 작은 영역에서 나오는 전기 신호에만 민감할 뿐이다. 그 결과, 관례적으로 머리 전체를 덮는 많은 수의 전극으로 EGG 활동을 기록하고 있다. 검출된 전기 활동을 담당하는 뇌의 위치는 전기 신호가 상이한 전극에 도달할 때 전기 신호의 위상을 추정함으로써 계산된다. 위에서 설명한 BAF에는 이러한 주파수 대역도 포함될 수 있다.
본 발명의 일부 실시예에서, 주어진 인지 기능 또는 정신 상태에 대한 뇌 내의 특정 영역 또는 신경 네트워크의 역할을 결정하는 것은 요구되지 않는다. 일부 실시예에서, 대상자의 뇌의 전기적 활동은 대상자의 이마에 위치한 두 개의 전극(예를 들어, Fp1 및 Fp2)을 사용하여 기록된다. 일부 구체 예에서, Fp1 또는 Fp2 전극 중 어느 하나가 기준 전극으로서 사용되고, 기록된 전기 활동은 Fp1 전극과 Fp2 전극 사이의 차이다. 대안적으로, 일부 실시예에서, FpZ 전극이 기준 또는 기록 전극으로서 사용될 수도 있다.
일부 실시예에서, 본 발명은 컴퓨터 구현된 방법을 제공하고, 컴퓨터 구현된 방법은,
a. 특별히 프로그램된 프로세서에 의해, 실시간으로, 특정 개인의 뇌활동을 나타내는 전기 신호 데이터를 획득하는 단계;
b. 실시간으로, 복수의 미리 결정된 예측자를 포함하는 예측자 라이브러리로부터 선택된, 특정 뇌 상태와 연관된 미리 결정된 예측자―각 개인의 미리 결정된 예측자는 고유한 뇌 상태와 연관됨―에 기초하여 특정 개인의 뇌활동을 나타내는 전기 신호 데이터를 처리하는 단계―
특정 뇌 상태와 연관된 미리 결정된 예측자는,
i. 미리 결정된 마더 웨이블렛,
ii. 미리 결정된 마더 웨이블렛으로부터 생성된, 미리 결정된 대표적인 웨이블렛 패킷 원자 세트,
iii. 웨이블렛 패킷 원자의 미리 결정된 순서정렬, 및
iv. 미리 결정된 정규화 인자 세트를 포함하고,
처리하는 단계는,
i. 특별히 프로그램된 프로세서에 의해, 미리 결정된 대표적 웨이블렛 패킷 원자 세트를 사용하여, 전기 신호 데이터가 복수의 미리 결정되는 분해된 웨이블렛 패킷 원자로 분해되게 하는 단계―
전기 신호 데이터의 시간 윈도우가 미리 결정된 대표적 웨이블렛 패킷 원자 세트에 투영―투영은 컨볼루션 또는 내적을 통해 이루어짐―되고,
각각의 미리 결정된 대표적 웨이블렛 패킷 원자는 복수의 미리 결정된 뇌활동 특징들의 라이브러리로부터의 특정의 미리 결정된 뇌활동 특징에 대응함―;
ii. 복수의 미리 결정되는 분해된 웨이블렛 패킷 원자를 적어도 하나의 컴퓨터 데이터 객체에 저장하는 단계;
iii. 선택적으로, 특별히 프로그램된 프로세서에 의해, 미리 결정된 순서정렬을 이용하는 것에 기초하여, 저장된 복수의 미리 결정되는 분해된 웨이블렛 패킷 원자가 컴퓨터 데이터 객체 내에서 재순서정렬되게 하는 단계;
iv. 재순서정렬된 복수의 미리 결정되는 분해된 웨이블렛 패킷 원자 각각의 활동의 통계적 척도를 획득하는 단계; 및
v. 미리 결정된 정규화 인자를 이용하는 것에 기초하여, 재순서정렬된 복수의 미리 결정된 웨이블렛 패킷 원자를 정규화하는 단계를 포함함―; 및
c. 처리하는 단계에 기초하여, 특정 개인의 적어도 하나의 개인화된 정신 상태, 특정 개인의 적어도 하나의 개인화된 신경학적 질환, 또는 둘 모두의 시각적 표시를 출력하는 단계를 포함하고,
복수의 미리 결정된 예측자 중에서 특정 뇌 상태와 연관된 개개의 미리 결정된 예측자는 다음의 단계에 의해 생성되고, 다음의 단계는,
i. 다음의 단계에 의해, 미리 결정된 대표적 웨이블렛 패킷 원자 세트를 획득하는 단계―다음의 단계는,
a. 특별히 프로그램된 컴퓨터 프로세서에 의해, 복수의 개인으로부터, 특정 뇌 상태의 뇌활동을 나타내는 적어도 하나의 복수의 전기 신호 데이터를 획득하는 단계;
b. 복수의 마더 웨이블렛 중에서 마더 웨이블렛―마더 웨이블렛은 하르, 코이플렛 다스베이 및 메이어 웨이블렛 패밀리로 이루어지는 그룹으로부터 선택된 웨이블렛 패밀리 중에서 선택됨―을 선택하는 단계;
c. 특별히 프로그램된 컴퓨터 프로세서에 의해, 선택된 마더 웨이블렛을 사용하여, 적어도 하나의 복수의 전기 신호 데이터가 복수의 웨이블렛 패킷 원자로 분해되게 하는 단계;
d. 복수의 웨이블렛 패킷 원자를 적어도 하나의 컴퓨터 데이터 객체에 저장하는 단계;
e. 미리 결정된 마더 웨이블렛을 사용하여 최적의 웨이블렛 패킷 원자 세트를 결정―결정은 베스트 베이시스 알고리즘을 이용하여 이루어짐―하고, 최적의 웨이블렛 패킷 원자 세트를 적어도 하나의 컴퓨터 데이터 객체에 저장하는 단계; 및
f. 특별히 프로그램된 프로세서에 의해, 최적 세트 내의 다수의 웨이블렛 패킷 원자에 대해 웨이블렛 잡음 제거를 적용하는 단계를 포함함―;
ii. 다음 단계에 의해, 웨이블렛 패킷 원자의 미리 결정된 순서정렬을 획득하는 단계―다음 단계는,
a. 특별히 프로그램된 프로세서에 의해, 데이터의 매 4 초 윈도우 동안의 뇌활동을 나타내는 적어도 하나의 복수의 전기 신호 데이터를 미리 결정된 대표적 웨이블렛 패킷 원자 세트 상으로 투영하는 단계;
b. 투영을 적어도 하나의 컴퓨터 데이터 객체에 저장하는 단계;
c. 특별히 프로그램된 프로세서에 의해, 인접 채널과는 상이한 채널의 투영의 통계적 척도의 평균 절대 거리를 결정함으로써, 투영 내의 모든 데이터 포인트마다 와이어 길이를 결정하는 단계;
d. 와이어 길이 데이터를 적어도 하나의 컴퓨터 데이터 객체에 저장하는 단계; 및
e. 특별히 프로그램된 컴퓨터 프로세서에 의해, 저장된 투영을 재순서정렬하여, 매 시간 윈도우에 걸쳐, 복수의 개인 중의 모든 개인에 걸쳐, 그리고 투영 전체에 걸쳐, 와이어 길이 값의 통계 값을 최소화하는 단계를 포함함―;
iii. 미리 결정된 정규화 인자 세트를,
a. 특별히 프로그램된 컴퓨터에 의해, 저장된 투영의 값의 평균 및 표준 편차를 결정함으로써, 획득하는 단계를 포함한다.
일 실시예에서, 컴퓨터 구현된 방법은,
a. 특별히 프로그램된 컴퓨터 프로세서에 의해, 실시간으로, (i) 심장 박동 수, 혈액 산소 및/또는 이산화탄소 레벨, 신체 온도, 호흡 수, 피부 온도, 피부 전도도, 및 움직임으로 이루어지는 그룹으로부터 선택된, 개인의 적어도 하나의 생리학적 파라미터 및 (ⅱ) 적어도 하나의 환경적 파라미터를 나타내는 데이터를 획득하는 단계; 및
b. 획득된 데이터와 특정 개인의 적어도 하나의 개인화된 정신 상태, 특정 개인의 적어도 하나의 개인화된 신경학적 질환, 또는 둘 모두의 시각적 표시 간의 관계를 결정하는 단계를 더 포함한다.
일부 실시예에서, 특정 개인의 뇌활동을 나타내는 전기 신호 데이터는 특정 개인의 이마에 위치한 두 개의 전극을 사용하여 기록된다.
본 발명의 일부 실시예에 따른 기록 전극의 예는 도 2에 도시된다. 일부 실시예에서, 대상자의 뇌의 전기 활동은 대상자의 이마에 위치한 한 개 내지 세 개의 전극을 사용하여 기록된다. 일부 실시예에서, 대상자의 뇌의 전기 활동은 대상자의 이마와 다른 또는 이마 이외의 머리의 영역(들)에 위치한 한 개 내지 세 개의 전극을 사용하여 기록된다. 예를 들어, 일부 실시예에서, 적어도 하나의 전극은 대상자의 귀 뒤쪽 또는 위에 또는 귀 안에 위치한다. 예를 들어, 일부 실시예에서, 적어도 하나의 전극은 대상자의 머리에 배치되는 아이템의 일부이고, 아이템은 적어도 하나의 전극을 호스팅하는 것 이외에 적어도 하나의 부가 기능을 위해 구성된다. 예를 들어, 일부 실시예에서, 아이템은 머리 착용 부분(hatwear piece)(예를 들어, 모자)이다. 예를 들어, 일부 실시예에서, 아이템은 전자 디바이스(예를 들어, 헤드폰)이다.
일부 실시예에서, 대상자의 머리에 배치되는 아이템은, 가속도계, 자이로스코프, 맥박계, 산소 농도계, 압력 센서, 심장 박동수 모니터 및 온도 센서로 이루어지는 그룹으로부터 선택된 적어도 하나의 센서를 더 포함한다.
일부 실시예에서, 대상자의 머리에 배치되는 아이템은 또한, EEG, fNIRS, GSR, 얼굴 표정, 근육 긴장, 온도, 심장 박동수, 혈류, 혈액 산소 및/또는 이산화탄소 레벨, 혈액 팽창 레벨, 혈액 응고 레벨, 심장 박동수 변동성, 혈류 형태학 및 머리 가속도로 이루어지는 그룹으로부터 선택된 적어도 하나의 생리학적 파라미터를 검출하도록 구성된다.
일부 실시예에서, 대상자의 뇌의 전기적 활동은 문헌[G. Castellani, et al., Frontiers in Genetics Vol.5, p.1-12(2014)]에 개시된 방법에 따라 기록된다.
일부 실시예에서, 특정 개인의 뇌활동을 나타내는 전기 신호 데이터는 뇌의 원하는 위치에서 충분한 피질 활동을 검출하도록 구성된 250 이상의 충분히 큰 샘플링 레이트 및 동적 범위로 기록된다. 예를 들어, 더 큰 동적 범위는 더 작은 동적 범위보다 더 많은 피질 활동을 검출하는 것으로 예상된다. 일 실시예에서, 동적 범위는 15 비트 해상도의 아날로그-디지털(analog-to-digital, A/D), 및 그 이상이다.
일부 실시예에서, 특정 개인은 특정 인지 과제를 수행하고 있다.
일부 실시예에서, 특정 인지 과제는 단기 및/또는 장기 기억 회상, e-학습, 명상 및 집중을 포함하는 그룹으로부터 선택된다.
일 실시예에서, 특정 개인은 특정 시간에 특정 뇌 상태를 갖는다.
본 발명의 일부
실시예의
방법에 따른 특정 개인의
뇌활동을
나타내는 기록된 전기 신호 데이터 처리의 처리
특정 개인의 뇌활동을 나타내는 기록된 전기 신호 데이터의 분해: 일부 실시예에서, 특정 개인의 뇌활동을 나타내는 기록된 전기 신호 데이터는 특정 시구간에 걸쳐 실시간으로 기록된다. 일부 실시예에서, 특정 개인의 뇌활동을 나타내는 전기 신호 데이터는 최대 1 시간 동안 기록된다. 일부 실시예에서, 특정 개인의 뇌활동을 나타내는 전기 신호 데이터는 최대 50 분 동안 기록된다. 일부 실시예에서, 특정 개인의 뇌활동을 나타내는 전기 신호 데이터는 최대 40 분 동안 기록된다. 일부 실시예에서, 특정 개인의 뇌활동을 나타내는 전기 신호 데이터는 최대 30 분 동안 기록된다. 일부 실시예에서, 특정 개인의 뇌활동을 나타내는 전기 신호 데이터는 최대 20 분 동안 기록된다. 일부 실시예에서, 특정 개인의 뇌활동을 나타내는 전기 신호 데이터는 최대 10 분 동안 기록된다.
일부 실시예에서, 특정 개인의 뇌활동을 나타내는 실시간으로 기록된 전기 신호 데이터는 미리 결정된 대표적 웨이블렛 패킷 원자 세트를 사용하여, 복수의 미리 결정되는 분해된 웨이블렛 패킷 원자로 분해된다. 복수의 미리 결정되는 분해된 웨이블렛 패킷 원자 중의 각 개개의 미리 결정되는 분해된 웨이블렛 패킷 원자는 뇌활동 특징(brain activity feature)("BAF")에 대응한다.
일부 실시예에서, 미리 결정된 대표적 웨이블렛 패킷 원자 세트는 이것으로 제한되는 것은 아니지만, 하르, 코이플렛 다스베이 및 메이어 웨이블렛 패밀리를 포함하는 그룹으로부터 선택된 웨이블렛 패밀리로부터 선택된, 미리 결정된 마더 웨이블렛으로부터 생성된다. 본 발명의 일부 실시예에 따른 마더 웨이블렛에 적합한 다른 웨이블렛 패밀리는 http://www.mathworksxom/help/wavelet/ref/waveletfamilies.html?refresh=true에있는 웹 사이트에 설명되어 있다.
일부 실시예에서, 특정 개인의 뇌활동을 나타내는 기록된 전기 신호 데이터는 본 출원에 참조로 포함된 문헌[Coifman, RR, & Wickerhauser, MV, IEEE Transactions on Information Theory, 38(2), 713-718(1992)], 특히 section III. Entropy of a vector에서 상세히 설명된 바와 같은 샤논 방정식(Shannon equation)에 기초한 직교 분해(orthogonal decomposition)의 설명에 개시된 베스트 베이시스 알고리즘에 따라 미리 결정된 대표적 웨이블렛 패킷 원자 세트를 사용하여, 복수의 미리 결정되는 분해된 웨이블렛 패킷 원자로 분해된다.
일부 실시예에서, 특정 개인의 뇌활동을 나타내는 기록된 전기 신호 데이터는 샤논 엔트로피(Shannon Entropy) 및 문헌[Stainvas, I 및 Intrator, N., In. J. Appl. Mathematics and Statistics, 4(J06), 1-22(2006)]에 개시된 다른 적합한 베스트 베이시스 알고리즘의 조합에 따라 미리 결정된 대표적 웨이블렛 패킷 원자 세트를 사용하여, 복수의 미리 결정된 분해된 웨이블렛 원자로 분해되며, 문헌의 특정 개시내용은 본 명세서에 참조로 포함된다.
일부 실시예에서, 특정 개인의 뇌활동을 나타내는 기록된 전기 신호 데이터는 샤논 엔트로피 및 문헌[Intrator, N, Neural Computation 5, 443-455 (1993)]에 개시된 다른 적합한 베스트 베이시스 알고리즘의 조합에 따라 미리 결정된 대표적 웨이블렛 패킷 원자 세트를 사용하여, 복수의 미리 결정된 분해된 웨이블렛 원자로 분해되며, 문헌의 특정 개시내용은 본 명세서에 참조로 포함된다.
일부 실시예에서, 특정 개인의 뇌활동을 나타내는 기록된 전기 신호 데이터는 샤논 엔트로피 및 문헌[Intrator, N, Neural Computation 4, 98-1-7 (1992)]에 개시된 다른 적합한 베스트 베이시스 알고리즘의 조합에 따라 미리 결정된 대표적 웨이블렛 패킷 원자 세트를 사용하여, 복수의 미리 결정된 분해된 웨이블렛 원자로 분해되며, 문헌의 특정 개시내용은 본 명세서에 참조로 포함된다.
복수의 미리 결정되는 분해된 웨이블렛 패킷 원자의 재순서정렬 : 일부 실시예에서, 복수의 미리 결정된 웨이블렛 패킷 원자는 미리 결정된 순서정렬에 따라 재순서정렬된다. 일부 실시예에서, 재순서정렬된 복수의 미리 결정된 웨이블렛 패킷 원자는 미리 결정된 정규화 인자를 이용하여 정규화된다. 일부 실시예에서, 복수의 미리 결정된 웨이블렛 패킷 원자는 정규화될 뿐이다.
일부 실시예에서, 표준 EEG 기록 전극을 통해 기록된 전기 데이터를 이용하여, 본 발명의 예시적인 특별히 프로그램된 프로세서는 다수의 개인으로부터 수집된 데이터의 데이터세트에 개별적으로 기초해서, 적어도 하나의 대역 통과 필터에 의해 출력된, 각각의 웨이블렛 패킷 원자를 먼저 정규화하여, 각각의 웨이블렛 패킷 원자의 표현 값의 분포를 개별적으로 결정하도록 프로그램된다. 일부 실시예에서, 적어도 하나의 대역 통과 필터는 2 내지 36 개 채널을 갖는다. 일부 실시예에서, 적어도 하나의 대역 통과 필터는 적어도 12 개 채널을 갖는다. 일부 실시예에서, 적어도 하나의 대역 통과 필터는 적어도 16 개 채널을 갖는다. 일부 실시예에서, 적어도 하나의 대역 통과 필터는 적어도 32 개 채널을 갖는다.
특정 개인의 적어도 하나의 개인화된 정신 상태의 시각적 표시: 일부 실시예에서, 미리 결정된 웨이블렛 패킷 원자 상으로의 투영의 정규화되고 재순서정렬된 복수의 통계적 척도는 시각적 표현으로 조립되며, 복수의 정규화된 미리 결정된 웨이블렛 패킷 원자의 각각은 BAF에 대응하고, 미리 결정된 순서정렬에 따라 표현 내에 배열된다. 본 명세서에서 사용되는 바와 같이, "BAF 표현"은 웨이블렛 패킷 원자 상으로의 정규화되고 재순서정렬된 복수의 미리 결정된 투영의 시각적 표현을 지칭한다. 본 발명의 일부 실시예에 따른 대상자의 BAF 표현의 예가 도 3에 도시된다.
일부 실시예에서, 특정 개인의 BAF 표현은 121 개의 개별 BAF를 갖는다. 대안적으로, 일부 실시예에서, 특정 개인의 BAF 표현은 최대 200 개의 개별 BAF를 갖는다. 대안적으로, 일부 실시예에서, 특정 개인의 BAF 표현은 10 내지 200 개의 개별 BAF를 갖는다. 대안적으로, 일부 실시예에서, 특정 개인의 BAF 표현은 1 내지 1000 개의 개별 BAF를 갖는다. 대안적으로, 일부 실시예에서, 특정 개인의 BAF 표현은 30 내지 1000 개의 개별 BAF를 갖는다. 대안적으로, 일부 실시예에서, 특정 개인의 BAF 표현은 적어도 30 개의 개별 BAF를 갖는다. 대안적으로, 일부 실시예에서, 특정 개인의 BAF 표현은 기록되는 BAF 수의 배수(예를 들어, 2x, 3x, 4x, 5x, 6x 등)개의 개별 BAF를 갖는다.
일부 실시예에서, 대상자의 BAF 표현은 121 개의 개별 BAF를 갖는다. 대안적으로, 일부 실시예에서, 대상자의 BAF 표현은 200 개 개별 BAF를 넘는다. 대안적으로, 대상자의 BAF 표현은 10 내지 200 개 개별 BAF를 갖는다. 대안적으로, 일부 실시예에서, 대상자의 BAF 표현은 1 내지 1000 개 개별 BAF를 갖는다. 대안적으로, 일부 실시예에서, 대상자의 BAF 표현은 30 내지 1000 개 개별 BAF를 갖는다. 대안적으로, 일부 실시예에서, 대상자의 BAF 표현은 적어도 30 개 개별 BAF를 갖는다. 대안적으로, 일부 실시예에서, 대상자의 BAF 표현은 분석되는 신경 네트워크 수의 배수(예를 들어, 2x, 3x, 4x, 5x, 6x 등)개의 개별 BAF를 갖는다. 일부 실시예에서, BAF는 전통적인 EEG 기록을 포함한다.
도 3을 일례로 참조하면, y 축에 수직인 각각의 선은 단일의 미리 결정된 웨이블렛 패킷 원자(본 명세서에서는 BAF라고도 지칭함)로의 투영의 활동을 나타낸다. 예를 들어, 활동은 단일 웨이블렛 패킷 원자 또는 웨이블렛 패킷 원자 그룹으로의 투영의 적어도 하나의 적합한 통계치를 통해 표현될 수 있으며, 적절한 통계치는 이것으로 제한되는 것은 아니지만, 평균, 표준 편차 등일 수 있다. 일부 실시예에서, BAF 표현은 컬러 코딩될 수 있다. 예를 들어, 도 3에 도시된 바와 같이, 강도 스펙트럼 상의 다양한 활동 영역(들)은, 예를 들어, 이것으로 제한되는 것은 아니지만, 높은 활동 영역(들)을 적어도 하나의 특정 컬러("핫(hot)")의 보다 어두운 음영 영역으로서 제시하고, 낮은 활동 경향 영역(들)을 적어도 하나의 색 또는 적어도 하나의 다른 컬러("콜드(cold)")의 보다 밝은 음영 영역(들)으로서 제시하며, 대응하는 활동 레벨에 기초하여 그 사이에 임의의 연속적인 음영을 제시함으로써, 제공될 수 있다. x 축에 수직인 각각의 열은 특정 시간 또는 특정 시구간에서 뇌활동 상태의 벡터(BAF 표현)를 나타낸다. 따라서, x 축은 시간(예를 들어, 밀리초, 초, 분, 시간, 일 등)으로 측정된다. 일부 실시예에서, 이미지는 복수의 BAF의 각 뇌활동(BAF)을 컬러 코딩하기 전에, 예를 들어, 히스토그램 등화(histogram equalization)와 같은 적절한 비선형 변환에 의해 정규화된다.
일부 실시예에서, 본 발명의 예시적인 특별히 프로그램된 프로세서는, 미리 결정된 예측자가 결정되기 전에 특정 개인의 뇌활동을 나타내는 전기 신호 데이터를 클러스터링하도록 프로그램된다. 예를 들어, 본 발명의 예시적인 특별히 프로그램된 프로세서는 상이한 뇌 상태로 더 클러스터링될 수 있는 m 개의 미리 결정된 분해된 웨이블렛 패킷 원자 상으로의 투영으로부터 m-차원 벡터의 집합을 생성하도록 프로그램된다. 일부 실시예에서, 본 발명의 예시적인 특별히 프로그램된 프로세서는 적어도 하나의 머신 학습 기술을 사용하여 다수의 뇌 상태를 결정하도록 프로그램된다. 예를 들어, 본 발명의 예시적인 특별히 프로그램된 프로세서는 계층적 클러스터링을 이용하여 클러스터링된 데이터를 분석하고 구성 데이터 간의 상대 거리에 기초하여 어느 클러스터를 그룹화할지를 결정하도록 프로그램된다.
일부 실시예에서, 본 발명의 예시적인 특별히 프로그램된 프로세서는 적어도 부분적으로 다음과 같은 것:
1) 클러스터 센터(cluster center) 또는 클러스터의 다른 구성원으로부터의 거리, 및/또는
2) 현재 프레임에 선행하는 클러스터 멤버십의 시퀀스
에 기초하여 클러스터 멤버십을 이용하여 복수의 미리 결정된 예측자를 구성하도록 프로그램된다.
예를 들어, 본 발명의 예시적인 특별히 프로그램된 프로세서는 클러스터 멤버십에 기초해 적어도 하나의 시간 모델(예를 들어, 이것으로 제한되는 것은 아니지만, 마르코프 체인(Markov chain), 은닉 마르코프 모델(hidden Markov chain), 다른 유사하게 적합한 모델)을 이용하여, 예측자 라이브러리 중의 특정 예측자를 결정하도록 프로그램된다.
일부 실시예에서, 클러스터 멤버십이 각각의 윈도우 프레임(window frame)에 할당된 후에, 본 발명의 예시적인 특별히 프로그램된 프로세서는 적어도 하나의 시간 구조 확률 모델을 생성하도록 프로그램된다. 예를 들어, 데이터로부터 텍스트 분석시, 본 발명의 예시적으로 특별히 프로그램된 프로세서는, 문자의 어휘(특정 클러스터)를 구성하고, 문자의 세분화에 기초하여 단어를 식별하고, 식별된 단어로부터 단어 어휘를 구축하고, 특정 문법 규칙을 해석하여 단어로부터 문장을 만들도록 프로그램된다. 예를 들어, 제 1 단계는 하나의 문자에서부터 다른 문자로 이동하는 확률 매트릭스를 구축하는 것이다.
일부 실시예에서, 시간 구조 확률 모델은 적어도 하나의 가해진 자극과 관찰된 뇌활동 간의 상관관계를 결정하는데 사용된다. 일부 실시예에서, 강한 상관관계는 적어도 하나의 자극에 대한 일관된 반응을 나타낸다.
일부 실시예에서, 반응의 정도(degree of response)("RtS")는 대상자가 반응할 수 있는 적어도 하나의 자극을 식별하는데 사용된다. 예를 들어, RtS는 대상자가 일관된 방식으로 시각적 자극, 청각적 자극, 다른 감각적 자극, 명령 등에 반응하는지를 결정한다.
본 발명의 일부 실시예의 방법에 따른 기본 정신 상태, 기본 신경학적 질환, 또는 기본 정신 상태와 신경학적 질환의 조합의 식별
일부 실시예에서, 특정 개인의 적어도 하나의 개인화된 정신 상태의 시각적 표시는, 특정 개인의 기본 정신 상태, 기본 신경학적 질환, 또는 기본 정신 상태와 기본 신경학적 질환의 조합을 식별하는데 사용되고, 특별히 프로그램된 컴퓨터는 로지스틱 회귀 모델링, 지원 벡터 머신 모델링 및 심층 학습 모델링으로 이루어지는 그룹으로부터 선택된 적어도 하나의 머신 학습 알고리즘을 이용하여, 적어도 하나의 특정 뇌 상태를 특정 개인의 적어도 하나의 개인화된 정신 상태의 시각적 표시에 할당하며, 적어도 하나의 특정 뇌 상태는 정신 상태, 신경학적 질환, 또는 정신 상태와 신경학적 질환의 조합과 연관된다.
일부 실시예에서, 본 발명의 예시적인 특별히 프로그램된 프로세서는 이것으로 제한되는 것은 아니지만, 로지스틱 회귀 모델링, 지원 벡터 머신 모델링 및 심층 학습 모델링과 같은 최소한 하나의 머신 학습 알고리즘을 이용하여 특정 개인의 기본 정신 상태, 기본 신경학적 질환, 또는 기본 정신 상태와 기본 신경학적 질환의 조합을 식별하도록 프로그램된다. 구체적으로, 일부 실시예에서, 본 발명의 예시적인 특별히 프로그램된 프로세서는 적어도 다음의 단계:
1) 특정 개인의 뇌활동을 나타내는 전기 신호 데이터를 훈련, 검증 및 테스트 데이터 세트로 분리하는 단계;
2) 검증 세트에 기초하여 조정된, 훈련 세트에 기초한 모델들의 패밀리를 생성하는 단계;
3) 테스트 세트에 대해 각 모델의 성능을 테스트하는 단계;
4) 특정 AI 모델의 상이한 파라미터(예를 들어, 리지 회귀 모델(ridge regression model)의 정규화 파라미터; 피드 포워드 신경 네트워크(feed forward neural network)의 은닉 유닛의 개수; 피드 포워드 신경 네트워크의 중량 감쇠 파라미터(weight decay parameter), 지원 벡터 머신과 같은 커널 모델의 커널의 유형과 개수; 가우시안과 지원 벡터 머신의 정규화 파라미터의 조합; 가우시안 모델들의 조합 등)에 대해 단계(1 내지 3)을 반복하는 단계; 및
5) 일련의 모델 파라미터가 결정된 후에, 새로운 데이터 세트에 대해 예측 결과를 획득하고, 직교 분해의 상이한 패밀리 및 특정 개인의 뇌활동을 나타내는 기록된 전기 신호 데이터로부터 획득된 다른 모델 파라미터에 대해 단계 1) 내지 4)를 반복하는 단계를 실행하도록 프로그램된다.
일부 실시예에서, 특정 개인의 뇌활동을 나타내는 전기 신호 데이터는 특정 개인이 특정 정신 상태를 가질 때 기록된다. 일부 실시예에서, 특정 정신 상태는 알려지지 않았으며, 본 발명의 일부 실시예에 따른 방법은 특정 정신 상태를 식별하는데 이용된다.
특정 정신 상태의 예는 이것으로 제한되는 것은 아니지만, 발작, 공포, 불안, 통증, 수면 상태(예를 들어, REM 수면), 깨어 있음, 경계, 피로, 마취 상태, 명상 상태, 스트레스, 다른 기분, 치매와 연관된 상이한 뇌 상태, 반응 결여, 또는 자폐증이나 자폐 스펙트럼 장애와 연관된 외부 자극에 대한 부적절한 반응 등을 포함한다. 특정한 정신 상태를 갖는 대상자의 BAF 표현의 예는 도 4에 도시된다.
도 4a를 참조하면, (수평 괄호를 통해 표시된) 세 가지 유형의 명상을 수행하는 숙련된 요가 수행자(experienced yogi)의 뇌활동 표현을 도시한다. 처음 두 개의 명상과 세 번째 명상 이후, 요가 수행자는 자신이 하고 있는 것을 설명한다. BAF의 범위는 수직 괄호로 표시된다. 이러한 BAF의 집합(collection)은 인식과 연관이 있다. 하나의 명상이 이들 인식 채널만을 강조하는 것이 분명하며, 이것은 요가 수행자가 어떤 명상을 수행 중인지를 설명할 때의 활동에서 분명해진다.
도 4b를 참조하면, BAF 표현은 식물인간 상태의 개인으로부터 도시된다. 도 4a에서의 BAF 하이라이트 부분이 도시되며, 이 부분은 활성화되지 않는다. 그러나 개인에게 의학적 뇌 자극을 투여하면 짧은 시구간 동안 인식과 연관된 BAF를 활성화할 수 있었다. 이것은 약물의 효과를 BAF 표현으로 결정할 수 있는 기능의 예를 제공한다.
일부 실시예에서, 특정 개인의 뇌활동을 나타내는 전기 신호 데이터는 특정 개인이 특정 인지 과제를 수행하고 있을 때 기록된다. 일부 실시예에서, 본 발명의 일부 실시예에 따른 방법은 특정 개인이 특정 인지 과제를 수행하는 동안 기록된 특정 개인의 뇌활동을 나타내는 전기 신호 데이터에 적어도 부분적으로 기초하여, 기본 정신 상태, 기본 신경학적 질환, 또는 기본 정신 상태와 기본 신경학적 질환의 조합을 식별한다.
특정 인지 과제의 예는 이것으로 제한되는 것은 아니지만, 단기 및 장기 기억 회상, 자극의 식별, 명상, 학습, 영화 시청, 이미지 관찰, 자동차 운행 중 강한 집중, 감각 자극에 대한 반응 등을 포함한다. 특정 인지 과제를 수행하는 대상자의 BAF 표현의 예는 도 3에 도시된다.
일부 실시예에서, 감각적 자극은 청각, 촉각, 후각, 시각 등일 수 있다.
일부 실시예에서, 적어도 하나의 특정 뇌 상태를 특정 개인의 적어도 하나의 개인화된 정신 상태의 시각적 표시에 할당하는 것은, 특정 신경학적 질환과 연관된 특정 개인의 뇌에서 적어도 하나의 신경 네트워크의 이상을 식별한다.
일부 실시예에서, 특정 개인의 뇌의 적어도 하나의 신경 네트워크에서의 이상은 신경학적 질환을 갖는 특정 개인을 진단하는데 사용된다.
일부 실시예에서, 신경학적 질환은 알츠하이머 병, 치매, 스트레스, 피로, 불안, 간질, 정신적 외상성 뇌 손상, PTSD, 인지 기능의 상실, 혼수 상태, 반응 결핍, 또는 자폐증이나 자폐 스펙트럼 장애와 연관된 외부 자극에 대한 부적절한 반응, 집중력 결핍 및 수면 장애로 이루어지는 그룹으로부터 선택된다. 신경학적 질환을 가진 대상자의 BAF 표현의 예는 도 5에 도시된다.
일부 실시예에서, 특정 개인의 신경학적 질환은 알려지지 않았으며, 본 발명의 일부 실시예에 따른 방법은 신경학적 질환을 식별한다.
일부 실시예에서, 적어도 하나의 특정 뇌 상태는 특정 개인의 감정 상태를 결정하는데 사용된다.
일부 실시예에서, 특정 개인은 치료를 받고 있으며, 특정 개인의 적어도 하나의 개인화된 정신 상태의 시각적 표시는 치료의 유효성을 결정하는데 사용된다.
예를 들어, 예로서, 약 6 개월 연령의 자폐증 환자에 있어서의 조기 개입은 자폐증 치료를 개선할 수 있다. 다른 예에서, 개인의 뇌에서 간질과 연관된 적어도 하나의 신경 네트워크에서 비정상적인 활동의 조기 발견은 간질의 치료를 개선할 수 있거나, 또는 발작이 발생하고 있다는 또는 발작이 발생할 것이라는 것을 개인 또는 개인의 간병인에게 경고할 수 있다. 다른 예에서, 개인의 뇌에서 편두통과 연관된 적어도 하나의 신경 네트워크에서 비정상적인 활동의 조기 발견은 편두통의 치료를 개선할 수 있거나 또는 편두통이 발생하고 있다는 또는 편두통이 발생할 것이라는 것을 개인 또는 개인의 간병인에게 경고할 수 있다. 다른 예에서, 개인의 뇌에서 허혈성 사건과 연관된 적어도 하나의 신경 네트워크에서의 비정상적인 활동의 조기 발견은, 허혈성 손상의 치료를 개선할 수 있거나 또는 예를 들어, 일시적 허혈성 사건과 같은 허혈성 사건 또는 뇌졸중이 발생 중이라는 또는 발생할 것이라는 것을 개인 또는 개인의 간병인에게 경고할 수 있다. 일부 실시예에서, 특정 개인의 뇌활동은, 특정 허혈성 질환의 경우, 그러한 질환이 더욱 발생할 가능성이 있을 때인 대상자가 잠들어 있는 동안 기록될 수 있다.
일부 실시예에서, 특정 개인은 치료를 받고 있으며, 특정 개인의 적어도 하나의 개인화된 정신 상태의 시각적 표시는 투여될 치료의 본질을 결정하는데 사용된다.
일부 실시예에서, 특정 개인은 치료를 받고 있으며, 특정 개인의 적어도 하나의 개인화된 정신 상태의 시각적 표시는 치료의 지속기간을 결정하는데 사용된다.
일부 실시예에서, 특정 개인은 치료를 받고 있으며, 특정 개인의 적어도 하나의 개인화된 정신 상태의 시각적 표시는 치료의 투약 요법을 결정하는데 사용된다.
일부 실시예에서, 치료는 마취제이며, 마취제의 유효성은 통증을 느끼는 특정 개인의 능력 및/또는 개인의 인지된 통증 레벨 및 특정 개인의 적어도 하나의 개인화된 정신 상태의 시각적 표시의 변화와의 상관관계에 의해 결정된다.
일부 실시예에서, 치료는 편두통 치료이며, 편두통 치료의 유효성은 통증을 느끼는 특정 개인의 능력 및/또는 개인의 인지된 통증 레벨 및 특정 개인의 적어도 하나의 개인화된 정신 상태의 시각적 표시의 변화와의 상관관계에 의해 결정된다.
일부 실시예에서, 편두통 치료는 약물이다. 대안적으로, 일부 실시예에서, 편두통 치료는 유도된 상상이다. 대안적으로, 일부 실시예에서, 편두통 치료는 최면이다. 대안적으로, 일부 실시예에서, 편두통 치료는 명상이다.
일부 실시예에서, 전형적으로 수면 상태 및 깨어 있는 상태의 두 가지 뇌 질환 및 한 상태에서 다른 상태로의 전이의 역학 관계를 검출하여 뇌 손상의 정도를 식별하는 진폭 적분 EEG(Amplitude Integrated EEG)를 사용하는 태아 뇌활동의 분석과 대조적으로, 본 발명의 예시적인 특별히 프로그램된 프로세서는 유아의 뇌 상태 그룹에 대해 그룹 분석을 수행하고, 특정 시간에 유아의 뇌 상태를 결정하도록 프로그램된다.
다른 실시예에서, 신경 마케팅에서, 일부 실시예에서, 본 발명의 예시적인 특별히 프로그램된 프로세서는, 각 시간 프레임에서 자극을 받는 개인의 뇌 상태 그룹에 대해 그룹 분석을 수행하고, 주어진 윈도우 프레임에서 동일한 뇌 상태에 있는 그룹의 비율을 결정하도록 프로그램된다. 이것은 그룹 중 많은 부분이 동일한 뇌 상태에서 발견될 때, 이것이 자극으로 인해 일어난 가능성이 있고, 그래서 그룹이 자극에 관여되어 있고 자극에 반응하는 것으로 간주되므로, 그룹의 자극과의 관여성을 측정할 수 있게 한다. 그룹의 일부에 있는 특정 뇌 상태는 자극에 대한 특정 반응에 대응할 수 있어, 피드백 훈련이 가능할 수 있다.
일부 실시예에서, 본 발명의 방법은 제 1 시점에서 특정 개인의 정신 상태를 결정한다. 일부 실시예에서, 특정 개인의 뇌는 하나의 정신 상태에서 다른 정신 상태로 변하지만, 대부분의 시간 동안 제 1 정신 상태로 남아 있다. 일부 실시예에서, 제 1 정신 상태는 좋지 않다. 일부 실시예에서, 시스템은 특정 개인의 뇌가 신경 피드백을 통해 제 2의 보다 호의적인 정신 상태로 들어가도록 북돋아주는 자극을 공급할 수 있다. 예를 들어, 예시적으로, 특정 개인은 혼수 상태에 있을 수 있으며, 제 1 정신 상태는 반응이 없는 상태일 수 있다. 시스템은 특정 개인의 뇌가 제 2의 보다 반응이 많은 정신 상태에 들어가도록 북돋아주는 자극을 제공할 수 있다.
다른 예에서, 대상자는 자폐 스펙트럼 장애를 가질 수 있으며, 제 1 정신 상태는 다른 사람과의 눈 맞춤을 유지하기를 거부하거나 눈 맞춤을 유지할 수 없는 개인일 수 있다. 시스템은 개인이 눈 맞춤을 보다 쉽게 유지할 수 있는 제 2 정신 상태에 들어가도록 특정 개인의 뇌를 북돋아주는 자극을 제공할 수 있다.
복수의 미리 결정된
예측자
일부 실시예에서, 복수의 미리 결정된 예측자 중의 특정 뇌 상태와 연관된 개개의 미리 결정된 예측자는 다음의 단계에 의해 생성되고, 다음의 단계는,
i. 다음의 단계에 의해, 미리 결정된 대표적 웨이블렛 패킷 원자 세트를 획득하는 단계―다음의 단계는,
a. 특별히 프로그램된 컴퓨터 프로세서에 의해, 복수의 개인으로부터, 특정 뇌 상태의 뇌활동을 나타내는 적어도 하나의 복수의 전기 신호 데이터를 획득하는 단계;
b. 복수의 마더 웨이블렛 중에서 마더 웨이블렛―마더 웨이블렛은 하르, 코이플렛 다스베이 및 메이어 웨이블렛 패밀리로 이루어지는 그룹으로부터 선택된 웨이블렛 패밀리로부터 선택됨―을 선택하는 단계;
c. 특별히 프로그램된 컴퓨터 프로세서에 의해, 선택된 마더 웨이블렛을 사용하여, 적어도 하나의 복수의 전기 신호 데이터가 복수의 웨이블렛 패킷 원자로 분해되게 하는 단계;
d. 복수의 웨이블렛 패킷 원자를 적어도 하나의 컴퓨터 데이터 객체에 저장하는 단계;
e. 최적의 웨이블렛 패킷 원자 세트를 결정―결정은 베스트 베이시스 알고리즘을 이용하여 이루어짐―하고, 최적의 웨이블렛 패킷 원자 세트를 적어도 하나의 컴퓨터 데이터 객체에 저장하는 단계; 및
f. 특별히 프로그램된 프로세서에 의해, 최적 세트 내의 다수의 웨이블렛 패킷 원자에 대해 웨이블렛 잡음 제거를 적용하는 단계를 포함함―;
ii. 다음의 단계에 의해, 웨이블렛 패킷 원자의 미리 결정된 순서정렬을 획득하는 단계―다음의 단계는,
a. 특별히 프로그램된 프로세서에 의해, 데이터의 매 4 초 윈도우 동안의 뇌활동을 나타내는 적어도 하나의 복수의 전기 신호 데이터를 미리 결정된 대표적 웨이블렛 패킷 원자 세트 상으로 투영하는 단계;
b. 투영을 적어도 하나의 컴퓨터 데이터 객체에 저장하는 단계;
c. 특별히 프로그램된 프로세서에 의해, 인접 채널과는 상이한 채널의 투영의 통계적 척도의 평균 절대 거리를 결정함으로써, 투영 내의 모든 데이터 포인트마다 와이어 길이를 결정하는 단계;
d. 와이어 길이 데이터를 적어도 하나의 컴퓨터 데이터 객체에 저장하는 단계; 및
e. 선택적으로, 특별히 프로그램된 컴퓨터 프로세서에 의해, 저장된 투영을 재순서정렬하여, 매 시간 윈도우에 걸쳐, 복수의 개인 중의 모든 개인에 걸쳐, 그리고 투영 전체에 걸쳐, 와이어 길이 값의 통계 값을 최소화하는 단계를 포함함―; 및
iii. 미리 결정된 정규화 인자 세트를,
a. 특별히 프로그램된 컴퓨터에 의해, 저장된 투영의 값의 평균 및 표준 편차를 결정함으로써, 획득하는 단계를 포함한다.
복수의 미리 결정된 예측자의 라이브러리를 생성하기 위해, 특정 뇌 상태의 뇌활동을 나타내는 적어도 하나의 복수의 전기 신호 데이터의 예시적인 라이브러리가 필요하다. 특정 뇌 상태의 뇌활동을 나타내는 적어도 하나의 복수의 전기 신호 데이터의 예시적인 라이브러리의 생성은, 특정 뇌 상태의 뇌활동을 나타내는 전기 신호 데이터의 충분한 집합(예를 들어, 100 개의 기록; 1,000 개의 기록; 10,000 개의 기록; 100,000 개의 기록; 1,000,000 개의 기록 등)을 획득하는 것을 필요로 한다. 일반적으로, 각 이벤트의 3000 초의 기록이면 해당 뇌 상태 이벤트를 강건하게 검출하기에 충분하다. 관찰 횟수가 많을수록 검출이 더 강건해진다. 특정 뇌 상태의 뇌활동을 나타내는 전기 신호 데이터는 충분한 수의 개인(예를 들어, 100; 1,000; 10,000; 100,000; 1,000,000 등)으로부터 비롯될 수 있으며, 다양한 뇌 상태에 이르게 하는, 다양한(예를 들어, 종류가 상이한, 강도가 상이한 등) 활동, 인지 과제 및 신경학적 질환 동안 기록될 수 있다.
일부 실시예에서, 복수의 미리 결정된 예측자의 라이브러리는 하나 이상의 특정 목표에 맞추어질 수 있다. 특정 뇌활동 이벤트의 검출, 예를 들어, 간질 발작이 발생하기 전에 일어나는 특정 피질의 위치에서 존재하는 또는 편두통의 초기 단계에서 존재하는 이상의 검출에 대해 강조할 필요가 있다면, 그러한 시간 동안의 기록에는 더 많은 강조가 넣어져야 한다. 그러한 강조는 그러한 이벤트가 발생했을 때의 시간에 단일의 대상자로부터 기록함으로써 또는 그러한 시간에 여러 대상자로부터 기록함으로써 주어진다. 다른 예는 T.O.V.A. 테스트(미국 캘리포니아주 로스 알라미토스 소재의 TOVA 컴퍼니)와 같은 주의력 테스트를 수행하는 대상자로부터의 기록일 수 있다. 그런 다음 특정 유형의 간질과 같은 특정 뇌 이상을 보이는 다수의 대상자로부터의 기록보다는, 동일한 과제를 수행하는 다수의 대상자의 기록이 획득된다. 다른 실시예에서, 목표에 기초하여, 일부 실시예에서, 복수의 대상자는 특정 인지 과제를 수행하도록 요청받을 수 있다. 특정 인지 과제의 예는 이것으로 제한되는 것은 아니지만, 기억 회상, 자극의 식별, 주의 과제의 수행, 명상, 학습, 영화 시청, 이미지 관찰, 자동차 운행 중 강한 집중 등을 포함한다.
적어도 하나의 복수의 전기 신호 데이터의 분해: 일부 실시예에서, 적어도 하나의 복수의 전기 신호 데이터는 일정 시간에 걸쳐 기록된다. 일부 실시예에서, 적어도 하나의 복수의 전기 신호 데이터는 최대 1 시간 동안 기록된다. 일부 실시예에서, 적어도 하나의 복수의 전기 신호 데이터는 최대 50 분 동안 기록된다. 일부 실시예에서, 적어도 하나의 복수의 전기 신호 데이터는 최대 40 분 동안 기록된다. 일부 실시예에서, 적어도 하나의 복수의 전기 신호 데이터는 최대 30 분 동안 기록된다. 일부 실시예에서, 적어도 하나의 복수의 전기 신호 데이터는 최대 20 분 동안 기록된다. 일부 실시예에서, 적어도 하나의 복수의 전기 신호 데이터는 최대 10 분 동안 기록된다.
일부 실시예에서, 기록된 적어도 하나의 복수의 전기 신호 데이터는 복수의 분해된 웨이블렛 패킷 원자로 분해된다. 복수의 분해된 웨이블렛 패킷 원자 중의 각각의 개개의 분해된 웨이블렛 패킷 원자는 뇌활동 특징("BAF")에 대응한다.
일부 실시예에서, 본 발명의 예시적인 특별히 프로그램된 프로세서는 적어도 하나의 복수의 전기 신호 데이터를 상이한 마더 웨이블렛 및 이것으로 제한되는 것은 아니지만, 직교 코사인 변환 및 웨이블렛 변환과 같은 다른 직교 분해를 이용하여, 복수의 분해된 웨이블렛 패킷 원자로 분해하도록 프로그램된다. 일부 실시예에서, 본 발명의 예시적인 특별히 프로그램된 프로세서는 특정 직교 분해를 이용하여 n log(n) 시간에 비례하는 분해 처리 시간을 최소화하도록 프로그램되며, 여기서, n은 윈도우 프레임 내의 샘플 수이다.
일부 실시예에서, 마더 웨이블렛은 이것으로 제한되는 것은 아니지만, 하르, 코이플렛 다스베이 및 메이어 웨이블렛 패밀리를 포함하는 그룹으로부터 선택된 웨이블렛 패밀리 중에서 선택된다. 본 발명의 일부 실시예에 따른 마더 웨이블렛에 적합한 다른 웨이블렛 패밀리는 http://www.mathworks.com/help/wavelet/ref/waveletfamilies.html?refresh=true에있는 웹 사이트에 기재되어 있다.
일부 실시예에서, 마더 웨이블렛은 (단지 웨이블렛 분해 패킷 원자(decomposing wavelet packet atom)만 아니라) 마더 웨이블렛을 주어진 신호 집합에 적응시키는 알고리즘이다. 이것은 마더 웨이블렛을 선택할 때 수행될 수 있는 또 다른 변형이다. 예를 들어, 문헌[N. Neretti 및 N. Intrator의 An Adaptive approach to wavelets filter design. IEEE Proceedings on Neural Networks for Signal Processing pp. 317-326, Sep. 2002]을 참고하며, 그 전체 내용은 본 명세서에 참조로 포함된다.
일부 실시예에서, 본 발명의 예시적인 특별히 프로그램된 프로세서는 직교 분해 알고리즘에 기초하여, n 차원 벡터의 집합을 획득하도록 프로그램되며, 여기서 각 벡터는 하나의 BAF를 나타낸다.
일부 실시예에서, 본 발명의 예시적인 특별히 프로그램된 프로세서는 적어도 하나의 미리 결정된 목표를 달성하기 위해 분해를 수행하도록 프로그램된다. 예를 들어, 적어도 하나의 미리 결정된 목표는 특정 계수 분포(자율/감독된 복합 목표)에서 특정 구별을 달성하고 개인 그룹에 대해 데이터 분석에 일반적으로 활용될 수 있는 공통적인 베스트 베이시스를 식별하는 것에 기초할 수 있다.
일부 실시예에서, 본 발명의 예시적인 특별히 프로그램된 프로세서는 선택된 베이시스 기능 또는 이러한 투영의 일부 통계로의 투영(컨볼루션)을 결정하여 특정 기본 기능(BAF)과 연관된 특정 뇌활동(들)을 해석하는 출력을 생성하도록 프로그램된다. 예를 들어, 본 발명의 예시적인 특별히 프로그램된 프로세서는 각각의 그러한 투영에서의 활동에 기초하여 특정 BAF(들)을 결정하도록 프로그램된다. 일부 실시예에서, 본 발명의 예시적인 특별히 프로그램된 프로세서는 각 투영의 에너지(예를 들어, 신호의 분산), 직교 분포의 최대 값 또는 다른 적절한 통계적 측정치, 예를 들어, 이것으로 제한되는 것은 아니지만, 음의 엔트로피의 값을 추정하도록 프로그램된다.
일부 실시예에서, 기록된 적어도 하나의 복수의 전기 신호 데이터는 본 명세서에서 참조로 포함된, 문헌[Coifman, RR, & Wickerhauser, MV, IEEE Transactions on Information Theory, 38(2), 713-718 (1992)], 특히 섹션 III. Entropy of a vector에서 설명된 바와 같은 샤논 방정식에 기초한 직교 분해에 관한 설명에 개시된 베스트 베이시스 알고리즘에 따라, 복수의 분해된 웨이블렛 패킷 원자로 분해된다.
구체적으로, 본 발명의 예시적인 특별히 프로그램된 프로세서는 특정한 적어도 하나의 복수의 전기 신호 데이터의 직교 분해에 이용될 최소 엔트로피 베이시스를 식별한다. 일부 실시예에서, 본 발명의 예시적인 특별히 프로그램된 프로세서는 적어도 하나의 복수의 전기 신호 데이터에 대해 샤논 엔트로피 분석을 수행하여 조인트 베스트 베이시스(joint best basis)를 획득한다. 조인트 베스트 베이시스를 얻기 위해 적어도 하나의 복수의 전기 신호 데이터를 고려할 때, 본 특허의 일 실시예에서, 조인트의 적어도 하나의 복수의 전기 신호 데이터의 특정 특성을 강조하는 추가 특성을 포함하기 위해 맵(M)을 선택할 수 있다. 예를 들어, M(1) 및 M(2)가 부가 정보 비용 함수가 되는 맵의 정의를 충족하면, 이것은 두 기능의 합에 의존하는 최적의 베이시스로 이어진다. 일부 실시예에서, 본 발명의 예시적인 특별히 프로그램된 프로세서는 특정 웨이블렛 패킷 트리의 각 노드에서의 계수들의 분포를 측정하는 새로운 부가 비용 함수를 추가하여 최소의 샤논 엔트로피를 갖는 또는 모든 데이터 관측 전체에 걸친 평균에 대해 (웨이블렛 분해에 걸쳐) 수정된 부가 최적화 함수를 갖는 웨이블렛 패킷 계수를 탐색하는 기능적 M을 식별하도록 프로그램된다.
일부 실시예에서, 기록된 적어도 하나의 복수의 전기 신호 데이터는 문헌[Stainvas, I 및 Intrator, N., In. J. Appl. Mathematics and Statistics, 4(J06), 1-22 (2006)]에 개시된 다른 적합한 베스트 베이시스 알고리즘에 따라, 복수의 분해된 웨이블렛 패킷 원자로 분해되며, 이 문헌의 특정 개시내용은 본 명세서에서 참조로 포함된다.
일부 실시예에서, 기록된 적어도 하나의 복수의 전기 신호 데이터는 문헌[Intrator, N, Neural Computation 5, 443-455 (1993)]에 개시된 다른 적합한 베스트 베이시스 알고리즘에 따라, 복수의 분해된 웨이블렛 패킷 원자로 분해되며, 이 문헌의 특정 개시내용은 본 출원에 참조로 포함된다.
일부 실시예에서, 기록된 적어도 하나의 복수의 전기 신호 데이터는 문헌[Intrator, N, Neural Computation 4, 98-1-7 (1992)]에 개시된 다른 적합한 베스트 베이시스 알고리즘에 따라, 복수의 분해된 웨이블렛 패킷 원자로 분해되며, 이 문헌의 특정 개시 내용은 본 출원에 참조로 포함된다.
예를 들어, 일부 실시예에서, 본 발명의 예시적인 특별히 프로그램된 프로세서는 시계열을 따른 이동 윈도우 프레임을 이용하여 상이한 데이터 관찰 결과를 획득하도록 프로그램된다. 일 예에서, 본 발명의 예시적인 특별히 프로그램된 프로세서는 데이터 세그먼트의 분석을 위해 특정 윈도우 프레임 및 오버랩(overlap)을 이용하도록 프로그램된다. 일 예에서, 본 발명의 예시적인 특별히 프로그램된 프로세서는 연속적인 윈도우 프레임들 사이에서 75 %의 오버랩이 있는 4 초의 윈도우 프레임을 이용하도록 프로그램된다. 일부 실시예에서, 본 발명의 예시적인 특별히 프로그램된 프로세서는 2의 지수의 길이를 갖는 윈도우를 이용하도록 프로그램되며, 따라서, 예를 들어, 샘플링 레이트가 256 Hz라면, 4 초 윈도우는 1024 샘플을 발생시킬 것이다. 다른 예에서, 250 Hz의 샘플링 주파수라면, 본 발명의 예시적인 특별히 프로그램된 프로세서는 4 초보다 약간 높은 윈도우 프레임(예를 들어, 4.05 내지 4.2)을 이용하도록 프로그램된다. 다른 예에서, 496 Hz의 샘플링 주파수이라면, 본 발명의 예시적인 특별히 프로그램된 프로세서는 4 초보다 약간 높은 윈도우 프레임(예를 들어, 4.05 내지 4.2)을 이용하도록 프로그램된다. 다른 예에서, 496 Hz의 샘플링 주파수이라면, 본 발명의 예시적인 특별히 프로그램된 프로세서는 4 초보다 약간 높은 윈도우 프레임(예를 들어, 4.05 내지 4.2)을 이용하도록 프로그램된다.
다른 예에서, 본 발명의 예시적인 특별히 프로그램된 프로세서는 인접 프레임들 사이에서 1 초씩 진행하는 윈도우 프레임을 이용하여 1 초마다 벡터 업데이트를 획득하도록 프로그래밍되며, 이에 따라 크기가 121 × N(데이터에서의 초의 수)―3(제 1 프레임이 4초이고 그 다음으로 각 프레임이 1 초씩 진행되는 것에서 기인함)인 투영 매트릭스를 생성한다. 일부 실시예에서, 본 발명의 예시적인 특별히 프로그램된 프로세서는 전체 매트릭스를 재스케일링하여 데이터의 시각적 맵의 최대 동적 범위를 획득하도록 프로그램된다.
최적 세트의 결정: 일부 실시예에서, 최적의 웨이블렛 패킷 원자 세트는 문헌[Coifman, R. R., & Wickerhauser, M. V., IEEE Transactions on Information Theory, 38(2), 713-718 (1992)], 특히 직교 분해의 설명에 개시된 베스트 베이시스 알고리즘에 따라 결정되며, 이 문헌은 본 명세서에서 참조로 포함된다.
일부 실시예에서, 최적의 웨이블렛 패킷 원자 세트는 문헌[Stainvas, I 및 Intrator, N., In. J. Appl. Mathematics and Statistics, 4(J06), 1-22 (2006)]에 개시된 다른 적합한 베스트 베이시스 알고리즘에 따라 결정되며, 이 문헌의 특정 개시내용은 본 명세서에서 참조로 포함된다.
일부 실시예에서, 웨이블렛 패킷 원자의 최적 세트는 문헌[Intrator, N, Neural Computation 5, 443-455 (1993)]에 개시된 다른 적절한 베스트 베이시스 알고리즘에 따라 결정되며, 이 문헌의 특정 개시내용은 본 명세서에서 참조로 포함된다.
일부 실시예에서, 웨이블렛 패킷 원자의 최적 세트는 문헌[Intrator, N, Neural Computation 4, 98-1-7 (1992)]에 개시된 다른 적절한 베스트 베이시스 알고리즘에 따라 결정되며, 이 문헌의 특정 개시내용은 본 명세서에서 참조로 포함된다.
일부 실시예에서, 최적 세트 내의 웨이블렛 패킷 원자의 수는 문헌[Donoho D.L., IEEE Transactions on Information Theory, 41(3), 613-627 (1995)]에 개시된 웨이블렛 잡음 제거 알고리즘을 적용함으로써 감소된다.
일부 실시예에서, 최적 세트 내의 웨이블렛 패킷 원자의 수는 L1 잡음 제거 방법을 적용함으로써 감소된다.
일부 실시예에서, 최적 세트 내의 웨이블렛 패킷 원자의 수는 L2 잡음 제거 방법을 적용함으로써 감소된다.
일부 실시예에서, 최적 세트 내의 웨이블렛 패킷 원자의 수는 하드 쓰레솔드 방법(hard threshold method)을 적용함으로써 감소된다.
복수의 분해된 웨이블렛 패킷 원자의 재순서정렬: 일부 실시예에서, 잡음 제거된 최적의 웨이블렛 패킷 원자 세트는 재순서정렬되고, 이에 따라 예를 들어, 도 6에 도시된 바와 같이, 전체 신호 데이터의 분석에 기초하여 더 많이 생리적으로 상관된 BAF가 지리적으로/공간적으로 더 가깝게 시각적으로 제시된다.
일부 실시예에서, 재순서정렬은 선택 사항이다.
일부 실시예에서, 잡음 제거된 최적의 웨이블렛 패킷 원자 세트는 특별히 프로그램된 컴퓨터에 의해 다음의 단계를 수행하여 재순서정렬되고, 다음의 단계는,
1. 인접 채널과는 상이한 채널의 투영의 통계적 척도의 평균 또는 절대 거리의 합을 결정함으로써 투영 내 모든 데이터 포인트마다 와이어 길이를 결정하는 단계;
2. 와이어 길이 데이터를 적어도 하나의 컴퓨터 데이터 객체에 저장하는 단계; 및
3. 저장된 투영을 재순서정렬하여, 투영 전체에 걸쳐, 매 4 초 윈도우에 걸쳐, 그리고 복수의 개인 중의 모든 개인에 걸쳐 와이어 길이의 평균 또는 합을 없애는 값을 최소화하는 단계로 구성된다.
일부 실시예에서, 재순서정렬에 대한 통계 값은, 웨이블렛 패킷 원자의 절대 차의 합의 평균 및 웨이블렛 패킷 원자의 (1-상관관계)의 합의 평균으로 이루어지는 그룹으로부터 선택된다.
미리 결정된 정규화 인자 세트를 획득: 일부 실시예에서, 미리 결정된 정규화 인자 세트의 세트는 저장된 투영의 값의 평균 및 표준 편차를 결정함으로써 획득된다.
일부 실시예에서, 뇌활동은 개개의 BAF의 에너지로 표현된다. 일부 실시예에서, 에너지는 신호의 분산에 기초하여 결정된다. 일부 실시예에서, 에너지는 개개 BAF의 에너지의 최대 값이다. 일부 실시예에서, 에너지는 Coifman 및 Wickerhauser와 같이 개개 BAF의 에너지 계수의 음의 엔트로피이다.
일부 실시예에서, 대상자의 BAF 표현은 기록되는 신호의 총 에너지에 대한 각 BAF의 기여도를 결정하는데 사용된다. 예를 들어, 대상자의 BAF 표현은 적어도 부분적으로:
1) 직교 분해에 이용되는 적어도 하나의 직교 조건, 및/또는
2) BAF 표현에 대해 유지되는 파사발의 균등성(Parseval's equality)을 이용하는 직교 성분의 합
에 기초하여, 각 BAF의 기록되는 신호의 전체 에너지에 대한 기여도를 결정하는데 사용된다.
일부 실시예에서, 대상자의 BAF 표현은 BAF의 피크의 와이어 세그먼테이션(wire segmentation)을 획득함으로써 생성되는 가상 와이어(virtual wire)의 총 길이에 대한 각 BAF의 기여도를 획득하는데 사용된다; 여기서 가상 와이어는 서로 통신하는 대상자의 격리된 뇌 서브시스템에 의해 이용되는 적어도 하나의 의사소통 통로를 식별한다. 일부 실시예에서, 가상 와이어의 총 길이에 대한 각 BAF의 기여도는 지리적으로 가까운 상이한 BAF에서의 뇌활동의 평활도이다.
일부 실시예에서, 신호의 총 에너지에 대한 각 BAF의 기여도 및 BAF 활동의 피크의 와이어 세그먼테이션을 획득함으로써 생성되는 각각의 가상 와이어의 총 길이에 대한 각 BAF의 기여도는 어떤 BAF가 최종 BAF 표현에 제시되고 있는지를 결정하는데 사용된다. 일부 실시예에서, 대상자의 BAF 표현에 제시되는 특정 BAF는 분산에 대한 기여도가 적절히 높은 그리고 가상 와이어 길이 전체에 대한 기여도가 낮은 그러한 BAF이다.
일부 실시예에서, 본 발명은 특정 개인의 기본 정신 상태, 기본 신경학적 질환, 또는 기본 정신 상태와 기본 신경학적 질환의 조합이 가능한 시스템을 제공한다. 그러므로, 일부 실시예에서, 시스템은 의료진에 의해 사용될 수 있다.
일부 실시예에서, 대상자의 뇌의 전기적 활동을 기록하는데 사용되는 장치는 연속적으로 착용될 수 있으며, 비침습적이거나 눈에 거슬리지 않는다. 따라서, 일부 실시예에서, 신경학적 손상의 식별 또는 대상자의 첫 번째 정신 상태의 결정이 보다 이른 시간에 달성될 수 있거나, 대상자가 보다 자연스럽게 또는 임상적 설정을 덜하여 모니터링되기 때문에, 다른 방법보다 효율적으로 달성될 수 있다. 일부 실시예에서, 본 발명의 시스템은 개인의 정신 상태 및/또는 신경학적 질환의 조기 발견, 확인 또는 진단을 가능하게 한다.
일부 실시예에서, 본 발명은 특별히 프로그램된 컴퓨터 시스템을 제공하며, 특별히 프로그램된 컴퓨터 시스템은,
a. 적어도 하나의 특화된 컴퓨터 머신을 포함하고, 특화된 컴퓨터 머신은,
i. 특정 컴퓨터 실행 가능 프로그램 코드를 전자적으로 저장한 비일시적 메모리; 및
ii. 특정 프로그램 코드를 실행할 때, 적어도 다음의 동작을 수행하도록 구성된 특별히 프로그램된 컴퓨터 프로세서가 되는 적어도 하나의 컴퓨터 프로세서를 포함하고, 적어도 다음의 동작은,
1. 특별히 프로그램된 프로세서에 의해, 특정 개인의 뇌활동을 나타내는 전기 신호 데이터를 실시간으로 획득하는 단계;
2. 실시간으로, 복수의 미리 결정된 예측자를 포함하는 예측자 라이브러리로부터 선택된, 특정 뇌 상태와 연관된 개개의 미리 결정된 예측자―각 개개의 미리 결정된 예측자는 고유한 뇌 상태와 연관됨―에 기초하여 특정 개인의 뇌활동을 나타내는 전기 신호 데이터를 처리하는 단계―
특정 뇌 상태와 연관된 미리 결정된 예측자는,
i. 미리 결정된 마더 웨이블렛,
ii. 미리 결정된 대표적 웨이블렛 패킷 원자 세트,
iii. 미리 결정된 마더 웨이블렛으로부터 생성된 미리 결정된 웨이블렛 패킷 원자의 순서정렬, 및
iv. 미리 결정된 정규화 인자 세트를 포함하고,
처리하는 단계는,
i. 특별히 프로그램된 프로세서에 의해, 미리 결정된 대표적 웨이블렛 패킷 원자 세트를 사용하여, 전기 신호 데이터가 복수의 미리 결정되는 분해된 웨이블렛 패킷 원자로 분해되게 하는 단계―
전기 신호 데이터의 시간 윈도우는 미리 결정된 대표적 웨이블렛 패킷 원자 세트에 투영―투영은 컨볼루션 또는 내적을 통해 이루어짐―되고, 각각의 미리 결정된 대표적 웨이블렛 패킷 원자는 복수의 미리 결정된 뇌활동 특징의 라이브러리로부터의 특정한 미리 결정된 뇌활동 특징에 대응함―;
ii. 복수의 미리 결정되는 분해된 웨이블렛 패킷 원자를 적어도 하나의 컴퓨터 데이터 객체에 저장하는 단계;
iii. 특별히 프로그램된 프로세서에 의해, 미리 결정된 순서정렬의 이용에 기초하여, 저장된 복수의 미리 결정되는 분해된 웨이블렛 패킷 원자가 컴퓨터 데이터 객체 내에서 재순서정렬되게 하는 단계;
iv. 재순서정렬된 복수의 미리 결정되는 분해된 웨이블렛 패킷 원자 각각의 활동의 통계적 척도를 획득하는 단계; 및
v. 미리 결정된 정규화 인수의 이용에 기초하여, 재순서정렬된 복수의 미리 결정된 웨이블렛 패킷 원자를 정규화하는 단계를 포함함―; 및
3. 처리하는 단계에 기초하여, 특정 개인의 적어도 하나의 개인화된 정신 상태, 특정 개인의 적어도 하나의 개인화된 신경성 조건 또는 둘 모두의 시각적 표시를 출력하는 단계를 포함하고,
복수의 미리 결정된 예측자 중의 특정 뇌 상태와 연관된 개개의 미리 결정된 예측자는 다음의 단계에 의해 생성되고, 다음의 단계는,
i. 다음의 단계에 의해, 미리 결정된 대표적 웨이블렛 패킷 원자 세트를 획득하는 단계―다음의 단계는,
1. 특별히 프로그램된 컴퓨터 프로세서에 의해, 복수의 개인으로부터, 특정 뇌 상태의 뇌활동을 나타내는 적어도 하나의 복수의 전기 신호 데이터를 획득하는 단계;
2. 복수의 마더 웨이블렛들로부터 마더 웨이블렛―마더 웨이블렛은, 하르, 코이플렛 다스베이 및 메이어 웨이블렛 패밀리로 이루어지는 그룹으로부터 선택된 웨이블렛 패밀리로부터 선택됨―을 선택하는 단계;
3. 특별히 프로그램된 컴퓨터 프로세서에 의해, 선택된 마더 웨이블렛을 사용하여, 적어도 하나의 복수의 전기 신호 데이터가 복수의 웨이블렛 패킷 원자로 분해되게 하는 단계;
4. 복수의 웨이블렛 패킷 원자를 적어도 하나의 컴퓨터 데이터 객체에 저장하는 단계;
5. 미리 결정된 마더 웨이블렛을 사용하여 최적의 웨이블렛 패킷 원자 세트를 결정―결정은 베스트 베이시스 알고리즘을 이용하여 이루어짐―하고, 최적의 웨이블렛 패킷 원자 세트를 적어도 하나의 컴퓨터 데이터 객체에 저장하는 단계; 및
6. 특별히 프로그램된 프로세서에 의해, 최적 세트 내 다수의 웨이블렛 패킷 원자에 대해 웨이블렛 잡음 제거를 적용하는 단계를 포함함―;
ii. 다음의 단계에 의해, 웨이블렛 패킷 원자의 미리 결정된 순서정렬을 획득하는 단계―다음의 단계는,
1. 특별히 프로그램된 프로세서에 의해, 데이터의 매 4 초 윈도우 동안의 뇌활동을 나타내는 적어도 하나의 복수의 전기 신호 데이터를 미리 결정된 대표적 웨이블렛 패킷 원자 세트 상으로 투영하는 단계;
2. 투영을 적어도 하나의 컴퓨터 데이터 객체에 저장하는 단계;
3. 특별히 프로그램된 프로세서에 의해, 인접 채널과는 상이한 채널의 투영의 통계적 척도의 평균 절대 거리를 결정함으로써, 투영 내의 모든 데이터 포인트마다 와이어 길이를 결정하는 단계;
4. 와이어 길이 데이터를 적어도 하나의 컴퓨터 데이터 객체에 저장하는 단계; 및
5. 특별히 프로그램된 컴퓨터 프로세서에 의해, 저장된 투영을 재순서정렬하여, 매 시간 윈도우에 걸쳐, 복수의 개인 중의 모든 개인에 걸쳐, 그리고 투영 전체에 걸쳐, 와이어 길이 값의 통계 값을 최소화하는 단계를 포함함―; 및
iii. 미리 결정된 정규화 인자 세트를,
1. 특별히 프로그램된 컴퓨터에 의해, 저장된 투영의 값의 평균 및 표준 편차를 결정함으로써, 획득하는 단계로 이루어진다.
일 실시예에서, 특별히 프로그램된 컴퓨터 시스템은 적어도 하나의 특화된 컴퓨터 머신을 더 포함하고, 적어도 하나의 특화된 컴퓨터 머신은,
a. 적어도 하나의 특화된 컴퓨터 머신을 포함하고, 특화된 컴퓨터 머신은,
i. 특정 컴퓨터 실행 가능 프로그램 코드를 전자적으로 저장한 비일시적 메모리; 및
ii. 특정 프로그램 코드를 실행할 때, 적어도 다음의 동작을 수행하도록 구성된 특별히 프로그램된 컴퓨터 프로세서가 되는 적어도 하나의 컴퓨터 프로세서를 포함하고, 적어도 다음의 동작은,
1. 특별히 프로그램된 프로세서에 의해, 실시간으로, (i) 심장 박동수, 혈액 산소 및/또는 이산화탄소 레벨, 신체 온도, 호흡 수, 피부 온도, 피부 전도도 및 움직임으로 이루어지는 그룹으로부터 선택된, 개인의 적어도 하나의 생리학적 파라미터, 및 (ⅱ) 적어도 하나의 환경적 파라미터 중 적어도 하나를 획득하는 단계; 및
2. 획득된 데이터와 특정 개인의 적어도 하나의 개인화된 정신 상태, 특정 개인의 적어도 하나의 개인화된 신경학적 질환, 또는 둘 모두의 시각적 표시 간의 관계를 결정하는 단계를 포함한다.
대상자의 정신 상태, 신경학적 질환, 또는 둘 모두에서 변화를 유도하는 방법
일부 실시예에서, 본 발명은 시스템을 제공하며, 시스템은,
a. 적어도 하나의 자극을 대상자에 가하도록 구성된 장치;
b. 대상자의 뇌의 전기적 활동을 기록하고, 대상자의 정신 상태, 신경학적 질환, 또는 둘 모두를 결정하며, 대상자가 적어도 하나의 자극에 대해 갖는 반응을 기록하도록 구성된 장치를 포함한다.
일부 실시예에서, 시스템은 신경 피드백 메커니즘을 더 포함하며, 신경 피드백 메커니즘은,
a. 대상자가 반응할 수 있는 자극을 결정하고;
b. 반응의 본질, 크기 또는 지속기간을 변경하고; 또는
c. a 및 b 둘 모두를 수행하도록 구성된다.
일부 실시예에서, 반응은 인지 반응일 수 있다. 대안적으로, 일부 실시예에서, 반응은 감정적 반응일 수 있다.
일부 실시예에서, 시스템은 휴대 가능하다. 일부 실시예에서, 시스템은 대상자의 뇌의 활동의 실시간 해석을 제공하도록 구성된다.
일부 실시예에서, 적어도 하나의 자극은, 청각 자극, 촉각 자극, 후각 자극, 시각 자극, 또는 이들의 임의 조합으로 이루어지는 그룹으로부터 선택된다. 자극을 제공하도록 구성된 모든 디바이스가 사용될 수 있다. 예는 이것으로 제한되는 것은 아니지만, 스피커, 장난감, 게임, 프로젝터, 컴퓨터 스크린 등을 포함한다.
일부 실시예에서, 적어도 하나의 자극을 제공하도록 구성된 디바이스는 대상자로부터 원격으로 조작된다.
일부 실시예에서, 대상자는 예컨대, 예를 들어, 간병인 또는 가족 구성원에 의해 원격으로 모니터링될 수 있다.
예를 들어, 예시적으로, 자극을 제공하도록 구성된 디바이스는 양방향으로 조작되는 장난감일 수 있으며, 장난감은 유아의 주의를 끌도록 구성된다. 장난감은 (예를 들어, 블루투스와 같은 것을 통해) 원격 조작되어 컬러를 이동 및/또는 변경할 수 있다. 컬러는 유아의 감정 상태를 나타낼 수 있으며, 움직임은 특정한 인지 또는 감정 상태 변화를 나타낼 수 있다.
일부 실시예에서, 적어도 하나의 자극을 제공하도록 구성된 디바이스는 U.S. 특허 No. 6,773,344에 개시된 상호작용 장난감이다.
일부 실시예에서, 시스템은 또한, 시간에 따라 적어도 하나의 자극에 대한 대상자의 반응을 모니터링하여 기록하며, 적어도 하나의 자극에 대한 반응이 시간에 따라 변하는지를 결정하도록 구성된다. 일부 실시예에서, 시스템은 적어도 하나의 자극에 대한 반응이 변화하면 경보를 발행하도록 구성된다.
일부 실시예에서, 대상자는 유아이다. 어떠한 특정 이론에 의해서도 제한되게 하지 않고, 아동 발달의 처음 몇 달 동안, 아동의 삶에 영향을 미치는 몇 가지 중요한 뇌 발달이 있다. 이러한 발달은, 예를 들어, 이것으로 제한되는 것은 아니지만, 다음과 같은 것을 포함한다:
1. 예를 들어, 주먹을 쥐어 물체 잡기, 안구 움직임 제어 및 양손 협응성(two hands coordination)과 같은 운동 신경 및 기타 피질 활동의 발달;
2. 감각 지각의 발달;
3. 예를 들어, 시각적으로 말한 단어 보기, 말한 단어 듣기와 같은 감각 입력의 공동 처리;
4. 예를 들어, 어떤 장난감을 보는지, 어떤 장난감을 잡는지 등과 같은 의사 결정 능력의 발달; 및/또는
5. 음성 및 소리 전처리의 발달.
위에서 열거된 발달은 예를 들어, 대상자의 건강, 환경, 영양, 가족 상호작용, 부유함, 놀이, 자극, 수면, 신경 장애 등을 비롯한 다양한 인자에 의해 영향을 받을 수 있다.
예로서, 유아가 어릴 때 얼굴에 노출되지 않으면(또는 얼굴을 의도적으로 쳐다보지 않으면), 표정 분석이 발달하지 않을 것이며 그 결과 유아는 사회적 커뮤니케이션의 핵심 도구 중 하나인 표정을 이해하는 능력을 어느 정도 상실할 수 있고, 이것은 나중에 유아가 발달함에 따라, 나중에 사회적 기량에 일반적으로 영향을 줄 수 있으며, 이후의 아동은 사회적 상호작용 중에 다른 사람의 얼굴을 쳐다보지 않아, 다른 사람에게 사회적 스트레스를 유발할 수 있고 결과적으로 사회적 상호작용을 감소시킨다.
또한, 유아가 음성 인식 및 생성의 발달 중에 음소 및 단어를 발성하는 사람들을 보지 않는다면, 정확한 소리를 생성하는 유아의 능력은 발화가 판독 불가능한 지점에까지 영향을 받을 수 있다.
발달 경로의 변화를 조기에 검출할수록, 최소한의 손상으로 또는 손상 없이 발달을 올바른 경로로 되돌리는 것이 더 쉬워진다.
어떠한 특정 이론에 의해서도 제한되게 하지 않고, 본 발명의 일부 실시예에 따른 방법 및 시스템은, (i) 유아의 기본 정신 상태, 기본 신경학적 질환, 또는 유아의 기본 정신 상태와 기본 신경학적 질환의 조합을 식별하는데 사용되는, 유아의 정신 상태의 시각적 표현을 획득함으로써, 유아의 발달시의 이상을 검출할 수 있고; (ii) 각 자극에 대한 유아의 주의 및 지속적인 주의 및 각 자극에 대한 반응 시간을 검출하기 위해 시도하는 상이한 자극을 생성하는 자극 장치를 사용하여 유아에게 자극을 가할 수 있고; (iii) 자극에 대한 유아의 반응을 정량화하기 위해 사용되는, 자극에 뒤이은 유아의 정신 상태의 시각적 표현을 획득할 수 있으며; (iv) 유아의 발달시 이상을 치료하는데 사용되는, 신경 피드백 메커니즘을 제공할 수 있다.
일부 실시예에서, 유아는 개선되거나 정상적인 발달 과제를 이끌어 내기 위해 보상을 받을 수 있거나 격려 받을 수 있다.
일부 실시예에서, 배경에서 청각 자극이 재생되는 동안 유아는 EEG 모니터에 붙어 있다. 유아는 자유롭게 움직이며 장난감을 가지고 놀 수 있다. 특정 음조의 음악이 다른 음악 작품들 사이에서 반복되고 있다. EEG 데이터 기록 및 처리 시스템은 음악을 음악 플레이어로 스트리밍하여 (클라우드로부터) 음악적 자극을 제어하고 있다. 특정 음악 작품에 대한 특정한 반응 패턴이 함께 수집되고 분석된다. 이것은 BAF의 반응 패턴(주요 기술 특허에서 상세하게 설명됨)에서 유사성이 있는지를 검출할 수 있게 한다.
일부 실시예에서, 상이한 BAF 채널이 (대용량 데이터 기록 세트에서) 이들의 상관관계에 따라 순서정렬됨에 따라, 전체 BAF 벡터로부터 하위 부분(연속적인 BAF 채널들의 상이한 작은 그룹)의 유사성이 탐색된다. 전체의 기록에 걸쳐 BAF 채널의 특정 집합의 클러스터링을 수행함으로써, 음악에 대한 반응이 실제로 동일한 클러스터의 일부를 형성하는지 또는 동일한 클러스터의 일부인지를 결정하는 것이 가능하다. 또한, 조기 반응이 몇 번 반복 후에 동일한 음악 작품에 대한 반응과 상이한지를 결정하여, 특정 음악 작품에 대한 잠재적인 친숙함 또는 습관화를 표시하는 것이 가능하다. 동일한 분석을 여러 차례 상이한 음악 작품에 대해 수행함으로써, 여러 차례 연주된 음악 작품에 대해 변화하는 반응의 유사 패턴이 있는지, 반응이 "복잡한" 음악 작품 대 "단순한" 음악 작품에 대해 동일한지 그리고 이것이 유아가 발달함에 따라 변화하는지를 결정하는 것이 가능해진다. 몇 시간 후 또는 며칠 후에 동일한 음악 작품을 반복함으로써, 나이의 함수로서 유아의 단기 및 장기 기억력 강화 능력을 검사할 수 있고, 유아가 유사한 방식으로 반응하는 음악 작품의 복잡성 정도를 볼 수 있으며, 아기의 기억, 주의 및 비교 능력을 결정할 수 있다. 또한, 음악 작품 내의 하나 이상의 음표를 변경함으로써, BAF로 측정한 것으로 뇌활동 반응의 차이를 알아내어, 유아가 변화를 알아내는지를 결정할 수 있다.
음악 및 다른 자극의 상이한 복잡성이 상이한 연령대의 아기에게 제공될 수 있다. 상기 추론을 사용하여, 어떤 나이의 유아가 상이한 자극에 반응하기 시작하는지를 결정할 수 있으며, 이것은 유아의 발달을 정량화하는데 사용될 수 있다. 예를 들어, 유아가 얼굴에, 친숙한 얼굴에, 얼굴 표정에, 소리와 상관된 얼굴 등에 반응하는지를 결정할 수 있다.
일부 실시예에서, (예를 들어, 발달 중인 유아와 같은) 대상자의 기분이 추론될 수 있다. 예를 들어, 예로서, 일부 실시예에서, 기분은 BAF 표현 내의 스트레스 및 행복과 관련된 채널로부터 추론된다. 일부 실시예에서, 스트레스와 관련된 채널은 음으로 상관되는 1-4 및 양으로 상관되는 34-37, 113-114, 119-121이다. 일부 실시예에서, 이들 채널에서 증가된 활동은 스트레스, 불안 또는 고통의 고난을 표시할 수 있다. 간병인 개입은 이들의 가능성을 구별할 수 있다.
일부 실시예에서, 기분 장애가 검출될 수 있다. 예를 들어, 예로서, 일부 실시예에서, 긍정적인 기분과 상관되는 채널은 34-38 및 113-114이고 다른 세트는 119-121이다. 일부 실시예에서, 첫 번째 채널은 행복한 영화를 보는 것과 같은 외부 자극의 결과로서 긍정적인 기분과 더 많이 관련이 있고, 반면에 후자는 행복을 초래하는 개인적 성취와 같은 내적 느낌과 더 많이 관련이 있다. 이들 채널에서의 활동 부족은 우울증을 표시할 수 있다.
일부 실시예에서, 주의 장애는 자극에 대한 주의 부족과 상관될 수 있으며, 이 경우, 동일한 자극으로 원하는 반응, 예를 들어, 자극에 친숙함의 표시를 유발할 때가 있을 것이지만, 다른 경우에, 유아는 정신을 산만하게 하는 다른 것에 의해 지배받을 수 있으며 동일한 자극으로는 동일한 반응을 생성하지 않을 것이다.
일부 실시예에서, OCD는 상기 추론 메커니즘을 통해 추론될 수 있는 반복된 일부 뇌활동에 의해 표시될 수 있지만, 외부 자극과 상관되는 것이 아니라 내부 뇌활동과 상관되는 것으로 밝혀질 수 있다.
일부 실시예에서, 친숙한 자극에 대한 반응의 부족으로 측정된 기억 강화 또는 그 부족은 주의력 결핍 또는 발달 전문가에 의해 추가로 식별될 수 있는 다른 뇌 발생 장애에 관한 지표일 수 있다. 조기 발견 및 개입은 문제를 신속하게 완화하는데 중요하다.
일부 실시예에서, 친숙한 얼굴 또는 얼굴 표정에 대한 반응 또는 그 부족은 자폐 스펙트럼 상에 있는 거동의 지표일 수 있다.
일부 실시예에서, 상이한 자극을 생성하는 설정은 뇌 발달을 향상시키고 개선하는데 사용될 수 있다. 이것은 유아가 인식하는데 어려움을 보이는 자극을 더 자주 제공함으로써 달성될 수 있고, 그럼으로써 그러한 자극을 분석하고 인식하는 유아의 능력을 발달시킬 수 있다. 또한 (단어, 소리 또는 컬러에 의한) 긍정 강화는 유아의 주의 집중 기간을 증가시키고 유아가 주의를 기울이고 반응하도록 동기를 부여할 수 있다.
일부 실시예에서, 시스템은 인지적 및 감정적 자극 및 피드백을 제공한다. 일부 실시예에서, 시스템은 (예를 들어, 대상자가 집중하고, 행복해 하고, 스트레스를 받고, 자각하는 등의 시간의 퍼센티지와 같은) 대상자의 뇌 상태에 관한 통계를 간병인에게 제공한다. 일부 실시예에서, 시스템은 아동에게 아동의 상이한 감정 및 상이한 인지 행동을 제어하도록 가르치는 도구를 제공한다.
일부 실시예에서, 시스템은 또한 대상자의 인지 능력, 발달 능력 또는 둘 모두를 평가하도록 구성된다. 예를 들어, 대상자가 유아인 경우, 시스템은 대상자의 발달을 모니터링하고, 유아가 특정 발달의 중요 단계를 달성할 때 및 달성하는지를 결정하도록 구성된다.
다른 예에서, 대상자가 최소 의식 상태의 개인인 경우, 시스템은 대상자의 뇌활동을 모니터링하고 대상자가 더 높은 의식 레벨에 도달하는지를 결정하도록 구성된다.
일부 실시예에서, 시스템은 (예를 들어, 이것으로 제한되는 것은 아니지만, 잠자고, 놀이하고 먹는 것과 같은) 건강한 습관의 생성을 모니터링하고 장려하도록 구성된다. 예로서, 시스템은 대상자가 잠 들어 있을 때 또는 수면의 질, 수면의 깊이, 잠들기까지 걸리는 시간, 깨어나는데 걸린 시간 또는 이들의 임의의 조합을 모니터링할 수 있다. 시스템은 기록된 파라미터를 이용하고, 대상자(예를 들어, 유아)에게 휴식을 장려하고 수면을 가속시키는 청각 피드백을 제공할 수 있다. 부가적인 실시예에서, 수면 중에, 더 깊고 더 좋은 휴식을 가능하게 하도록 음악이 변경될 수 있다.
일부 실시예에서, 시스템은 스트레스 및 이완 레벨을 모니터링할 수 있다. 일부 실시예에서, 시스템은 대상자(예를 들어, 유아)가 불편함을 느끼거나 스트레스를 받을 때 경보를 발행할 수 있고, 자가 조절된 이완 소리, 진동 또는 디스플레이된 사진 및 조명을 제공한다.
일부 실시예에서, 시스템은 유아에 의한 자가-진정(self-quieting) 활동, 또는 얼마나 자주 또는 빠르게 유아가 스스로 차분해질 수 있는지를 모니터링하고, 자가 조절된 이완 소리, 진동 또는 사진 디스플레이 및 조명을 재생함으로써 유아를 이완 과정에서 지원한다.
일부 실시예에서, 시스템은 대상자의 (예를 들어, 유아의) 학습 능력 또는 새로운 카테고리를 학습하는 대상자의 기능을 모니터링하도록 구성된다. 일부 실시예에서, 시스템은 동일한 카테고리와 관련 있는, 그리고, 관련 없는 카테고리(가능한 카테고리 유형: 동일한 카테고리로부터의 음악적 자극, 동일한 카테고리, 컬러, 동물, 단어 및 숫자와 같은 대상자 관련 카테고리 또는 기타 유형의 카테고리로부터의 의미적 자극)로부터의 단일 자극을 행(row)에 소속시키는 자극 행을 생성할 수 있다. 시스템은 주의 레벨, 반응 시간 및 카테고리의 학습을 용이하게 하기 위해 자극을 제시해야 하는 횟수를 측정함으로써 관련 없는 자극에 대한 대상자의 반응을 분석한다. 시스템은 대상자가 관련이 없는 자극을 구별하는데 성공하면 보상을 제공한다. 카테고리는 대상자가 간단한 차이점을 구별하는 능력을 보여줄 때 점점 더 복잡해질 수 있다.
예를 들어, 시스템은 사람 소리 대 비인간의 소리에 대한 유아의 반응을 모니터링할 수 있다. 일부 실시예에서, 시스템은 인간이 노래 부르고 허밍하는 소리 및 그것의 상관된 음조 멜로디의 소리를 생성한다. 시스템은 흥분과 주의력의 레벨을 분석한다. 유아가 인간의 목소리를 선호하지 않으면, 시스템은 인간이 노래 부르고 허밍하는 소리를 개개의 유아의 선호에 맞게 자가 조정된―예를 들면, 디스플레이에 나타나는 깜박거리는 조명―보다 호감이 가는 자극에다 결부시킨다.
다른 예에서, 시스템은 예를 들어, 유아 자신의 이름, 얼굴 또는 웃음과 같은 사회적 자극을 향한 반응을 모니터링할 수 있다. 일부 실시예에서, 시스템은 간병인 음성 및 낯선 사람의 음성 둘 모두로 유아의 이름을 생성한다. 시스템은 흥분의 레벨 및 유아의 반응 시간을 분석한다. 유아가 반응하지 않으면, 시스템은 이름을 개개의 유아의 선호에 맞게 자가 조정된―예를 들면, 디스플레이에 나타나는 깜박거리는 조명―보다 호감이 가는 자극에다 결부시킨다.
다른 예에서, 시스템은 예를 들어, 친숙한 자극 대 친숙하지 않은 자극에 대한 반응 또는 정보를 억제 및 탈억제하는 기능과 같은 학습 능력을 모니터링할 수 있다. 일부 실시예에서, 시스템은 시간의 경과 후에 변화하는 길고 지속적인 자극을 생성한다. 시스템은 유아의 반응 시간, 주의력 레벨 및 자극을 억제 및 탈억제하는 기능을 분석한다. 유아가 자극을 억제하지 못하면, 자극은 점진적으로 작아지고 과정 자체가 반복될 것이다. 유아가 탈억제하지 못하면, 새로운 자극이 더 짧은 기간 동안 수행될 것이다.
일부 실시예에서, 시스템은 언어 운율(language prosody)의 학습을 모니터링할 수 있다. 일부 실시예에서, 시스템은 피치, 높이, 범위/가변성 및 멜로디 윤곽에서 상이할 수 있는 상이한 음향 억양을 갖는 소리를 생성한다. 시스템은 유아의 반응에 대한 지속기간, 주의 레벨 및 이탈 시간을 분석한다. 유아 반응이 느리거나, 소리에 주의를 기울이지 않으면, 시스템은 보다 긴박한 억양을 제공할 것이다.
도 18을 참조하면, 일부 실시예에서, 시스템은 음악 구별을 모니터링할 수 있다. 일부 실시예에서, 시스템은 차이가 있는 악기 및 목재의 소리를 생성하고, 이들의 음향 차이로 인해 구성되는 것을 쌍으로 재생한다. 시스템은 대상자의 구별 능력과 변화에 대한 반응을 분석하고, 대상자가 한 쌍의 자극 사이를 구별할 수 있으면, 대상자는 자가 조정된 음악 보상의 형태로 피드백을 얻는다. 대상자가 더 복잡한 차이를 구별할 수 있을 때 자극 세트는 점점 더 상이해질 수 있다.
일부 실시예에서, 시스템은 학습 능력; 복잡도의 함수로서 복잡한 자극과의 관여의 품질을 모니터링할 수 있다. 일부 실시예에서, 시스템은 간단한 및 복잡한 음악적 및 시각적 자극을 둘 모두 생성하고, 유아의 흥분 및 주의 레벨의 변화, 각 자극에 관여하는 지속기간 및 각 복합 자극이 유아에게 사소해질 때까지 각 복합 자극을 제시해야 하는 횟수를 분석한다. 시스템은 유아가 더 이상 주의를 기울이지 않을 때까지, 점점 더 복잡한 자극을 제공할 수 있다. 자극 행은 유아가 자신의 구별 기량을 연마함에 따라 한 번씩 더 복잡해질 수 있다.
일부 실시예에서, 시스템은 다음의 것을 포함하는 방법에 사용된다:
a. EEG, MEG 또는 심층 전극과 같은 적어도 하나의 모달리티(modality)를 사용하여 전기 또는 자기 뇌활동을 기록하는 것;
b. 자율 또는 반감독(semi-supervised) 방식으로 뇌활동 특징(BAF)을 획득하는 것. 이것은 원리적 또는 독립적 성분 분석에 보다 세련된 방법인, 고조파 분석과 같은 분해 방법을 사용하여 유용한 신호 분해를 찾는 것에 의존한다.
c. 상기 BAF에 의해 표현된 주어진 관찰 세트로부터 머신 학습 알고리즘을 사용하여 특정 뇌 상태에 대한 예측자를 획득하는 것.
d. 그 다음에 예측자는 머신 학습 알고리즘을 사용하여 클러스터링된 뇌 상태에서 찾을 수 있다.
e. 단계 3의 클러스터로부터, 각 클러스터에 문자로 레이블을 지정할 수 있도록, 클러스터 멤버십 간의 시간 종속성을 획득할 수 있다. 그런 다음, 이들 글자로 구성된 "단어"가 획득될 수 있으며, 텍스트 분석 기술뿐 아니라 세그먼테이션이 새로운 글자 집합에 적용될 수 있다.
일부 실시예에서, 단계 3은 BAF의 차원성을 다수의 뇌 상태로 감소시키는 클러스터링으로 대체될 수 있다.
일부 실시예에서, 본 발명은 방법을 제공하며, 이 방법은, 대상자의 정신 상태, 신경학적 질환, 또는 둘 모두에서의 변화를, 제 1 정신 상태, 제 1 신경학적 질환, 또는 둘 모두로부터 제 2 정신 상태, 제 2 신경학적 질환, 또는 둘 모두로 유도하고,
a. 대상자의 제 1 정신 상태, 제 1 신경학적 질환, 또는 둘 모두의 제 1 시각적 표시를 획득하는 단계;
b. 적어도 하나의 제 1 자극을 대상자에게 가하고, 대상자의 제 2 정신 상태, 제 2 신경학적 질환, 또는 둘 모두의 제 2 시각적 표시를 획득하는 단계;
c. 대상자의 제 1 정신 상태, 제 1 신경학적 질환, 또는 제 2 신경학적 질환 모두의 제 1 시각적 표시를 대상자의 제 2 정신 상태, 제 2 신경학적 질환, 또는 제 2 정신 상태의 제 2 시각적 표시와 비교하는 단계;
d. 비교에 기초하여, 대상자의 제 2 정신 상태, 제 2 신경학적 질환, 또는 둘 모두가 제 1 정신 상태, 제 1 신경학적 질환, 또는 둘 모두와 상이한지, 및 대상자의 제 2 정신 상태, 제 2 신경학적 질환, 또는 둘 모두가 제 1 정신 상태, 제 1 신경학적 질환, 또는 둘 모두와 상이하지 않는지를 결정하는 단계;
e. 반복적으로
i. 적어도 하나의 후속 자극―각각의 적어도 하나의 후속 자극은 선행하는 적어도 하나의 자극과 상이함―을 대상자에게 가하는 단계;
ii. 대상자의 정신 상태, 신경학적 질환, 또는 둘 모두의 후속 시각적 표시를 획득하는 단계;
iii. 대상자의 제 1 정신 상태, 제 1 신경학적 질환, 또는 제 1 신경학적 질환의 제 1 시각적 표시를 대상자의 정신 상태, 신경학적 질환, 또는 둘 모두의 후속 시각적 표시와 비교하는 단계;
iv. 비교에 기초하여, 대상자의 정신 상태, 신경학적 질환, 또는 둘 모두가 제 1 정신 상태, 제 1 신경학적 질환, 또는 둘 모두와 상이한지를 결정하는 단계를 포함하고,
단계 i 내지 단계 iv는 정신 상태, 신경학적 질환, 또는 둘 모두가 제 1 정신 상태, 제 1 신경학적 질환, 또는 둘 모두와 상이할 때까지 수행된다.
일부 실시예에서, 본 발명은 방법을 제공하며, 이 방법은 대상자의 정신 상태, 신경학적 질환, 또는 둘 모두에서의 변화를, 제 1 정신 상태, 제 1 신경학적 질환, 또는 둘 모두로부터 원하는 정신 상태, 원하는 신경학적 질환, 또는 둘 모두로 유도하고,
a. 대상자의 제 1 정신 상태, 제 1 신경학적 질환, 또는 둘 모두의 제 1 시각적 표시를 획득하는 단계;
b. 적어도 하나의 제 1 자극을 대상자에게 가하고, 대상자의 제 2 정신 상태, 제 2 신경학적 질환, 또는 둘 모두의 제 2 시각적 표시를 획득하는 단계;
c. 대상자의 제 2 정신 상태, 제 2 신경학적 질환, 또는 둘 모두의 제 2 시각적 표시가 원하는 정신 상태, 원하는 제 2 신경학적 질환, 또는 둘 모두를 나타내는지를 결정하는 단계, 및 그렇지 않다면,
d. 반복적으로,
i. 적어도 하나의 후속 자극―적어도 하나의 후속 자극은 선행하는 적어도 하나의 자극과 상이함―을 대상자에게 가하는 단계;
ii. 대상자의 정신 상태, 신경학적 질환, 또는 둘 모두의 후속 시각적 표시를 획득하는 단계;
iii. 대상자의 정신 상태, 신경학적 질환, 또는 둘 모두의 후속 시각적 표시가 대상자의 원하는 정신 상태, 원하는 신경학적 질환, 또는 둘 모두를 나타내는지를 결정하는 단계를 포함하고,
단계 i 내지 iii는 원하는 정신 상태, 원하는 신경학적 질환, 또는 둘 모두가 획득될 때까지 수행된다.
일부 실시예에서, 본 발명은 방법을 제공하며, 이 방법은 대상자의 정신 상태, 신경학적 질환, 또는 둘 모두에서의 변화를 제 1 정신 상태, 제 1 신경학적 질환, 또는 둘 모두로부터 원하는 정신 상태, 원하는 신경학적 질환, 또는 둘 모두로 유도하고,
a. 대상자의 제 1 정신 상태, 제 1 신경학적 질환, 또는 둘 모두의 제 1 시각적 표시를 획득하는 단계;
b. 적어도 하나의 제 1 자극을 대상자에게 가하고, 대상자의 제 2 정신 상태, 제 2 신경학적 질환, 또는 둘 모두의 제 2 시각적 표시를 획득하는 단계;
c. 대상자의 제 2 정신 상태, 제 2 신경학적 질환, 또는 둘 모두의 제 2 시각적 표시가 원하는 정신 상태, 원하는 제 2 신경학적 질환, 또는 둘 모두를 나타내는지를 결정하는 단계, 및 그렇지 않다면,
d. 반복적으로,
i. 대상자의 제 1 정신 상태, 제 1 신경학적 질환, 또는 제 1 신경학적 질환의 제 1 시각적 표시를 대상자의 제 2 정신 상태, 제 2 신경학적 질환, 또는 둘 모두의 제 2 시각적 표시와 비교하는 단계;
ii. 비교에 기초하여, 후속 자극을 선택하고 선택된 후속 자극―각각의 적어도 하나의 후속 선택된 자극은 선행하는 적어도 하나의 자극과 상이함―을 대상자에게 가하는 단계;
iii. 대상자의 정신 상태, 신경학적 질환, 또는 둘 모두의 후속 시각적 표시를 획득하는 단계;
iv. 대상자의 정신 상태, 신경학적 질환, 또는 둘 모두의 후속 시각적 표시가 원하는 정신 상태, 원하는 신경학적 질환, 또는 둘 모두를 나타내는지를 결정하는 단계를 포함하고,
단계 i 내지 iv는 원하는 정신 상태, 원하는 신경학적 질환, 또는 둘 모두가 획득될 때까지 수행된다.
일부 실시예에서, 본 발명은 방법을 제공하며, 이 방법은 적어도 하나의 제 1 자극에 반응하여, 대상자가 원하는 정신 상태, 원하는 신경학적 질환, 또는 둘 모두를 이끌어 내면 보상을 제공하고,,
a. 대상자의 제 1 정신 상태, 제 1 신경학적 질환, 또는 둘 모두의 제 1 시각적 표시를 획득하는 단계;
b. 적어도 하나의 제 1 자극을 대상자에게 가하고 대상자의 제 2 정신 상태, 제 2 신경학적 질환, 또는 제 2 신경학적 질환의 제 2 시각적 표시를 획득하는 단계;
c. 대상자의 제 2 정신 상태, 제 2 신경학적 질환, 또는 둘 모두의 제 2 시각적 표시가 원하는 정신 상태, 원하는 신경학적 질환, 또는 둘 모두를 나타내는지를 결정하고, 보상을 제공하는 단계;
d. 그러나, 대상자의 제 2 정신 상태, 제 2 신경학적 질환, 또는 둘 모두의 제 2 시각적 표시가 원하는 정신 상태, 원하는 신경학적 질환, 또는 둘 모두를 나타내지 않으면;
e. 반복적으로,
i. 대상자의 제 1 정신 상태, 제 1 신경학적 질환, 또는 제 1 신경학적 질환의 제 1 시각적 표시를 대상자의 제 2 정신 상태, 제 2 신경학적 질환, 또는 둘 모두의 제 2 시각적 표시와 비교하는 단계;
ii. 비교에 기초하여, 후속 자극을 선택하고 선택된 후속 자극―각각의 적어도 하나의 후속 선택된 자극은 선행하는 적어도 하나의 자극과 상이함―을 대상자에게 가하는 단계;
iii. 대상자의 정신 상태, 신경학적 질환, 또는 둘 모두의 후속 시각적 표시를 획득하는 단계;
iv. 대상자의 정신 상태, 신경학적 질환, 또는 둘 모두의 후속 시각적 표시가 원하는 정신 상태, 원하는 신경학적 질환, 또는 둘 모두를 나타내는지를 결정하는 단계를 포함하고,
단계 i 내지 iv는 원하는 정신 상태, 원하는 신경학적 질환, 또는 둘 모두가 획득될 때까지 수행된다.
일부 실시예에서, 본 발명은 방법을 제공하며, 이 방법은 대상자가 반응할 수 있는 자극을 식별하고,
a. 대상자의 제 1 정신 상태, 제 1 신경학적 질환, 또는 둘 모두의 제 1 시각적 표시를 획득하는 단계;
b. 적어도 하나의 제 1 자극을 대상자에게 가하고 대상자의 제 2 정신 상태, 제 2 신경학적 질환, 또는 둘 모두의 제 2 시각적 표시를 획득하는 단계;
c. 대상자의 제 1 정신 상태, 제 1 신경학적 질환, 또는 둘 모두의 제 1 시각적 표시를 대상자의 제 2 정신 상태, 제 2 신경학적 질환, 또는 둘 모두의 제 2 시각적 표시와 비교하는 단계;
d. 비교에 기초하여,
i. 대상자의 제 2 정신 상태, 제 2 신경학적 질환, 또는 둘 모두가 제 1 정신 상태, 제 1 신경학적 질환, 또는 둘 모두와 상이한지를, 그리고 대상자의 제 2 정신 상태, 제 2 신경학적 질환, 또는 둘 모두가 대상자가 제 1 정신 상태, 제 1 신경학적 질환, 또는 둘 모두와 상이한지를 결정하는 단계,
ii. 제 2 정신 상태, 제 2 신경학적 질환, 또는 둘 모두와, 제 1 정신 상태, 제 1 신경학적 질환, 또는 둘 모두의 차이가 적어도 하나의 제 1 자극에 대한 일관된 반응인지를 결정하는 단계; 및
제 2 정신 상태, 제 2 신경학적 질환, 또는 둘 모두와, 제 1 정신 상태, 제 1 신경학적 질환, 또는 둘 모두의 차이가 적어도 하나의 제 1 자극에 대한 일관된 반응이 아닌지를 결정하는 단계;
e. 반복적으로
i. 적어도 하나의 후속 자극―각각의 적어도 하나의 후속 자극은 선행하는 적어도 하나의 자극과 상이함―을 대상자에게 가하는 단계;
ii. 대상자의 정신 상태, 신경학적 질환, 또는 둘 모두의 후속 시각적 표시를 획득하는 단계;
iii. 대상자의 제 1 정신 상태, 제 1 신경학적 질환, 또는 둘 모두의 제 1 시각적 표시를 대상자의 정신 상태, 신경학적 질환, 또는 둘 모두의 후속 시각적 표시에 비교하는 단계;
iv. 비교에 기초하여, 대상자의 후속 정신 상태, 신경학적 질환, 또는 둘 모두가
1. 제 1 정신 상태, 제 1 신경학적 질환, 또는 둘 모두와 상이한지, 및
2. 제 2 정신 상태, 제 2 신경학적 질환, 또는 둘 모두와, 제 1 정신 상태 제 1 신경학적 질환, 또는 둘 모두 사이의 차이가 적어도 하나의 제 1 자극에 대한 일관된 반응인지를 결정하는 단계를 포함하고,
단계 i 내지 iv는 대상자의 후속 정신 상태, 신경학적 질환, 또는 둘 모두가 제 1 정신 상태, 제 1 신경학적 질환, 또는 둘 모두와 상이할 때까지 수행되며, 제 2 정신 상태, 제 2 신경학적 질환 상태 또는 둘 모두와, 제 1 정신 상태, 제 1 신경학적 질환, 또는 둘 모두 사이의 차이는 적어도 하나의 제 1 자극에 대한 일관된 반응이다.
일부 실시예에서, 시간 구조 확률 모델이 BAF에 적용되어 가해진 적어도 하나의 자극과 관찰된 뇌활동 사이의 상관관계를 결정한다. 일부 실시예에서, 강한 상관관계는 적어도 하나의 자극에 대한 일관된 반응을 표시한다.
일부 실시예에서, 반응의 정도("RtS")는 대상자가 반응할 수 있는 적어도 하나의 자극을 식별하는데 사용된다.
일부 실시예에서, 방법은 적어도 하나의 제 1 자극이 대상자의 정신 상태, 신경학적 질환, 또는 둘 모두의 변화를 일으키면 경보를 발행하는 단계를 더 포함한다.
일부 실시예에서, 방법은 적어도 하나의 제 2 자극이 대상자의 정신 상태, 신경학적 질환, 또는 둘 모두의 변화를 일으키면 경우에 경보를 발행하는 단계를 더 포함한다.
일부 실시예에서, 적어도 하나의 제 1 자극은, 청각 자극, 촉각 자극, 후각 자극, 시각 자극 또는 이들의 임의의 조합으로 이루어지는 그룹으로부터 선택된다.
일부 실시예에서, 적어도 하나의 후속 자극은 청각 자극, 촉각 자극, 후각 자극, 시각 자극 또는 이들의 임의 조합으로 이루어지는 그룹으로부터 선택된다.
일부 실시예에서, 적어도 하나의 후속 자극은 적어도 하나의 제 1 자극과 상이하다.
일부 실시예에서, 본 발명의 일부 실시예에 따른 방법 및 시스템은 최소 의식 상태(minimally conscious state, MCS)에 있는 대상자가 반응할 수 있는 자극을 식별할 수 있다.
일부 실시예에서, RtS는 최소 의식 상태(MCS)에 있는 사람이 반응하는 자극 유형을 나타낼 수 있다. 예를 들어, 이것은 사람이 시각 자극, 청각 자극, 다른 감각 자극, 명령 등에 대해 일관된 방식으로 반응하는지를 결정하는데 도움을 줄 수 있다.
일부 실시예에서, 대상자가 반응할 수 있는 자극의 식별은 다양한 자극에 대한 반응을 증가시키는 것을 목표로 하는 의학적 개입을 최적화할 수 있다. MCS의 대상자의 경우, 예를 들어, 의사 또는 간병인은 알파벳의 엔트로피를 보고 (단지 문자에 기초하거나 또는 추론되는 보다 정교한 문법 규칙 및 추론되는 단어의 길이에 기초하여) 알파벳의 전체 엔트로피를 결정하는 단일 숫자를 생성할 수 있다.
하나의 특정 실시예에서, 상기 알파벳은 음악을 만들어 내는데 사용될 수 있다. 일부 실시예에서, 음악은 MCS 대상자가 몇몇 의사소통 수단을 생성하고 대상자의 뇌활동에 관한 신경 피드백을 획득하게 할 수 있다.
일부 실시예에서, 상이한 문자는 상이한 악기로 상이한 음표를 생성할 수 있거나 또는 템포 및 다른 음악 파라미터를 변경하는데 사용될 수 있다. 결과는 MCS 대상자의 뇌에서 생성되는 멜로디가 되어 의사소통 수단을 제공할 수 있다. 예를 들어, 예로서, MCS 대상자는 이러한 문자의 생성에 관한 제어가 달성되면 외부 디바이스를 조작하는 것을 배울 수 있다.
일부 실시예에서, 음악적 피드백을 사용하여, 대상자는 원하는 반응을 생성하도록 훈련될 수 있다.
일부 실시예에서, MCS에서 누락된 것으로 밝혀진 BAF의 채널 34-38 그룹은 신경 피드백으로 사용되어 MCS 대상자가 이들 채널의 활동을 증가시키도록 장려할 수 있다.
도 19를 참조하면, 환자에게 투여한 약물을 변경한 4 일이 지나 획득된 최소한의 의식이 있는 대상자의 뇌활동 특징(BAF) 표현의 예의 스크린샷을 도시한다. 기록은 채널 34-38을 기준으로 재순서정렬된다. 이들 채널을 보면 최소한의 의식이 있는 대상자보다 의식이 있는 대상자가 더 활동적으로 보이다. 첫째 날(상단)과 삼 일째(상단에서 세 번째)에는 이들 채널이 다른 날보다 더 활동적이었음이 분명한다. 하단의 요약 통계는 이러한 정보를 제공한다. 첫 번째 숫자는 해당 날짜의 총 기록 시간을 나타낸다. 두 번째 숫자 Exec은 상기 채널의 활동 비율을 나타낸다. 첫째 날에는 Exec 값이 51 %이었고 셋째 날은 38 %이었으며, 다른 날에는 훨씬 낮았다(17 % 및 9 %). 인지 활동과 관련된 다른 채널은 SupCog 및 SemCog이고, Emo는 감정적 활동과 관련이 있고, Slp는 수면과 유사한 활동과 관련이 있으며, Strs는 잠재적 통증을 표시한다.
토탈 IV 마취(TIVA―도 20) 또는 흡입 마취(NV―도 21)에 의해 의식을 잃게 되는 환자의 예의 스크린샷을 도시하는 도 20 및 도 21을 참조하면, 토탈 IV 마취에 비해, 흡입 마취에 의해 의식을 잃은 환자에게서 뇌활동의 현저한 감소가 관찰된다. 감소된 뇌활동은 흡입 마취제 사용으로 말미암은 합병증 증가와 연관된 요인일 수 있다.
이제, 전술한 설명과 함께 비제한적인 방식으로 본 발명의 일부 실시예를 예시하는 다음의 예가 참조된다.
본 발명의 적어도 일부 실시예에 따른 예시적인 예
예 1: 특정 인지 과제를 수행하는 여러 대상자로부터 획득한
BAF
표현.
도 6은 7 명의 대상자로부터의 BAF 표현을 도시한다. 각 미가공 값(raw)(Y 축)은 단일 BAF의 활동을 나타낸다. 컬러 코딩은 높은 활동이 빨간색으로 향하고 낮은 활동이 파란색으로 향하는 경향이 있음을 표시하는 ("핫(hot)")이다. 각 열(column)(X 축)은 특정 시간 프레임에서의 활동 벡터를 나타낸다. 따라서 X 축은 시간(분 또는 초)으로 측정된다. 도 6은 분 단위로 측정된다. 특정 수치는 인지 과제 동안의 6 명의 대상자의 활동을 나타낸다. 따라서 상이한 기록의 EGG를 함께 연쇄시켜 하나의 도면(또는 BAF의 매트릭스)으로 상이한 과제 또는 (상이한) 과제를 수행하는 상이한 대상자를 표시하는 것이 가능하다. 이러한 특정 도면에서, 화살표는 과제 동안 활동 패턴이 비교적 유사한 두 대상자를 표시한다. 따라서 이러한 도면은 동일한 인지 과제 동안 수행되는 상이한 인지 전략을 나타낸다.
예 2: 상이한 감정 반응을 이끌어내는 세 편의 영화를 시청하는 대상자로부터 획득한 BAF 표현.
세 편의 영화 동안의 뇌활동(BAF)(각각 상이한 시간에 기록됨).
도 7을 참조하면, 두 번째 및 세 번째 영화의 활동은 첫 번째 영화에서의 활동과 비교하여, 활동적인 BAF의 관점에서 더 유사하다는 것을 알 수 있다. 첫 번째 영화(Derailed)에는 폭력과 공포가 포함되어 있고, 반면에 다른 두 편의 영화(Stolen Life 및 Skin)는 슬픔 및 따뜻한 느낌과 더 연관된다. 화살표는 두 영화에서 강한 긍정적인 감정적 느낌의 시간을 마킹한다. 그 시간에 BAF 활동은 동일하다는 것이 분명한다. BAF는 아래의 도 8에서 또한 명상 동안에도 활동적이다.
예 3: E-학습 과제를 수행하는 일곱 명의 대상자로부터 획득한
BAF
표현.
EEG 기록은 본 발명의 일부 실시예에 따라서, 대상자가 특정한 e-학습 과제를 수행하는 동안, 7 명의 대상자로부터 획득되었다. BAF 표현은 도 8에 도시된다. 과제는 정보를 수집하는 것과 그런 다음 두 레벨의 난이도로 질문에 답하는 것을 포함한다(이것은 도 6에서의 표현과 동일했다). 이것 다음에 두 명의 숙련된 명상가가 가야트리(Gayatri) 명상을 수행하고 미숙한 사람이 자파(Japa) 명상을 수행한 다음 음악 듣기가 이어졌다. 가야트리 명상 동안의 활동적 BAF는 영화의 긍정적인 감정 부분 동안의 활동적 BAF와 유사하였다(도 7). 숙련된 명상가가 디폴트 모드 네트워크의 활동을 줄이면서, mPFC, 인슐라(insula), 및 측두엽의 동시적 활성화 증가를 입증하는 증거가 있다. 또한 행복감의 증거가 있다.
예 4: 마취를 받기 전과 받은 후에 고통스러운 자극을 받는 대상자로부터 획득한
BAF
표현.
도 9를 참조하면, 도면은 마취를 받은 후의 뇌활동을 나타낸다. 마취는 도면이 주로 파란 색이 되는 곳에서 유도된다. 활동의 영역(명상 동안에 활동적이었던 BAF 공간에서의 동일한 영역)은 여전히 활동적인 채로 남아있는 것으로 보인다. 이것은 모든 환자에게 일어나는 것은 아니다. 두 개의 화살표(왼쪽)는 수술 동안 통증이 유발되는 시간을 표시한다. 이렇게 유발된 통증에 반응하는 뇌활동이 있음이 분명한다. 오른쪽의 화살표는 레이저 수술 도구의 사용 시작을 나타내는데, 이는 큰 전기 잡음을 생성하므로, 그 지점에서의 기록은 명확하지 않다. 이 대상자에서의 한 가지 관찰은 레이저 나이프가 그 작용(보다 강한 통증)을 시작하면, 명상 동안에 활동적이었던 영역에서의 활동이 멈춘다는 것이다.
예 5: 수면-깨어남 사이클 동안 대상자로부터 획득한 BAF 표현.
수면 모니터링은 육체 및 정신 건강 문제의 조기 발견; 불면증의 진단 및 치료; 치매의 진단 및 모니터링에 있어서 매우 중요하다. 피로 모니터링은 빠른 사고와 반응을 요하는 과제에서, 특히 각성도가 성능과 안전성에 필수적인 역할(예를 들어, 조종사)에서 뇌가 관여할 때 매우 중요하다. 도 10은 상기 BAF를 사용하여 획득될 수 있는 정보의 양을 표시한다. 왼쪽 상단 패널은 뇌활동이 크게 상이한 세 개의 수면 단계를 도시한다. 활동은 하루 밤의 수면 동안 한 사람으로부터 기록되었다. 왼쪽 하단 패널은 초기 수면 단계에 집중하며, 그 단계(명상과 유사함)로부터 REM 또는 꿈 단계로의 상이한 변이를 보여준다. 오른쪽 상단 패널은 깨어있는 동안, 예를 들어, 영화를 보는 동안 발생하는 활동의 종류와 매우 유사한 것 같은, 수면 중에 강렬한 꿈과 인지 활동을 보여준다. 오른쪽 하단 패널은 피로 모니터링을 위한 BAF의 강도를 표시한다: 이것은 영화를 보면서 잠시 잠이 드는 대상자의 뇌활동을 도시한다. (강설 잡음) 뒤편의 강한 활동의 라인처럼, 영화와의 관여는 대상자가 부분적으로 잠들 때에도 명확하다.
예 6: 기억 회상 과제 및 스트레스 진단 동안 대상자로부터 획득한 BAF 표현.
도 11에 도시된 활동은 질문 및 답변의 세션 동안 또는 자극 식별 동안에 전형적이다. 라인의 길이 및 강도는 인지 노력의 양을 나타낸다. 화살표가 가리키는 영역에서 또한 스트레스를 볼 수 있다. 기록은 회사 인터뷰 동안 취해 졌다. 표현은 (기억 또는 집중력)에 반응하기 위해 더 많은 인지적 부하를 필요로 하는 질문을 표시하며, 특히 대상자에서 스트레스를 끌어냈던 질문을 보여준다.
이러한 표현은 거짓말/스트레스 진단 및 자동(머신 유도된 질의)에 유용할 수 있다. 또한 코세라(Coursera)와 같은 방대한 교육에도 또한 사용될 수 있고, 이 경우 대상자가 질문에 집중하며 전념하고 있음을 관찰하는 것이 중요하다. 대상자가 한 장의 종이에 답을 했거나 또는 답을 얻기 위해 친구에게 연락하였다면 패턴은 달리 보일 것이다.
상세한 BAF 표현이 대상자에 특유하면, 특정 BAF로부터 대상자의 정체성을 결정하는 것이 가능할 수 있다. 이것은 인증 및 정체성 관리에 사용될 수 있을 뿐만 아니라 대상자가 필요한 과제를 수행할 수 있을 때: 집중하고 있고, 스트레스를 받지 않거나 또는 달리 감정적으로 산만하지 않으며, 약제의 영향하에 있지 않거나 위협하에 있지 않을 때를 표시하는 역량 모니터링에 사용될 수 있다.
예 7: 발작과 연관된 비정상 뇌활동을 갖는 대상자로부터 획득한 BAF 표현.
도 5의 화살표는 특정 뇌 네트워크 또는 영역의 일정한 활동을 나타낼 수 있는 특정 BAF의 일정한 활동을 나타낸다. 이러한 일정한 활동은 정상적이지 않으며 발작 직전 활동과 연관이 있는 것으로 보인다. 두 개의 하단 화살표는 특정 BAF의 비정상 활동의 시작과 끝을 표시한다. 이러한 표현을 사용하면 그러한 비정상 활동의 가능성을 증가시키는 요인과 자극 및 이를 감소시키는 요인과 자극을 보다 잘 정량화하고 연구하는 것이 가능할 수 있다. 이것은 생활방식 변화(휴식)를 제안함으로써 또는 전등 끄기, 설탕, 커피 등을 소비, 또는 명상, 운동 및 기타 상태 변화)를 제안함으로써 개입에 유용할 수 있다. 약물 치료를 통해 더 나은 질병 관리를 제안할 수도 있다.
도 4a를 참조하면, 숙련된 요가 수행자는 세 가지 유형의 명상(수평 괄호를 통해 표시됨)을 수행하고 있다. 처음 두 번째 명상 이후 그리고 세 번째 명상 이후, 요가 수행자는 자신이 하고 있는 것을 설명한다. BAF의 범위는 수직 대괄호로 표시된다. 이러한 BAF의 집합은 인식과 연관이 있다. 이것은 하나의 명상이 이러한 인식 채널만을 강조하는 것이 명백하며, 이것은 요가 수행자가 어떤 명상을 하고 있는지를 설명할 때의 활동에서 분명해진다.
도 4b를 참조하면, 식물인간 상태의 개인으로부터의 BAF 표현이 도시된다. 도 4a에서 BAF 하이라이트가 도시되며, 활성적이 아니다. 그러나 개인에게 자극을 투여하면 단기간에 인식과 연관된 BAF를 활성화할 수 있었다.
예 8: 광고를 관찰하는 대상으로부터 획득한 BAF 표현.
도 12에서, 큰 집단의 대상자들의 요약 통계가 도시된다. 그룹의 뇌활동은 상단의 화살표로 표시된 여러 상업적 휴식 시간이 있었던 TV 쇼(57 분)에 노출되는 동안 기록되었다. 바람직한 실시예에서, 뇌활동이 상기 BAF에 의해 해석되었고 이어서 뇌활동의 여덟 개의 클러스터로 클러스터링되었다. 수직으로 컬러화된 라인은 특정 두 번째 TV 프로그램에서 뇌활동의 동일한 클러스터에 있었던 대상자의 비율을 나타낸다. 값은 매 초마다 바뀔 수 있다. 빨간색 라인은 대다수의 대상자가 그 시간에 동일한 뇌활동 클러스터 내에 있다는 것으로 밝혀졌다. 이것은 쇼 또는 광고에의 참여를 나타낸다. 이러한 표현을 사용하면 쇼 및 광고의 더 호감이 가는 부분을 결정하는데 유용할 수 있다. 이러한 기록이 다수의 가정의 TV 시청자들에 분산된 방식으로 수행될 때, 광고 유효성 및 기타 미디어 탐색에 사용될 수 있는 실시간 계약 성적을 획득할 수 있다.
도 13에서, 두 가지 유형의 마취 약물로부터의 기록의 집합이 제시된다. 상단 6 개 기록은 하단 8 개 기록에 비해 매우 상이한 뇌활동을 나타내는 것이 명백하다. 이것은 두 가지 마취 방법, 토탈 IV 대 가스(Gas)를 분리하는 기술력을 표시한다.
예 9: 실시간으로 획득한 BAF 표현
도 3 및 도 13은 재스케일링하지 않고 전체 매트릭스에 기초한 EEG 신호의 실시간 처리에 기초하여 구축된 뇌활동 이미지를 도시한다. 이것은 두 가지 마취 기술 간의 뇌활동의 차이를 나타낸다. 첫 번째 기술은 흡입(가스) 마취인 NV에 대비되는 토탈 IV 마취인 TIVA라 불린다. 둘 모두 안전하다고 간주되어 전신 마취를 제공하는 것으로 가정하지만, NV는 비용이 상당히 적다. 도면은 두 가지 마취 방법 간에 뇌활동의 큰 차이를 보여주는데, 이 차이는 이중분광 지수(Bispectral Index, BIS) 모니터를 사용해서 볼 수 없는 것이다.
예 10: 뇌 컴퓨터 인터페이스
도 14는 (수평 괄호(A)에 의해 표시된 바와 같이) 명상 상태로 들어가고, 명상 상태를 그만두는 개인으로부터의 BAF 표현을 도시한다. 도시된 예에서, 수평 괄호(A)로 표시된 기간에서 뇌 상태는 명상 상태와 연관된다. 본 발명의 시스템은 BAF 표현 내의 BAF의 특정 파라미터를 분석하고, 머신 학습 알고리즘을 적용하여 명상 상태와 연관된 뇌 상태를 검출한다. 그런 다음 시스템은 명상 상태와 연관된 뇌 상태가 검출되면, 개인에게 특정 명령을 내릴 수 있다. 예를 들어, 개인은 ALS가 있으며, 운동 제어(motor control)가 부족하다. 개인은 명상 상태에 들어가고, 시스템은 개인이 명상 상태 동안 공을 농구대에 쏘는 것을 상상하라는 명령을 내린다. 보이는 효과가 눈의 움직임 또는 닫힘으로 인해 그렇게 되지 않도록 보장하기 위해, 모든 활동은 눈을 뜬 채로 수행된다. 모든 활동은 또한 환경을 무시하고 활동에 전적으로 집중할 수 있음을 보여주기 위해 배경 잡음(가족 구성원이 말하고 활동을 보는 것)이 있는 채로 수행된다.
함께 고려할 때, 실시예 1 내지 10에 제시된 데이터는 인간 대상자의 BAF 표현에 존재하는 특정 뇌 상태에 대한 특정 예측자를 보여준다. 또한, 인간 대상자의 BAF 표현에 존재하는 특정 뇌 상태에 대한 예측자는 이들 실시예 각각에서 설명된 뇌 상태와 연관되어 있다. 이것으로 제한되는 것은 아니지만, 비정상, 스트레스 및 참여를 비롯한 뇌활동과 연관된 특정 기능을 결정하기 위한 이러한 BAF 표현의 자동 분석은 머신 학습 및 컴퓨터 비전에서 최첨단 기술을 사용하여 수행될 수 있다.
일부 실시예에서, 본 발명의 창의적인 특별히 프로그램된 컴퓨터 프로세서 및 시스템은, 적합한 데이터 통신 네트워크(예를 들어, 인터넷 등)를 통해 통신하고 적어도 하나의 적합한 데이터 통신 프로토콜(예를 들어, IPX/SPX, X.25, AX.25, AppleTalk, TCP/IP(예를 들어, HTTP) 등)을 사용하는, 분산 네트워크 환경 내의 전자 모바일 디바이스(예를 들어, 스마트폰 등)의 사용을 포함할 수 있다.
본 발명에 따라 특별히 프로그램될 수 있는 컴퓨터 시스템(80)의 예시적인 블록도가 도 15에 도시된다. 컴퓨터 시스템(80)은 중앙 처리 유닛과 같은 프로세서(82), 입력/출력 인터페이스(90), 및 지원 회로(92)를 포함한다. 특정 실시예에서, 컴퓨터(80)가 직접적인 휴먼 인터페이스를 필요로 하는 경우, 디스플레이(96) 및 키보드, 마우스 또는 포인터와 같은 입력 장치(98)가 또한 제공된다. 디스플레이(96), 입력 디바이스(98), 프로세서(82), 및 지원 회로(92)는 메모리(88)에도 또한 연결된 버스에 연결되는 것으로 도시된다. 메모리(88)는 프로그램 저장 메모리(111) 및 데이터 저장 메모리(191)를 포함한다. 컴퓨터(80)가, 직접적인 휴먼 인터페이스 구성요소인 디스플레이(96) 및 입력 디바이스(98)와 함께 도시되어 있지만, 예를 들어 컴퓨터(80)가 네트워크에 연결되고 프로그래밍 및 디스플레이 동작이 다른 연관된 컴퓨터에서 발생하는 경우, 또는 프로그래머블 로직 제어기를 인터페이싱하는 것과 관련하여 알려진 착탈식 입력 디바이스를 통해 발생하는 경우, 모듈의 프로그래밍 및 데이터의 내보내기는 대안적으로 인터페이스(90)를 통해 달성될 수 있다는 것을 알아야 한다.
프로그램 저장 메모리(111) 및 데이터 저장 메모리(191)는 각각 휘발성(RAM) 및 비휘발성(ROM) 메모리 유닛을 포함할 수 있고, 하드 디스크 및 백업 저장 용량을 또한 포함할 수 있으며, 프로그램 저장 메모리(111) 및 데이터 저장 메모리(191)는 둘 모두 단일 메모리 디바이스로 구현되거나 또는 복수의 메모리 디바이스들로 분리될 수 있다. 프로그램 저장 메모리(111)는 소프트웨어 프로그램 모듈 및 연관된 데이터를 저장하고, 특히 하나 이상의 모듈(110)을 저장한다. 데이터 저장 메모리(191)는 본 발명에 따라 이용되는 신호 데이터 및 다양한 소프트웨어 객체를 나타내는 데이터 세트를 저장한다.
컴퓨터 시스템(80)은 퍼스널 컴퓨터, 미니 컴퓨터, 워크스테이션, 메인 프레임, 프로그래머블 로직 제어기와 같은 전용 제어기, 또는 이들의 조합과 같은 임의의 컴퓨터일 수 있음을 인식하여야 한다. 컴퓨터 시스템(80)은 설명 목적상 단일 컴퓨터 유닛으로 도시되지만, 시스템은 처리 부하 및 데이터베이스 크기에 따라 크기 조정될 수 있는 컴퓨터의 그룹/팜을 포함할 수 있다. 특정 실시예에서, 본 명세서에서 시스템 및 방법은 사용자의 컴퓨터 상에서, 예를 들어 사용자의 머신 상에 상주하는 스케줄 데이터 중에서 쿼리하는 사용자의 브라우저에서, 네트워크화된 서버 컴퓨터로부터 쿼리 없이 다운로드된 후에 사용될 수 있다. 그러나, 이들 구성요소 모두가 본 발명을 실시하는데 요구되는 것은 아니며 본 발명의 사상 또는 범위를 벗어나지 않고 구성요소의 배열 및 유형의 변형이 이루어질 수 있다. 일부 실시예에서, 본 발명의 시스템 및 방법은 다수의 사용자 및/또는 동시적 트랜잭션을 포함할 수 있다. 다른 실시예에서, 본 발명의 시스템은 데이터의 액세스, 캐싱, 검색 및 데이터베이스 연결 풀링을 평가하기 위한 다양한 전략을 통합한 스케일러블 컴퓨터 및 네트워크 아키텍처에 기초한다. 스케일러블 아키텍처의 예는 사용자의 다수의 전자 디바이스(예를 들어, 스마트폰)와 실시간으로 통신하는 다수의 서버를 동작시킬 수 있는 아키텍처이다. 일부 실시예에서, 본 발명의 창의적인 시스템은 사용자의 다수의 전자 디바이스(예를 들어, 적어도 100; 적어도 1,000; 적어도 10,000; 적어도 100,000; 적어도 1,000,000; 적어도 1,000,000,000 등)를 호스팅하고 및/또는 다수의 동시적 작업/트랜잭션(예를 들어, 적어도 1,000; 적어도 10,000; 적어도 100,000; 적어도 1,000,000; 적어도 1,000,000,000 등)을 수행할 수 있다.
컴퓨팅 디바이스(80)는 바람직하게는, 예를 들어 프로그램 저장 메모리(111)에 저장되고 휘발성 메모리로부터의 프로세서(82)에 의해 실행되는 오퍼레이팅 시스템을 지원한다. 본 발명의 실시예에 따르면, 오퍼레이팅 시스템은 본 발명에 따라서 프로그램된 소프트웨어 루틴을 실행하기 위한 명령어를 포함한다.
다양한 대안의 실시예에서, 본 발명은 컴퓨터화된 컴퓨팅 시스템과 함께 사용하기 위한 컴퓨터 프로그램 제품으로서 구현될 수 있다. 관련 기술분야에서 통상의 기술자라면 본 발명에 의해 정의된 기능을 정의하는 프로그램은 임의의 적절한 프로그래밍 언어로 기록될 수 있고, 이것으로 제한되는 것은 아니지만: (a) 쓰기 가능하지 않은(non-writable) 저장 매체(예를 들어, ROM 또는 CD-ROM 디스크와 같은 판독 전용 메모리 디바이스) 상에 영구 저장된 정보; (b) 기록 가능한 저장 매체(예를 들어, 플로피 디스크 및 하드 드라이브) 상에 변경 가능하게 저장된 정보; 및/또는 (c) 근거리 네트워크, 전화 네트워크 또는 인터넷과 같은 공용 네트워크와 같은 통신 매체를 통해 컴퓨터로 전달되는 정보를 비롯한 많은 형태로 컴퓨터에 전달될 수 있음을 쉽게 인식할 것이다. 본 발명의 방법을 구현하는 컴퓨터 판독 가능 명령어를 반송할 때, 그러한 컴퓨터 판독 가능 매체는 본 발명의 대안의 실시예를 나타낸다.
본 발명의 목적을 위해, "클라우드", "인터넷 클라우드", "클라우드 컴퓨팅", "클라우드 아키텍처"라는 용어 및 유사한 용어는, 다음 중 적어도 하나: (1) 실시간 통신 네트워크(예를 들어, 인터넷)을 통해 연결된 다수의 컴퓨터; (2) 다수의 연결된 컴퓨터(예를 들어, 물리적 머신, 가상 머신(Virtual Machine, VM)) 상에서 프로그램 또는 애플리케이션을 동시에 실행하는 기능을 제공하는 것; (3) 실제 서버 하드웨어에 의해 제공되는 것처럼 보이는, 그리고 (예를 들어, 최종 사용자에게 영향을 미치지 않고 즉시 이동하고 확장(또는 축소)될 수 있게 하는) 하나 이상의 실제 머신 상에서 실행되는 소프트웨어로 시뮬레이션된, 실제로 가상 하드웨어(예를 들어, 가상 서버)에 의해 서비스 제공되는 네트워크 기반 서비스에 대응한다. 일부 실시예에서, 본 발명의 게임 조작 시스템은 이것으로 제한되는 것은 아니지만: 서비스로서의 인프라스트럭처, 인프라(infrastructure a service, IaaS), 서비스로서의 플랫폼(platform as a service, PaaS) 및 서비스로서의 소프트웨어(software as a service, SaaS)와 같은 클라우드 컴퓨팅/아키텍처를 제공/관리한다. 도 16 및 도 17은 클라우드 컴퓨팅/아키텍처의 예시적인 구현의 개략도를 도시한다. 일부 실시예에서, 본 발명의 예시적인 특별히 프로그램된 프로세서는 원격으로 획득된 신호 데이터를, 컴퓨터 네트워크를 통해 수신하여 본 발명의 원리에 따라 이러한 데이터를 분석하고 이러한 분석의 결과를 원격으로 전달하는 클라우드 기반 서버로서 프로그램된다.
예 11: 다양한 발달 단계의 유아 대상자를 위한 예시적인 자극
예컨대 이것으로 제한되는 것은 아니지만, 아래는 본 발명의 적어도 일부 실시예가 인지적, 언어학적, 사회적 및/또는 음악적 기량에 영향을 주기 위해 이용될 수 있는 애플리케이션의 예시적인 예이다:
1. 학습―주의 집중 기간
a. 연령 1-6 개월
i. 탈억제 억제―상이한 멜로디, 음악 톤, 백색 잡음 또는 임의의 다른 소리의 녹음이 시스템에 의해 재생될 것이다. 특정 시간에, 음조가 변경될 것이고, 본 발명의 일부 실시예에 따른 방법을 사용하여 뇌 반응이 테스트될 것이다. 시스템은 소리가 변경될 때 및 유아가 변경을 검출하면 상이한 반응이 획득되는지를 테스트한다.
ii. 예기치 않은 소리에 대한 반응―상이한 시끄러운 소리 또는 조용한 소리의 녹음이 시스템에 의해 재생될 것이다. 특정 시간에, 디바이스는 소리를 재생할 것이고, 본 발명의 일부 실시예에 따른 방법을 사용하여 뇌 반응이 테스트될 것이다. 시스템은 소리가 재생될 때 유아가 이를 검출하면, 상이한 반응이 획득되는지를, 그리고 유아의 반응(스트레스, 주의 또는 철회)의 특성을 테스트할 것이다
iii. 최소 자극―적응적인 음악 소리의 녹음이 시스템에 의해 재생될 것이다. 이러한 소리는 최소한의 소리로 시작하여 점차 풍부해질 것이다. 본 발명의 일부 실시예에 따른 방법을 사용하여 뇌 반응이 테스트될 것이고, 음악의 복잡성 레벨은 유아의 주의 집중 기간에 적응될 것이다.
iv. 말하고 있는 얼굴에 대한 주의―말하고 있는 인간 얼굴의 시각적 표현 또는 기록 및 상관된 청각적 음성의 소리. 뇌는 본 발명의 일부 실시예에 따른 방법을 사용하여 말하고 있는 얼굴과 관여하면서 테스트될 것이다. 관여 및 주의의 지속기간과 레벨이 테스트될 것이다. 이것은 연령 0-12 개월에 적용 가능하다.
b. 연령 7-12 개월
i. 예상 테스트―알려진 음악 소리 또는 인간 목소리로 노래하는 노래의 녹음이 시스템에 의해 재생될 것이다. 특정 시간에, 알려진 소리가 예기치 않게 변경될 것이다. 본 발명의 일부 실시예에 따른 방법을 사용하여 뇌 반응이 테스트될 것이며, 주의 레벨이 검출될 것이다.
ii. 주고 받기(turn-taking)―유아는 장난감/로봇/전화기/태블릿에 의해 디스플레이되는 게임(예를 들어, 피카부(peekaboo))에 참여될 것이다. 게임은 움직임을 만들며, 유아는 계속 놀기 위해 특정 뇌 상태에 관여하여야 (예를 들어, 주의를 기울여야) 할 것이다. 뇌 반응은 본 발명의 일부 실시예에 따른 방법을 사용하여 테스트될 것이며, 게임은 아동이 참여(자기 차례)때만 계속될 것이다. 이것은 게임의 모양에 따라 모든 연령대에 적용될 수 있다.
c. 연령 12-18 개월
i. 최소 자극 대 복잡한 자극―유아는 장난감/로봇/전화기/태블릿에 의해 디스플레이되고 상이한 컬러의 소리와 모양을 포함할 수 있는 다중 감각적인 경험을 제공하는 게임에 참여될 것이다. 이러한 경험은 최소한의 것으로부터 시작하여 점차 풍부해질 것이다. 뇌 반응은 본 발명의 일부 실시예에 따른 방법을 사용하여 테스트될 것이며, 경험의 복잡성 레벨은 유아의 주의 집중 기간에 적응될 것이다.
ii. 최소 지극 대 복잡한 자극―유아는 장난감/로봇/전화기/태블릿에 의해 디스플레이되고 다양한 컬러의 소리와 모양을 포함할 수 있는 다중 감각적 경험을 제공하는 게임에 참여될 것이다. 게임의 매 라운드마다, 매우 간단한 자극이 출현할 것이며, 유아는 게임을 시작하기 위해 특정 뇌 상태에 관여하여야 한다(자신의 주의 집중 기간을 확장하여야 한다). 뇌 반응은 본 발명의 일부 실시예에 따른 방법을 사용하여 테스트될 것이며, 유아가 선택된 뇌 상태에 관여하는데 성공할 때, 제시된 자극은 더욱 복잡해질 것이다.
d. 연령 18-24 개월
i. 관련 없는 자극 억제―아동은 장난감/로봇/전화기/태블릿에 의 패 디스플레이되는 흥미로운 게임에 참여될 것이다. 게임과 함께, 관련이 없는 소리와 시각자료가 출현할 것이며, 아동은 계속해서 놀기 위해 이를 무시해야 한다. 게임으로부터의 산만함은 본 발명의 일부 실시예에 따른 방법을 사용하여 검출될 것이고 장난감/로봇/전화기/태블릿에 의해 재생되는 특정 소리를 작동시킬 것이다. 이것은 2-5 세에도 적용할 수 있다.
e. 연령 2-5 세
i. 오랜 활동에 흥미 유지―아동은 세로 과제(longitudinal task)가 담겨 있고 장난감/로봇/전화기/태블릿에 의해 디스플레이되는 게임에 참여될 것이다. 게임에 대한 주의는 본 발명의 일부 실시예에 따른 방법을 사용하여 검출될 것이다. 게임으로부터의 산만함이 검출될 것이고, 아동을 다시 과제로 향하게 하는 보조 기호를 포함하는 특정 자극을 동작시킬 것이고 장난감/로봇/전화기/태블릿에 의해 재생될 것이다.
2. 건강 습관 얻기
a. 연령 1-6 개월
i. 건강한 수면 습관 얻기―본 발명의 일부 실시예에 따른 방법을 사용하여, 시스템은 잠 들어있을 때, 수면의 질, 수면의 깊이, 잠들기까지와 깨어나기까지의 지속기간을 모니터링할 수 있다. 이러한 판독 값과 하루의 시간을 이용하여, 시스템은 유아에게 휴식을 장려하고 수면을 가속시키는 청각 피드백을 제공할 수 있다. 또한 수면 동안 음악이 개별적으로 변경되어 더 깊고 나은 휴식이 가능할 수 있다.
ii. 과도한 소극성/적극성―본 발명의 일부 실시예에 따른 방법을 사용하여, 시스템은 주변 환경의 관심 부족, 과도한 활동, 과잉행동 패턴 및 집중 주의의 부족을 모니터링할 수 있다. 그런 다음 시스템은 집중된 주의 끌기를 목적으로 하고 주의 습관을 훈련하고 조정하는 자가 조절된 소리, 진동 또는 디스플레이된 사진 및 조명을 제공한다.
iii. 스트레스 및 진정―본 발명의 일부 실시예에 따른 방법을 사용하여, 시스템은 스트레스 레벨을 모니터링할 수 있다. 아기가 불편함을 느끼거나 스트레스를 받았을 때 경보를 발행하고 자가 조절된 편안한 소리, 진동 또는 디스플레이된 사진 및 조명을 제공한다.
b. 연령 6-12
i. 스트레스 및 진정―본 발명의 일부 실시예에 따른 방법을 사용하여, 시스템은 스트레스 및 이완 레벨을 모니터링할 수 있고, 유아에 의한 자가 진정 활동을; 얼마나 자주 얼마나 빨리 진정하는지를 모니터링할 수 있다. 시스템은 자가 조절된 편안한 소리, 진동 또는 디스플레이된 사진 및 조명을 재생하여 유아에게 이완 과정을 지원한다.
c. 연령 2-5 세
i. 스케줄, 관련 없는 자극 억제―아동은 테이블 일일 임무에 참여될 것이고, 임무를 알맞은 순서와 하루 중 알맞은 시간에 놓도록 요청 받을 것이다. 아동의 뇌활동 및 "지금해야 할 일"과 같은 질문에 대한 아동의 반응은 본 발명의 일부 실시예에 따른 방법을 사용하여 테스트될 것이다. 난이도는 아동의 성과에 맞추어 조정되고 점차적으로 난이도를 증가시킬 것이다. 상이한 세트에서는 일일 스케줄이 중단되거나 변경되어야 하며, 시스템은 집중된 채로 머물고 높은 성과를 유지하는 아동의 경향을 모니터링한다.
3. 사회적 기량―인간 제스처에 대한 주의 및 사회적 자극에 대한 반응.
a. 연령 1-6 개월
i. 유아 자신의 이름에 대한 반응―어머니/아버지의 목소리를 사용한 유아 이름의 녹음뿐만 아니라, AI 디바이스에 의해 생성된 유아 이름이 시스템 내에 있을 것이다. 특정 시간에, 디바이스는 아동의 이름을 부르고 뇌 반응에 대해 테스트할 것이다. 반응은 본 발명의 일부 실시예에 따른 방법을 사용하여 테스트될 것이다. 시스템은 아동이 어머니의 목소리로 이름을 들을 때와 낯선 사람의 목소리로 들을 때 상이한 반응이 획득되는지를 테스트할 것이다. 이것은 모든 연령대에 적용할 수 있다.
ii. 인간 대 비인간 소리에 대한 유아의 반응―악기 멜로디 및 인간이 부른 또는 허밍된 동일한 멜로디의 녹음이 시스템에 의해 재생될 것이다. 시스템은 악기 버전 대 인간 버전의 동일한 멜로디를 청취함으로써, 상이한 반응이 얻어지는지를 테스트할 것이며, 본 발명의 일부 실시예에 따른 방법을 사용하여 흥분 및 주의 레벨을 검출함으로써 인간 목소리에 대한 선호가 있는지를 테스트할 것이다.
iii. 사람들과의 직접적인 시선 접촉에 대한 유아의 반응―말하고 있는 인간 얼굴의 시각적 표현 또는 기록 및 상관된 청각적 음성의 소리의 녹음. 본 발명의 일부 실시예에 따른 방법 및 눈 추적기(eye tracker)를 사용하여, 시스템은 유아가 얼굴의 눈 영역, 얼굴의 다른 부분, 또는 얼굴에 주의를 기울이는지, 또는 전혀 얼굴에 주의를 기울이지 않는지를 테스트할 것이다. 아동이 주의를 기울이지 않는 경우, 녹음이 각색될 것이고 얼굴 내보이기(facial expiration) 및 소리를 사용하여 아동의 주의를 끌도록 시도할 것이다. 이것은 0-12 개월에 적용할 수 있다.
iv. 대화 및 웃음 소리에 대한 반응―AI 디바이스에서 생성된 웃음 소리 및 대화 소리뿐만 아니라, 어머니/아버지의 목소리를 사용한 웃음 소리 및 대화 소리의 녹음. 특정 시간에, 디바이스는 이들 소리를 재생하고 뇌 반응을 테스트할 것이다. 반응은 본 발명의 일부 실시예에 따른 방법을 사용하여 테스트될 것이다. 시스템은 유아가 그러한 사회적 소리를 들을 때 상이한 반응이 얻어지는지를 테스트할 것이다.
b. 연령 7-12 개월
i. 사회적 상호작용 개시―사람의 얼굴의 시각적 표현 또는 기록이 시스템에 의해 디스플레이될 것이다. 본 발명의 일부 실시예에 따른 방법 및 카메라 및 얼굴 인식 알고리즘을 사용하여, 시스템은 유아가 제시된 얼굴에 사회적으로 참여하려는 하는지를 테스트할 것이다. 사회적 상호작용의 행동은 미소 지으며 옹아리하는 것과 같은 시각적인 노래와 조합된 사회적 상호작용에 특유한 뇌 상태에 의해 검출될 수 있다. 유아가 사회적으로 참여하려고 하면, 시스템은 사회적 제스처(웃음, 흔들기, 키스 보내기, 말하기, …)를 제시할 것이다. 이것은 모든 연령(예를 들어, 7 개월 - 2 년)에 적용할 수 있다. 이것은 피드백의 복잡성에 따라 더 나이든 아동에게 적용할 수 있다.
ii. 간병인 목소리에 대한 선호―인공 지능(Artificial Intelligence, AI) 디바이스에 의해 생성된 노래, 자장가 및 짧은 이야기뿐만 아니라, 간병인의 목소리를 사용한 노래, 자장가 및 짧은 이야기의 녹음이 시스템에 의해 재생될 것이다. 특정 시간에, 디바이스는 음성 AI 디바이스 및 간병인을 전환하고, 뇌 반응을 테스트할 것이다. 반응은 본 발명의 일부 실시예에 따른 방법을 사용하여 테스트될 것이다. 시스템은 어린이가 간병인의 목소리를 들을 때 또는 낯선 사람의 목소리를 들을 때 상이한 반응이 얻어지는지를 테스트할 것이다. 이것은 또한 7 개월에서 2 세까지 적용 가능하다.
c. 연령 12-24 개월
i. 제스처의 이해―아동은 내장된 보조 기호를 사용하여 "라벨이 붙어 있는 것을 가리키세요"라는 게임에 참여될 것이다. 예를 들어, 게임은 특정 얼굴/모양을 마킹하고 그 이름을 지정한다. 게임은 질문("Yossi라는 소년이 그러니?")을 물을 것이고, 뇌활동은 본 발명의 일부 실시예에 따른 방법을 사용하여 테스트될 것이다. 아동이 제스처를 이해할 수 없다면, 이것은 더 명백하게 제시될 것이다. 이것은 또한 자극 및 문제의 난이도에 따라 더 나이든 아동에게도 적용될 수 있다.
4. 사회적 기량―언어 발달
a. 연령 1-6 개월
i. 단어를 구성하는 음소를 정렬하기―단어 및 비단어의 녹음이 시스템 내에 있을 것이다. 디바이스는 이들 단어를 하나씩 차례로 재생할 것이고, 본 발명의 일부 실시예에 따른 방법을 사용하여 뇌 반응을 테스트할 것이다. 시스템은 유아가 단어와 비단어를 구별할 수 있는지를 테스트하고 단어를 선호하면 행복한 소리를 재생하여 단어를 다시 말할 것이다. 이것은 0-12 개월 아동에게도 적용할 수 있다.
ii. 화자의 영향을 늦추기―말하고 있는 인간 얼굴의 시각적 표현 또는 기록 및 음성, 노래, 자장가 및 짧은 이야기의 상관된 청각적 소리가 시스템에 의해 재생될 것이다. 눈 추적기 및 본 발명의 일부 실시예에 따른 방법의 둘 모두를 사용하여, 시스템은 유아가 이야기를 추적할 수 있는지를 테스트하고, 얼굴 표정 및 오디오의 리듬을 느리게 할 것이다. 이것은 0-18 개월 아동에게도 적용할 수 있다.
iii. 언어 운율의 학습―과장된 억양이 포함된 문장으로 녹음된 이야기가 시스템 내에 있을 것이다. 디바이스는 본 발명의 일부 실시예에 따른 방법을 사용하여 이야기를 재생하고 뇌 반응을 테스트할 것이다. 시스템은 유아가 과장된 억양을 알아내는지를 검출하고, 유아의 감정 반응을 테스트할 것이다. 시스템은 유아가 이것에 대해 긍정적으로 반응을 유지하는 한 여러 가지 변형의 억양을 반복한다. 이것은 0-24 개월 아동에게도 적용될 수 있다.
b. 연령 6-12 개월
i. 언어 운율의 학습―피치, 높이, 범위/변이성 및 멜로디 윤곽에서 상이한 상이한 음향 억양을 가진 소리의 녹음이 시스템 내에 있을 것이다. 디바이스는 이들 소리를 하나씩 재생하고 본 발명의 일부 실시예에 따른 방법을 사용하여 뇌 반응을 테스트할 것이다. 시스템은 유아가 소리들을 구별할 수 있는지를 테스트하고 만일 그러하다면 행복한 소리를 재생하여 단어를 다시 말할 것이다. 시스템은 유아 반응에 따라 서로 더 비슷하거나 상이할 수 있는 소리 조합을 계속 재생한다. 이것은 6-24 개월 아동에게도 적용될 수 있다.
c. 연령 12-24 개월
i. 언어 운율의 학습―억양이 정확하거나 부정확할 수 있는 문장을 가진 녹음된 이야기가 시스템 내에 있을 것이다. 디바이스는 본 발명의 일부 실시예에 따른 방법을 사용하여 이야기를 재생하고 뇌 반응을 테스트할 것이다. 시스템은 유아가 색다른 억양을 알아내는지를 검출한다. 이것은 0-24 개월 아동에게도 적용될 수 있다.
ii. 단어와 그 의미에 라벨 붙이기―유아는 단어와 소리를 읽어 주고 물체, 모양, 컬러, 신체 부위 및 기타의 것의 시각적 표현을 제시하는 게임에 참여될 것이다. 매번 두 가지 자극, 즉 단어와 시각물이 제시될 것이다. 자극은 의미/카테고리에 관련이 있을 수 있거나, 관련이 없을 수 있다. 뇌활동은 본 발명의 일부 실시예에 따른 방법을 사용하여 테스트될 것이고, 유아가 두 개의 관련된 자극을 올바르게 인식한다면, 시스템은 행복한 보상의 소리를 생성할 수 있다. 이것은 6 개월 내지 3 세 아동에게도 적용할 수 있다.
iii. 요청 이해―시스템은 장난감/로봇/전하기/태블릿상의 라우드스피커를 통해 간단한 질문과 요청(예를 들어, "이리 와" 또는 "더 줘?")을 생성한다. 이러한 질문과 요청은 더 큰 게임/활동(이 또한 시스템에 의해 생성됨) 중에 게임의 일부로서 요청될 것이다. 본 발명의 일부 실시예에 따른 방법 및 주의와 같은 파라미터를 사용하여, 시스템은 요청이 이해되는지를 결정할 것이다(더 많은 단어―"공을 굴려요", "아기에게 키스해요", "신발 어디 있어요?", "가니?", "그게 뭐야?"―로 된 더 복잡한 요청을 사용하여 2 세까지 적합할 수 있다).
d. 연령 2-5 세
i. 완전한 문장 이해―시스템은 문법과 어휘 측면에서 다양한 난이도의 문장을 생성하고, 주의가 유지되는지, 문장의 기분이 이해되는지(행복한지, 슬픈지, 두려운지)를 테스트할 것이다. 테스트는 클라우드(예를 들어, AI 머신과 같은 IBM의 Watson)로부터 정보를 수신하는 장난감/로봇/전화기/태블릿 상의 라우드스피커를 통해 생성된다.
ii. 독해 기량―시스템은 문자와 모음(vowel)의 시각적 및 청각적 표현을 제시한 다음, 이들을 정확하게 또는 부정확하게 단어로 조합한다. 본 발명의 일부 실시예에 따른 방법을 사용하여, 시스템은 인지 반응 및 주의를 테스트할 수 있고, 아동이 실수를 검출하였는지를 결정하고, 보상하고, 실수를 바로잡는 방법을 보여줄 수 있다.
iii. 제 2 언어―시스템은 상이한 언어의 문자와 모음, 단어 및 문장의 시각적 및 청각적 표현을 제시할 것이다. 본 발명의 일부 실시예에 따른 방법을 사용하여, 시스템은 인지 반응 및 주의를 테스트할 수 있고, 새로운 언어의 기본원칙을 가르치는 다양한 기술을 사용할 수 있다.
iv. 물체 이름 정하기―아동은 단어와 소리를 읽어 주고 물체, 모양, 컬러, 신체 부위 및 다른 것의 시각적 표현이 제시되는 게임에 참여될 것이다. 매번 시각 자료가 제시될 것이고 뇌활동은 본 발명의 일부 실시예에 따른 방법을 사용하여 테스트될 것이다. 유아가 단어에 익숙하다면, 시스템은 행복한 자극으로 유아를 보상할 것이며, 그렇지 않으면 시스템은 새로운 단어를 읽고 가르쳐 줄 것이다.
5. 음악적 기량
a. 연령 1-6 개월
i. 양질의 음악 작품 소개―상이한 멜로디와 음악 작품의 녹음이 시스템에 의해 특정 시간에 재생될 것이다. 이들 시간은 본 발명의 일부 실시예에 따른 방법을 사용하여 뇌 반응에 의해 저지될 것이다. 시스템은 유아가 전념하고 집중할 때를, 그리고 그의 기분을 또한 테스트할 것이며, 재생할 음악의 유형을 결정할 것이다.
ii. 음악 및 그 공간적 기원에 주목―상이한 음악 톤 또는 임의의 다른 소리의 녹음이 시스템 내에 있을 것이고, 스피커는 아동 놀이 구역 중의 상이한 영역에 위치할 것이다. 특정 시간에 소리가 재생될 것이고, 뇌 반응과 머리 돌리기가 테스트될 것이다. 뇌 반응은 본 발명의 일부 실시예에 따른 방법을 사용하고 머리 돌리기는 가속도계를 통해 이루어질 것이다. 시스템은 소리가 재생되었을 때 특정 응답이 얻어지는지 및 유아가 공간에서 정확하게 소리를 검출하는지를 테스트할 것이다.
b. 연령 12-18 개월
i. 상이한 음악 패턴 인식―상이한 멜로디와 음표의 녹음이 시스템에 의해 재생될 것이다. 동일한 음악 멜로디가 반복적으로 재생될 것이고, 특정 시간에 유사하지만 상이한 멜로디/음표(예를 들어, 증가 대 감소 음표, 큐튜어 변경(couture changes), 음표의 길이 및 임의의 다른 음악 구성 변경)로 변경될 것이다. 뇌 반응은 본 발명의 일부 실시예에 따른 방법을 사용하여 테스트될 것이다. 시스템은 유아가 변경을 검출할 때를 검출할 것이고 행복한 자극으로 그를 보상할 것이다.
ii. 음악 구별―시스템은 차이가 있는 악기와 목재의 소리를 생성하고, 이들의 음향 차이로 인해 구성되는 것을 쌍으로 재생한다. 시스템은 본 발명의 일부 실시예에 따른 방법을 통해 유아의 구별 능력을 분석한다. 유아가 자극 쌍을 구별할 수 있다면, 유아는 자가 조절된 음악적 보상의 형태로 피드백을 얻는다. 유아가 구별에 성공함에 따라 자극 세트는 점점 더 상이해질 수 있다. (이것은 12 개월 내지 5 세 아동에게도 적용 가능하다.)
c. 연령 2-5 세
i. 음악의 논리적 규칙―시스템은 상이한 비트레이트(예를 들어, 이것으로 제한되는 것은 아니지만 80 bpm)로, 바람직하게는 (악기와 보컬이 거의 없는 단순한) 최소한의 음악으로 음악을 생성한다. 특정 시간에 작은 기간 동안, 비트레이트가 변경될 것이다. 리듬의 변화에 대한 뇌 반응은 본 발명의 일부 실시예에 따른 방법을 사용하여 테스트될 것이며, 행복한 자극의 제시에 의해 보상될 것이다.
ii. 음악의 논리적 규칙―시스템은 음악을 상이한 시간 시그니처(예를 들어, ¾)에 생성한다. 특정 시간에 작은 기간 동안, 악보 마디 당 박자 양이 변경될 것이다. 시간 시그니처의 변경에 대한 뇌 반응은 본 발명의 일부 실시예에 따른 방법을 사용하여 테스트될 것이며, 행복한 자극의 제시에 의해 보상될 것이다.
iii. 음악의 논리적 규칙―시스템은 음악을 상이한 음계(예를 들어, 5 음계(pentatonic scale)) 위 아래로 수 차례 생성한다. 특정 시간에 작은 기간 동안, 음계는 올바른 음표로부터 벗어날 것이다. 올바르지 않은 음계에 대한 뇌 반응은 본 발명의 일부 실시예에 따른 방법을 사용하여 테스트될 것이며, 행복한 자극의 제시에 의해 보상될 것이다.
6. 학습 및 의미론적 기억 발달
a. 새로운 카테고리를 학습하는 기능; 예를 들어, 시스템은 동일한 카테고리에서 관련 있는, 그리고, 관련 없는 카테고리(가능한 카테고리 유형: 동일한 카테고리로부터의 음악적 자극, 동일한 카테고리, 컬러, 동물, 단어 및 숫자와 같은 대상자 관련 카테고리 또는 기타 유형의 카테고리로부터의 의미적 자극)로부터의 단일 자극을 행에 소속시키는 자극 행을 생성할 수 있다. 시스템은 주의 레벨, 반응 시간 및 카테고리의 학습을 용이하게 하기 위해 자극을 제시해야 하는 횟수를 측정함으로써 관련 없는 자극에 대한 유아 반응을 분석한다. 시스템은 유아가 관련이 없는 자극을 구별하는데 성공하면 음악적 보상을 제공할 것이다. 카테고리는 유아가 간단히 구별하는 능력을 보여줄 때 한번씩 점점 더 복잡해질 수 있다.
b. 학습 능력 모니터링; 복잡도의 함수로서 복잡한 자극과의 관여의 품질 모니터링. 시스템은 단순한 및 복잡한 음악적 및 시각적 자극 둘 모두를 생성하고, 흥분 및 주의 레벨의 유아 변화, 각 자극에 관여하는 지속기간, 및 각 복합 자극이 유아에게 사소해질 때까지 각 복합 자극을 제시해야 하는 횟수를 분석한다. 시스템은 유아가 더 이상 주의를 기울이지 않을 때까지 점점 더 복잡한 자극을 제공할 것이다. 자극 행은 유아가 자신의 구별 기량을 연마함에 따라 한 번씩 더 복잡해질 수 있다.
예 12: 본 발명의 일부
실시예에
따른 예시적인 방법
일부 실시예에서, BAF 표현은 또한, 적어도 하나의 자극에 반응하여 뇌활동의 대상자의 시각적 표현에서 반복적으로 관찰되는 특징을 식별하기 위해 분석된다. 방법은 다음과 같다.
B(j,t)를 BAF의 매트릭스라고 하면, 이 매트릭스에서 121 개 BAF의 경우 행(j)은 1에서부터 121로 진행하고, 열(t)은 1 초의 단계로 시간을 나타내는데, 즉 BAF 벡터는 1 초마다 갱신되고 있다. 일부 실시예에서, 행은 서로 가까워질수록 더 상관되며, 따라서 BAF를 결정하는데 사용된 대용량 데이터 세트를 통한 일부 상관관계의 척도하에서, 행(j)에서의 뇌활동 값은 행(j+2)에서의 뇌활동 값보다 행(j+1)에서의 뇌활동 값에 더 많이 상관된다.
또한, 각 시간 열의 기록 중에 일어난 일을 라벨링하는 라벨링(L(t))이 있다. 따라서 BAF 데이터가 수집된 시간 동안 발생한 특정 이벤트에 대한 예측자를 구축하는 것이 가능하고, k-평균 클러스터링에서와 같이, (레이블을 보고 있는) 감독 방식 또는 자율 방식으로 매트릭스의 열을 클러스터링하는 것이 가능하다. 뿐만 아니라, 매트릭스의 일부만, 즉 몇몇 BAF만을 클러스터링하는 것이 가능하다. 이것은 데이터로부터 보다 일관적인 클러스터 세트를 생성하는 채널을 찾게 해줄 수 있는데, 즉 채널은 클러스터 센터 세트를 생성하고, 특정 채널 세트에서의 활동은 종종 클러스터 센터 중 하나에 속하는데, 즉 실제 활동은 클러스터 센터에 의해 표현되는 활동과는 (유클리드 거리와 같은 몇몇 척도에 의하면) 전혀 그렇지 않다.
일부 실시예에서, 클러스터는 이들이 생겨난 BAF 채널 및 이들 채널에서 발견된 실제 클러스터 센터를 표시하기 위해 명명된다: 예를 들어, 하나의 특징은 예로서 1320_15로 명명될 수 있는데, 이는 클러스터가 채널 13 내지 20에 대응하고 클러스터가 그 BAF 세트에서 발견된 15번째 클러스터인 것을 표시한다. 이러한 실제 이름은 BAF로 해석된 후에 뇌활동에서 발견될 수 있는 새로운 알파벳의 특정 문자로 간주될 수 있다.
이러한 알파벳을 고려해 볼 때, 고도로 상관되는 문자, 즉 높은 확률로 동시 발생하는 상이한 채널로부터의 클러스터를 볼 수 있다. 그런 다음 이러한 문자는 단일의 문자로 조합될 수 있다. 이것은 발견된 모든 문자의 공분산 매트릭스를 구축한 후에, 그런 다음 이를 기초로 하여 미리 설정된 문턱치 이상의 상관관계가 있는 문자를 조합하여 이루어진다.
(문자를 조합한 후에) 최소한 알파벳이 발견되면, 형성되고 있는 단어, 즉 함께 나타나는 여러 문자의 집합을 볼 수 있다. 또한 문법 규칙은 마르코프 모델링을 사용하여, 즉 시퀀스에서 높은 확률로 발생하는 문자/단어의 추론을 사용하여 추론될 수 있다.
이제 상기 모든 추론은 라벨링과 함께 사용되어 추론된 뇌 반응과 BAF가 기록된 동안 발생한 이벤트의 상관관계를 결정할 수 있다. 이러한 상관관계가 발견되면, 우리는 자극에 대한 일관된 뇌 반응이 있었다고 가정하고 일관된 뇌 반응을 일으키는 자극을 기록할 수 있다.
일관된 반응에 기초하여, RtS라고 칭하는 자극에 대한 반응의 정도를 결정할 수 있다.
하나의 특정 실시예에서, RtS는 최소 의식 상태(MCS)에 있는 사람이 반응하는 자극의 유형을 표시하는데 도움을 줄 수 있다. 예를 들어, 이것은 시각적 자극, 청각적 자극, 다른 감각적 자극, 명령 등에 일관된 방식으로 반응하는지를 결정하는데 도움을 줄 수 있다.
일부 실시예에서, RtS는 사람에게 있는 최소한의 의식의 정도를 표시할 수 있고, 다양한 자극에 대한 반응을 증가시키는 것을 목표로 하는 의학적 개입을 최적화하는데 도움을 줄 수 있다. MCS에 있는 사람의 경우에 있어서, 일부 실시예에서, 알파벳의 엔트로피를 보고 (그저 문자들에 기초하거나 또는 추론된 보다 정교한 문법 규칙 및 추론된 단어의 길이에 기초하여) 알파벳의 전체 엔트로피를 결정하는 단일 숫자를 생성할 수 있다
하나의 특정 실시예에서, 상기 알파벳은 음악을 만들어 내는데 사용될 수 있다. 이것은 MCS 대상자가 일부의 의사소통의 수단을 생성하고 자신의 뇌활동에 관한 신경 피드백을 얻을 수 있게 하는 것이다. 구체적으로, 상이한 문자는 상이한 악기로 상이한 음표를 만들거나 또는 템포 및 다른 음악 파라미터를 변경하는데 사용될 수 있다. 그 결과는 MCS 또는 아기의 두뇌에서 만들어지는 멜로디일 것이고 의사소통의 수단을 제공할 수 있다. MCS 대상자는 이러한 문자의 생성에 관한 제어가 달성되면 외부 디바이스를 작동하는 것을 배울 수 있다. 음악 피드백을 사용하여, 대상자는 원하는 반응을 생성하도록 훈련할 수 있다. 예를 들어, 청력에 이상이 있는 대상자에게 또는 잡음이 많은 장소에 있을 때, 이것의 축소 버전은 XY 방향으로 움직일 수 있고 그 컬러를 변경할 수 있는 블루투스 작동 공이다. 이들 파라미터는 도 19의 삽화에 설명된 바와 같이 일부 BAF 또는 채널에 결부될 수 있다.
특정 실시예에서, MCS에서 누락된 것으로 발견되었던 채널 그룹(34-38)은 MCS 대상자가 이들 채널의 활동을 증가시키도록 장려하는 신경 피드백으로서 사용될 수 있다.
다른 실시예에서, 이러한 엔트로피 추론 및 알파벳의 생성은 완전히 레이블링되지 않은(자율) 방식으로 이루어질 수 있다. 이것은 예를 들어, 허혈성 증상 발현 중에 태어난 아기, 즉 산모가 일시적인 허혈성 발작을 겪는 동안 태어난 아기의 뇌 손상의 정도를 결정할 때 유용할 수 있다.
하나의 특정 실시예에서, 보다 간단한 통계적 추론이 수행될 수 있다: 몇 개의 채널이 일부 일반적인 뇌활동에 대응하는 것으로 이미 발견되었으므로, 예를 들어, 감정 뇌활동 및 집행 뇌활동과 연관된 채널이 있으며 도 19에 도시된다.
예 13: 야간 환자
모니터링
야간은 노인에게 매우 위험한 시기일 수 있다. 단지 예시적으로, 위험은 다음의 여러 가지 요인에 기인한다:
심장병―예로서, 울혈성 심부전증과 같은 심장 기능 장애를 겪고 있는 개인은 높은 베개 위에서 자야 하므로, 이들의 가슴이 다리보다 높다. 그런 일이 일어나지 않거나, 또는 자신들의 이뇨제를 복용하는 것을 잊었을 때, 신체 내에 과도한 양의 체액이 있을 수 있으며, 밤에는 폐가 매우 빨리 체액으로 채워질 수 있고, 몇 시간의 수면 동안 생명을 위협하는 상황으로 이어질 수 있다.
폐에 쌓이는 체액과 함께 빈약한 심장 활동은 산소화된 혈액 흐름을 감소시킨다. 뇌가 필요한 것보다 적은 산소화된 혈액을 받을 때, 수면 중에 일어나는 뇌로부터 독소의 제거 및 기억력 강화의 과정 및 우리가 거의 알지 못하는 다른 과정이 영향을 받아, 뇌 손상의 발달로 이어질 수 있다. 심각한 혈류 감소의 경우, 크거나 작은 뇌 혈관 사고(CVA(cerebrovascular accident), 뇌졸중)가 발생할 수 있다. 이러한 모든 과정은 혈액 흐름이 정상일 때 밤에 발생하는 규칙적인 뇌활동과 비교하여 비정상적 뇌활동으로 볼 수 있다.
밤에 낙상―노인은 밤에 일어나서 화장실에 가는 경향이 있다. 그럴 때, 이들은 어둠과 깊은 수면 단계 중에 일어나는 잠재적인 혼란으로 인해 낙상의 위험이 더 높다.
무호흡 및 COPD―노인은 종종 COPD와 같은 일부 만성 폐 장애를 겪고 있고, 수면 중에 환기가 잘 되지 않아 수면 부족에 이른다.
간질 활동―밤에는 약간의 간질 활동 또는 간질 지속 상태가 더 흔하며, 되풀이 하여 밤의 수면 부족에 이르게 되어 다음날 결과가 좋지 않다.
수면 패턴의 변화―수면 중에 규칙적으로 뇌활동을 모니터링할 때, 발달 상황을 나타낼 수 있는 활동의 변화를 검출하는 것이 가능하다. 여기에는 이것으로 제한되는 것은 아니지만 다음을 포함한다:
정신적 외상 또는 정신적 외상 후 증후군 PTSD의 발달
경미한 또는 주요 뇌졸중, 치매, 알츠하이머 또는 파킨슨 병의 발달
우울증 또는 양극성 질환
뇌진탕 및 TBI
뇌 또는 종양의 부기
스트레스, 영양 및 비타민 결핍 등으로 인한 꿈 패턴의 변동.
따라서, 수면 중에 노인을 모니터링하고, 질병이 악화되면, 이들 및 간병인에게 경보를 발행할 수 있다는 것이 매우 유익할 수 있다. 외로움과 피로로 인해 하루 중 저녁이 힘든 시기가 될 수 있다는 사실을 추가해 본다면, 잠자기 전에 저녁에 모니터링을 시작하는 것이 유익할 수 있다. 또한, 환자의 전체적인 파악을 위해 인지적 및 감정적 기능과 함께 혈류 및 정상적인 심장 활동의 생리학적 성분을 둘 모두 모니터링하는 것이 유익하다.
생리학적 파라미터의 측정과 뇌활동 모니터링을 조합하는 것이 가능하다. 예를 들어, 갈바닉 피부 반응(galvanic skin response, GSR)을 사용하면, 피부 전도도는 원인 불명의 땀 또는 온도 변화의 충분한 지표를 제공할 수 있고, 이는 뇌활동 및 심장/호흡 활동과 상관되어 스트레스(생리적 또는 정신적)에 대해 보다 정확한 지표를 얻을 수 있다.
깨어있는 개인 모니터링 : 인지적 및 감정적 활동을 모니터링하기 위해, 대상자는 저녁 식사 직후, 사회적 활동의 시간 동안 또는 (컴퓨터) 게임 하기, 사회적 상호작용, TV 또는 상이한 멀티미디어 시청, 독서, 악기 연주 등을 포함할 수 있는 다른 레크리에이션 활동의 시간 동안 장치를 착용한다.
그러한 활동의 시간 동안, 인지 수행뿐만 아니라 감정 상태가 기록되고 해석된다. 예를 들어, U.S. 특허출원 No. 15/045,089를 참조한다. 이러한 측정치는 유사한 활동을 수행하는 동안, 이전 일, 주, 월에 측정한 동일한 개인의 유사한 측정치와 비교될 것이다. 이것은 수요일 저녁이 체스 게임하는 저녁이고 목요일이 TV 시청하는 저녁이라면, 꼭 유사한 활동과의 비교인 것을 의미한다. 예상되는 것은 높은 집중도에서 낮은 집중도로의 변화, 특히 추정, 단기 및 장기 기억 및 이해와 연관된 개별 인지 파라미터의 변화이다. 이러한 변화는 정상이며, 변화의 사이클은 정상적 또는 비정상적 행동을 표시할 수 있다. 예를 들어, 집중도가 오랫동안 매우 높게 유지된다면, 스트레스를 표시할 수 있거나 또는 카페인과 같은 많은 양의 뇌 자극제의 복용을 표시할 수도 있다. 집중도가 매우 낮은 레벨에서 일정하게 유지되면, 이것은 피로, 졸림, 규칙적인 약물 부족 및 지루함을 표시할 수 있다.
유사한 고려사항은 감정적 파라미터와 관련이 있다. 스트레스는 긍정적 측면과 부정적인 측면을 가질 수 있다. 주의 및 인지 활동으로 스트레스 레벨이 올라갈 때, 이것은 자연스러운 것이며 예를 들어, 부담이 큰 컴퓨터 게임에서 높은 정도의 인지 부하를 다룰 것으로 예상된다. 그러나 인지 레벨이 낮으면서 주의력이 높을 때는 스트레스의 표시이다. 행복 및 슬픔을 표시할 수 있는 행복 부족의 표시는 또한 변동이 거듭되어야 하며 한 레벨에 머물지 않아야 한다. 대상자가 영화를 보고 있으면, 영화의 슬픈 부분 동안에는 슬픔이 우세할 것이며, 그 반대의 경우도 마찬가지이다. 그 때 중요한 것은 기분, 집중력, 주의력, 부하 및 스트레스의 다양성이다.
중요하게는, 사람이 무엇을 하고 있는지, 또는 환자가 무슨 영화를 보고 있는지를 정확히 아는 것은, 멀티미디어 및 뇌활동에 대한 다른 자극의 최적화를 가능하게 한다는 것을 알지만, 필수적인 것은 아니다.
수면 중인 개인 모니터링: 수면 패턴은 U.S. 특허출원 No. 15/045,089에 기재되어 있다. 특히, IV의 마취 중 뇌활동과 흡사한 깊은 수면 패턴 및 가스에 의해 유도된 마취 중 뇌활동과 흡사한 더 가벼운 수면 패턴이 있었다. 다른 수면 패턴은 다양한 종류의 명상과 흡사하다. 따라서, 개별 기준선 수면 패턴을 설정한 다음에 보호자 또는 환자에게 경보를 제공할 수 있는 기준선으로부터의 변화를 알아내는 것이 가능하다.
낙상 방지: 노인은 밤에 일어나서 화장실에 가는 경향이 있기 때문에, 뇌가 충분히 기능할 경우에만 노인이 침대에서 벗어나는 것이 중요하며, 그렇지 않으면, 노인이 쓰러질 가능성이 더 높다. 따라서 센서는 뇌활동의 실시간 해석을 기초로 하여 침대에서 벗어나지 않을 때 실시간 경보를 제공할 수 있다. 또한, 디바이스는 노인이 보통 화장실에 가는 시간에 가까운 시간에 노인을 깨우는 시스템을 포함할 수 있지만, 수면이 더 온화해져서 완전히 깨기가 더 쉬울 때만 그러할 수 있다.
예 14: 본 발명의 일부
실시예에
따른 장치
뇌는 항상 활동적이며 종종 한 번에 많은 과제를 수행한다. 뇌가 뇌의 일부 과제를 수행하지 못하면, 즉각적인 위험에 처할 수도 있고 정신적 또는 인지적 악화의 악순환을 시작할 수도 있다. 이러한 악화는 조기에 발견되지 않으면 중단하거나 되돌리기조차 어려울 수 있다. 이것은 뇌 기능 장애의 위험이 높은 대상자 또는 뇌 기능 장애가 큰 위험을 일으킬 수 있는 과제를 수행하는 대상자가 가능한 한 일찍 불규칙한 뇌활동의 발달을 검출할 수 있는 뇌활동 모니터링으로부터 이익을 얻을 수 있음을 시사한다.
유사한 방식으로, 심장 문제, 혈압 문제, 호흡기 또는 수면 장애 또는 일반적으로 허약한 환자와 같은 혈역학적 문제가 있는 환자는 모두 활력 징후 모니터로부터 혜택을 받을 수 있다.
연속적인 뇌 상태 모니터링은 다음과 같은 이유 중 하나 이상 때문에 필요할 수 있다.
만성 질환 관리: 이것은 간질, 우울증, 알츠하이머 병, 파킨슨 병, OCD, PTSD, ADD 및 정신병을 포함할 수 있다. 이러한 각각의 경우에, 개입이 필요한 실시간 변화를 검출하는 것이 중요하다. 개입은 (심부) 뇌 자극, 약물 방출, 신경 피드백, 사회 활동, 물리 치료 등의 형태일 수 있다.
출혈, 뇌진탕 또는 뇌졸중과 같은 뇌 손상: 이 경우, 환자는 아마도 의식 불명의 레벨까지 인지 기능 및 주의력을 감소시키는 어떤 형태의 부상을 입어 입원한다. 그 다음에 출혈과 같은 생리적 변화에 신속하게 대응하고, 의식 레벨, 수면 패턴 및 인지적 경계 레벨을 모니터링하여 뇌 부상, 정신 자극 및 약물에 대한 반응을 더 잘 평가할 수 있게 되는 것이 중요하다.
뇌 자극: 뇌 자극(brain stimulation, BS)은 비교적 새로운 형태의 치료법이며, 그의 완전한 결과는 여전히 조사 중이다. 특히 제공되는 인지 기능, 기분 변화 및 수면의 질에 미치는 BS의 영향을 평가하는 것이 중요하다.
신경 피드백: 신경 피드백은 신경 훈련 직후에 피드백의 효과를 정량화하기 위해 연속적인 모니터링을 필요로 하지만, 인지 기능, 수면 패턴 및 기분을 바꿀 수 있는 후유증을 정량화하는 것 또한 필요하다.
집에 있는 노인: 노인, 특히 오랜 파트너를 잃은 노인은 치매의 위험이 높다. 정신적 외상 후 우울증과 함께 인지 자극이 감소하고 건강한 음식 및 생활 습관에 부정적인 영향은 빠른 신체적, 인지적 및 정신적 저하를 야기하여, 몇 주 내지 몇 달의 짧은 기간 내에 쇠약에 이르게 할 수 있다. 노인이 가능한 한 오랫동안 집에 독립적으로 생활하게 하는 것은 두 가지 이유 때문에 바람직하다: i) 집은 노인이 안전하고 편안하다고 느낄 수 있는 자연 환경이며, ii) 모든 대체적인 돌봄의 대가가 훨씬 높다. 따라서 악화를 피하기 위해 필요할 때 개입하기 위해 환자를 모니터링하는 것이 중요하다. 모니터링은 예를 들어, 다음을 포함할 수 있다:
중요한 조치 동안 스트레스와 복지에 대해 안전 및 특수 유닛의 요원의 모니터링.
활력 징후 신호를 부가 정보로서 활용하는, 게임 및 다른 머신의 조작을 위한 일반적인 뇌 머신 인터페이스.
광고 분석 또는 구매 욕구의 목적과 같은 대상자의 선호 및 욕구의 모니터링.
그 다음에 뇌활동 모니터가 대상자가 동시에 이용할 수 있는 청각적 및 시각적 감각 입력과 함께, 이것으로 제한되는 것은 아니지만, 온도, 압력 및 습도를 비롯한 상이한 감각 입력을 포함하는 감각 환경 모니터에 연결될 것이다. 감각 환경 모니터의 일부는 카메라와 마이크로폰 및 물체 인식은 물론 표시된 감각 환경을 창출하는 음성 인식 도구를 포함하는 Google Glass와 같은 디바이스일 수 있다.
연결은 동시 감각 입력과 결과적인 뇌활동 사이의 입력 출력 관계를 생성하는 것을 목표로 한다. 한 세트의 관계가 형성되면, 단일 대상자 또는 다수의 대상자를 사용하여, 감각 입력과 연관된 뇌활동 사이의 관계를 모니터링함으로써 뇌 모니터링이 수행될 수 있다. 모니터링은 예상되거나 또는 이전에 모델링된 관계와 관찰된 관계 간의 차이의 레벨을 검사한다.
EEG 감지의 공통적인 문제점은 특히 50 또는 60 Hz에서 시스템의 배경 잡음에 대한 높은 민감도이다. 이것은 초기 증폭기의 포화를 야기시킬 수 있으며, 따라서 시스템의 증폭을 제한한다. 또한 노치 필터를 사용하여 전자 구성요소 및 계산 능력을 증가시키고 신호 내용의 일부를 노치의 부분으로 제거하는 잡음을 제거하는 것이 또한 필요하다.
특정 실시예에서, 본 발명자는 두 개의 정면 전극(Fp1 및 Fp2) 사이의 차이점을 조사하고 있다. 이 실시예에서 단지 이러한 차이점에만 초점이 맞추어지면, 전자 장치가 두 개의 전극 사이의 중앙에 위치되고 대칭 방식으로 신호를 수신하는 대칭 디자인을 만드는 것이 가능하여, 두 입력 모두에 공통되는 주변 잡음이 완전히 제거된다.
도 22는 중앙의 세 개의 연결부가 두 개의 전극 및 중앙의 기준 전극의 대칭 입력을 제공하는 전술한 실시예를 도시한다.
마취 및 근전도 및/또는
EOG
이마에 존재하는 전극에서 감지되는 신호는 다음의 세 가지 유형의 생체 신호를 포함한다: a. 근육 활동으로서, EGG와 관련하여 강한 신호인 EMG; b. 눈 움직임 활동인 EOG. 이 신호는 눈의 움직임의 표시이다. 본 명세서에 설명되는 민감한 전자 장치는 명확한 눈 움직임 신호를 생성하므로, 인간 대상자의 반응의 추가 검사 및 뇌 컴퓨터 인터페이스의 다른 수단을 용이하게 해준다; 및 c. 가장 약한 신호이며 뇌활동에만 연관된 EEG.
마취 또는 무의식 상태의 레벨을 측정할 때, 뇌활동 레벨에만 관심을 둔다. 이 경우, 근육 활동이 뇌파 신호를 오염시키는 잡음을 발생할 수 있다. 다행히, EMG와 EEG 사이의 통계적 특성에는 차이가 있어 본 발명의 고조파 분석 기반 시스템(harmonic-analysis-based system)이 이들 신호를 구별할 수 있다. 이것은 마취 레벨을 측정하는 일반적인 방법인 Bi 스펙트럼 지수 또는 BIS와 같은 신호 분석을 요구하는 보다 일반적인 방법과는 대조적이다. 결과는 본 발명의 방법이 근육 활동에 덜 민감하고, 이런 방식으로 무의식의 레벨을 보다 정확하게 측정한다는 것이다.
거짓말 검출 및 스트레스
예 6은 스트레스 진단을 위한 방법을 설명하고, 처리된 데이터로부터 자동으로 스트레스가 결정될 수 있는 방법에 관한 지표를 제공한다. 사람이 심문을 받을 때 스트레스가 거짓말 검출과 연관될 수 있다는 점에서, 예 6에 제시된 모든 지침은 심문 세션 과정 중에 유도된 스트레스에 대해 구현될 수 있으며, 상승된 스트레스 레벨은 심문 받는 대상자의 부분이 거짓말을 하고 있다는 긍정적인 지표로서 사용될 수 있다.
일부 실시예에서, 본 발명은 적어도 다음의 구성요소를 포함하는 예시적인 창의적인 시스템을 제공하고, 적어도 다음의 구성요소는, 개인의 머리에 착용되도록 구성되고, i) 개인의 뇌 전기 활동, ii) 심장 박동수, 혈액 산소 레벨, 신체 온도, 호흡 수, 피부 온도, 피부 전도도, 및 움직임으로 이루어지는 그룹으로부터 선택된, 개인의 적어도 하나의 생리학적 파라미터, 및 iii) 적어도 하나의 환경적 파라미터를 기록하도록 구성된 장치; 특별히 프로그램된 컴퓨터 시스템을 포함하고, 여기서 특별히 프로그램된 컴퓨터 시스템은, i) 특정 컴퓨터 실행 가능 프로그램 코드를 전자적으로 저장한 비일시적 메모리; 및 ii) 특정 프로그램 코드를 실행할 때, 적어도 다음의 동작을 수행하도록 구성된 특별히 프로그램된 컴퓨터 프로세서가 되는 적어도 하나의 컴퓨터 프로세서를 포함하고, 적어도 다음의 동작은, 개인의 뇌 전기 활동을 나타내는 전기 신호 데이터의 기록을 연속적으로 획득하는 단계; 실시간으로, 획득된 전기 신호 데이터의 기록을 잡음 제거된 최적 세트 웨이블렛 패킷 원자의 미리 결정된 순서정렬 상에 연속적으로 투영하여, 개인의 특정 투영 세트를 획득하는 단계; 실시간으로, 미리 결정된 정규화 인자 세트를 사용해서 개인의 특정 투영 세트를 실시간으로 연속적으로 정규화하여, 개인의 정규화된 투영 세트를 형성하는 단계; 실시간으로, 개인의 정규화된 투영 세트에 적어도 하나의 머신 학습 알고리즘을 적용하는 것에 기초하여 개인에게 적어도 하나의 특정 뇌 상태―적어도 하나의 특정 뇌 상태는 정신 상태, 신경학적 질환, 또는 정신 상태와 신경학적 질환의 조합과 연관됨―를 할당함으로써 개인의 적어도 하나의 개인화된 정신 상태를 연속적으로 결정하는 단계; i) 적어도 하나의 생리학적 파라미터, ii) 적어도 하나의 환경적 파라미터, 및 iii) 적어도 하나의 개인화된 정신 상태 사이의 관계를 연속적으로 결정하는 단계; 실시간으로, 출력을 연속적으로 생성하는 단계를 포함하고, 출력은, 1) 시각적 표시―시각적 표시는 적어도 하나의 개인화된 정신 상태를 나타냄―, 및 2) 관계에 기초하여, 개인의 적어도 하나의 개인화된 정신 상태에 영향을 미치도록 구성된 피드백 출력을 포함한다.
일부 실시예에서, 피드백 출력은, 청각적 신호, 시각적 신호, 물리적으로 감지된 신호, 및 이들의 임의의 조합으로 이루어지는 그룹으로부터 선택된다.
일부 실시예에서, 물리적으로 감지된 신호는 개인에 의해 물리적으로 감지되는 진동이다.
일부 실시예에서, 피드백 출력을 생성하는 단계는, i) 적어도 하나의 생리학적 파라미터, ii) 적어도 하나의 환경적 파라미터, 및 iii) 적어도 하나의 개인화된 정신 상태 중의 적어도 하나에서 미리 결정된 문턱치를 초과하는 변화를 결정하는 단계를 포함한다.
일부 실시예에서, 특별히 프로그램된 컴퓨터 프로세서는 또한, 다음의 단계에 기초하여, 잡음 제거된 최적 세트 웨이블렛 패킷 원자의 미리 결정된 순서정렬을 결정하도록 구성되고, 다음의 단계는, 복수의 개인으로부터, 뇌활동을 나타내는 전기 신호 데이터의 적어도 100 개 기록을 획득하는 단계; 다음의 단계에 의해, 복수의 개인으로부터의 기록 중에서 기록된 전기 신호 데이터로부터 최적의 웨이블렛 패킷 원자 세트를 획득하는 단계―다음의 단계는, 1) 하르, 코이플렛 다스베이 및 메이어 웨이블렛 패밀리로 이루어지는 그룹으로부터 선택된 마더 웨이블렛(mother wavelet)을 선택하는 단계; 2) 다음의 단계에 의해, 특별히 프로그램된 프로세서에 의해, 최적의 웨이블렛 패킷 원자 세트를 결정하는 단계를 포함하고, 다음의 단계는, a) 선택된 마더 웨이블렛을 사용하여, 적어도 하나의 복수의 전기 신호 데이터를 복수의 웨이블렛 패킷 원자로 분해되게 하는 단계; b) 복수의 웨이블렛 패킷 원자를 적어도 하나의 제 1 컴퓨터 데이터 객체에 저장하는 단계; c) 미리 결정된 마더 웨이블렛을 사용하여 최적의 웨이블렛 패킷 원자 세트를 결정하고, 최적의 웨이블렛 패킷 원자 세트를 적어도 하나의 제 2 컴퓨터 데이터 객체에 저장하는 단계를 포함하고, 결정 단계는 코이만-위커하우저 베스트 베이시스(Coifman-Wickerhauser Best Basis) 알고리즘을 이용하여; i) 복수의 개인으로부터의 기록 중에서 획득된 최적의 웨이블렛 패킷 원자 세트를 잡음 제거하는 단계; ii) 다음의 단계에 의해, 최저 경로를 결정함으로써, 복수의 개인으로부터의 기록 중에서 기록된 전기 신호 데이터로부터 잡음 제거된 최적의 웨이블렛 패킷 원자 세트를 재순서정렬하여, 복수의 개인으로부터의 기록 중에서 잡음 제거된 최적의 웨이블렛 패킷 원자 세트의 미리 결정된 순서정렬을 획득하는 단계이고, 다음의 단계는, 1) 적어도 하나의 복수의 전기 신호 데이터를 잡음 제거된 최적의 웨이블렛 패킷 원자 세트로 투영―투영은 전기 신호의 각 시간 윈도우에서의 전기 신호 및 웨이블렛 패킷 원자의 컨볼루션(convolution)의 결과임―하여, 투영 세트를 획득하는 단계; 2) 투영 세트 내의 모든 데이터 포인트마다 와이어 길이―각각의 와이어 길이는 매 두 번의 투영의 상관관계에 의해 결정됨―의 집합을 결정하는 단계; 3) 투영 세트에 대한 와이어 길이의 집합을 적어도 하나의 제 3 컴퓨터 데이터 객체에 저장하는 단계; 4) 반복적으로, 특별히 프로그램된 프로세서에 의해, 다음의 단계에 의해, 복수의 (i) 투영 순서정렬 및 (ii) 개개의 와이어 길이를 결정하는 단계를 포함하고―다음의 단계는, i. 인접 채널과는 상이한 채널의 투영의 통계적 척도의 평균 또는 절대 거리의 합을 결정함으로써 투영 내 모든 데이터 포인트마다 와이어 길이를 결정하는 단계; 및 ii. 와이어 길이 데이터를 적어도 하나의 제 4 컴퓨터 데이터 객체에 저장하는 단계를 포함함―; 5) 미리 결정되는 순서정렬되어 잡음 제거된 최적의 웨이블렛 패킷 원자 세트를 식별하기 위해, 복수의 개개의 와이어 길이로부터, 투영 전체에 걸쳐, 매 4 초 윈도우에 걸쳐, 그리고 복수 개인 중의 모든 개인에 걸쳐, 와이어 길이의 평균 또는 합을 최소화하는 투영의 특정 순서정렬을 결정하는 단계를 포함함―; 및 미리 결정된 정규화 인자 세트를 생성하고, 미리 결정된 정규화 인자를 적어도 하나의 제 5 컴퓨터 데이터 객체에 저장하는 단계를 포함한다.
일부 실시예에서, 시각적 표시는, 특정 개인의 특정의 정규화된 투영 세트의 각각의 정규화된 투영의 시간 윈도우의 표준 편차를 계산하고, 그리고 각각의 투영의 시간 윈도우의 표준 편차에 기초하여, 특정 개인의 특정의 정규화된 투영 세트의 각각의 정규화된 투영에 컬러를 할당함으로써 생성된, 시각적 맵을 포함한다.
일부 실시예에서, 매 두 번의 투영의 상관관계는, 웨이블렛 패킷 원자의 절대 차의 합의 평균 및 웨이블렛 패킷 원자의 (1-상관관계)의 합의 평균으로 이루어지는 그룹으로부터 선택된다.
일부 실시예에서, 장치는 개인의 뇌활동을 나타내는 전기 신호 데이터를 기록하도록 구성된 두 개의 전극을 포함한다.
일부 실시예에서, 개인은 0 세부터 12 세 사이의 아동이고; 적어도 하나의 개인화된 정신 상태는 적어도 하나의 제 1 음악적 자극에 대한 아동의 반응을 나타내며; 피드백 출력은 적어도 하나의 제 2 음악적 자극이다.
개인은 최소한의 의식이 있는(minimally conscious) 대상자이고; 적어도 하나의 개인화된 정신 상태는 적어도 하나의 자극에 대한 최소한의 의식이 있는 대상자의 반응을 나타내며; 피드백 출력은 최소한의 의식 있는 대상자에게 영향을 미치도록 구성된 적어도 하나의 제 2 자극이다.
일부 실시예에서, 적어도 하나의 환경적 파라미터는, 온도, 습도, 압력, 알레르기 항원 레벨, 및 이들의 임의의 조합으로 이루어진 그룹으로부터 선택된다.
일부 실시예에서, 적어도 하나의 머신 학습 알고리즘은, 로지스틱 회귀 모델링(logistic regression modeling), 지원 벡터 머신 모델링(support vector machine modeling), 및 심층 학습 모델링(deep learning modeling) 중 하나이다.
일부 실시예에서, 특별히 프로그램된 컴퓨터 프로세서는, 또한 적어도 다음의 동작: a) 개인의 제 1 개인화된 정신 상태를 결정하는 단계; b) 제 1 시각적 표시―제 1 시각적 표시는 제 1 개인화된 정신 상태를 나타냄―를 생성하는 단계; c) 제 1 관계에 기초하여 개인의 제 1 개인화된 정신 상태에 영향을 미치도록 구성된 제 1 피드백 출력을 생성하는 단계―제 1 관계는, i) 적어도 하나의 제 1 생리적 파라미터, ii) 적어도 하나의 제 1 환경적 파라미터, 및 iii) 제 1 개인화된 정신 상태에 기초하여 결정됨―; d) 개인에게 제 1 피드백 출력을 받게 한 후에, 개인의 제 2 개인화된 정신 상태를 결정하는 단계; e) 제 2 시각적 표시―제 2 시각적 표시는 제 2 개인화된 정신 상태를 나타냄―를 생성하는 단계; f) 제 1 시각적 표시 및 제 2 시각적 표시를 비교하는 단계; g) 제 2 관계 및 비교의 결과에 기초하여, 개인의 제 2 개인화된 정신 상태에 영향을 미치도록 구성된 제 2 피드백 출력을 생성하는 단계―제 2 관계는, i) 적어도 하나의 제 2 생리적 파라미터, ii) 적어도 하나의 제 2 환경적 파라미터, 및 iii) 제 2 개인화된 정신 상태에 기초하여 결정됨―; 단계 a)-g)를, 1) 원하는 개인화된 정신 상태가 얻어지고, 2) 제 1 피드백 출력에 대한 제 1 일관된 반응이 얻어지고, 3) 제 2 피드백 출력에 대한 제 2 일관된 반응이 얻어지며; 및 4) 이들의 임의의 조합 중 적어도 하나일 때까지, 반복하는 단계를 포함한다.
일부 실시예에서, 제 1 피드백 출력은 적어도 하나의 제 1 보상이다.
일부 실시예에서, 제 2 피드백 출력은 적어도 하나의 제 2 보상이다.
일부 실시예에서, 본 발명은 적어도 다음의 단계를 포함하는 예시적인 창의적인 방법을 제공하고, 적어도 다음의 단계는, 특별히 프로그램된 컴퓨터 프로세서에 의해, 개인의 뇌 전기 활동을 나타내는 전기 신호 데이터의 기록을 연속적으로 획득하는 단계―개인의 뇌 전기 활동을 나타내는 전기 신호 데이터의 기록은, 개인의 머리에 착용되고, i) 개인의 뇌 전기 활동, ii) 심장 박동수, 혈액 산소 레벨, 신체 온도, 호흡 수, 피부 온도, 피부 전도도, 및 움직임으로 이루어지는 그룹으로부터 선택된, 개인의 적어도 하나의 생리학적 파라미터, 및 iii) 적어도 하나의 환경적 파라미터를 기록하도록 구성된 장치로부터 수신됨―; 실시간으로, 특별히 프로그램된 컴퓨터 프로세서에 의해, 획득된 전기 신호 데이터의 기록을 잡음 제거된 최적 세트의 웨이블렛 패킷 원자의 미리 결정된 순서정렬 상에 연속적으로 투영하여, 개인의 특정 투영 세트를 획득하는 단계; 실시간으로, 특별히 프로그램된 컴퓨터 프로세서에 의해, 미리 결정된 정규화 인자 세트를 사용하여 개인의 특정 투영 세트를 연속적으로 정규화하여, 개인의 정규화된 투영 세트를 형성하는 단계; 실시간으로, 특별히 프로그램된 컴퓨터 프로세서에 의해, 개인의 정규화된 투영 세트에 적어도 하나의 머신 학습 알고리즘을 적용하는 것에 기초하여 개인에게 적어도 하나의 특정한 뇌 상태―적어도 하나의 특정한 뇌 상태는 정신 상태, 신경학적 질환, 또는 정신 상태와 신경학적 질환의 조합과 연관됨―를 할당함으로써 개인의 적어도 하나의 개인화된 정신 상태를 실시간으로 연속적으로 결정하는 단계;
특별히 프로그램된 컴퓨터 프로세서에 의해, i) 적어도 하나의 생리학적 파라미터, ii) 적어도 하나의 환경적 파라미터, 및 iii) 적어도 하나의 개인화된 정신 상태 사이의 관계를 연속적으로 결정하는 단계; 실시간으로, 특별히 프로그램된 컴퓨터 프로세서에 의해, 연속적으로 출력을 생성하는 단계를 포함하고, 출력은, 1) 시각적 표시―시각적 표시는 적어도 하나의 개인화된 정신 상태를 나타냄―, 및 2) 관계에 기초하여, 개인의 적어도 하나의 개인화된 정신 상태에 영향을 미치도록 구성된 피드백 출력을 포함한다.
본 명세서에서 언급된 모든 간행물, 특허 및 특허 출원은 각 개개의 간행물, 특허 또는 특허 출원이 구체적으로 및 개별적으로 본 명세서에 참조로 포함되는 것으로 시사되는 것과 동일한 정도로, 그 전체 내용이 본 명세서에 참조로서 포함된다. 또한, 본 출원에서 임의의 참조물의 인용 또는 식별은 그러한 참조물이 본 발명의 선행 기술로서 이용 가능하다는 것을 인정하는 것으로 해석되지 않아야 한다. 단원의 표제가 사용되는 범위까지도, 반드시 제한적인 것으로 해석되지 않아야 한다.
본 발명의 다수의 실시예가 설명되었지만, 이들 실시예는 단지 예시적인 것이지 제한적이 아니며, 관련 기술분야에서 통상의 기술자에게는 많은 수정이 명백할 수 있음을 이해하여야 한다. 또한, 다양한 단계가 임의의 원하는 순서로 수행될 수 있다(그리고 임의의 원하는 단계가 추가될 수 있고 및/또는 임의의 원하는 단계가 제거될 수 있다).
Claims (30)
- 시스템에 있어서,
개인의 머리에 착용되도록 구성되고,
i. 개인의 뇌 전기 활동,
ii. 심장 박동수, 혈액 산소 레벨, 신체 온도, 호흡 수, 피부 온도, 피부 전도도, 및 움직임(movement)으로 이루어지는 그룹으로부터 선택된, 개인의 적어도 하나의 생리학적 파라미터, 및
iii. 적어도 하나의 환경적 파라미터를 기록하도록 구성된 장치;
특별히 프로그램된 컴퓨터 시스템을 포함하고,
상기 특별히 프로그램된 컴퓨터 시스템은,
i. 특정 컴퓨터 실행 가능 프로그램 코드를 전자적으로 저장한 비일시적 메모리; 및
ii. 상기 특정 프로그램 코드를 실행할 때, 적어도 다음의 동작을 수행하도록 구성된 특별히 프로그램된 컴퓨터 프로세서가 되는 적어도 하나의 컴퓨터 프로세서를 포함하고, 상기 적어도 다음의 동작은,
상기 개인의 뇌 전기 활동을 나타내는 전기 신호 데이터의 기록(recording)을 연속적으로 획득하는 단계;
실시간으로, 상기 획득된 전기 신호 데이터의 기록을 잡음 제거된 최적 세트 웨이블렛 패킷 원자의 미리 결정된 순서정렬(ordering) 상에 연속적으로 투영하여, 상기 개인의 특정 투영 세트를 획득하는 단계;
실시간으로, 미리 결정된 정규화 인자 세트를 사용해서 상기 개인의 상기 특정 투영 세트를 실시간으로 연속적으로 정규화하여, 개인의 정규화된 투영 세트를 형성하는 단계;
실시간으로, 상기 개인의 정규화된 투영 세트에 적어도 하나의 머신 학습 알고리즘을 적용하는 것에 기초하여 상기 개인에게 적어도 하나의 특정 뇌 상태―상기 적어도 하나의 특정 뇌 상태는 정신 상태, 신경학적 질환, 또는 정신 상태와 신경학적 질환의 조합과 연관됨―를 할당함으로써 상기 개인의 적어도 하나의 개인화된 정신 상태를 연속적으로 결정하는 단계;
연속적으로,
i) 적어도 하나의 생리학적 파라미터,
ii) 적어도 하나의 환경적 파라미터, 및
iii) 적어도 하나의 개인화된 정신 상태 사이의 관계를 결정하는 단계;
실시간으로, 출력을 연속적으로 생성하는 단계를 포함하고, 상기 출력은,
1) 시각적 표시(visual indication)―상기 시각적 표시는 상기 적어도 하나의 개인화된 정신 상태를 나타냄―, 및
2) 상기 관계에 기초하여, 상기 개인의 적어도 하나의 개인화된 정신 상태에 영향을 미치도록 구성된 피드백 출력을 포함하는, 시스템. - 제 1 항에 있어서,
상기 피드백 출력은, 청각적 신호, 시각적 신호, 물리적으로 감지된 신호, 및 이들의 임의의 조합으로 이루어지는 그룹으로부터 선택되는, 시스템. - 제 1 항에 있어서,
상기 물리적으로 감지된 신호는 상기 개인에 의해 물리적으로 감지되는 진동인, 시스템. - 제 1 항에 있어서,
상기 피드백 출력을 생성하는 단계는,
i) 상기 적어도 하나의 생리학적 파라미터,
ii) 상기 적어도 하나의 환경적 파라미터, 및
iii) 상기 적어도 하나의 개인화된 정신 상태
중의 적어도 하나에서 미리 결정된 문턱치를 초과하는 변화를 결정하는 단계를 포함하는, 시스템. - 제 1 항에 있어서,
상기 특별히 프로그램된 컴퓨터 프로세서는 또한, 다음의 단계에 기초하여, 상기 잡음 제거된 최적 세트 웨이블렛 패킷 원자의 미리 결정된 순서정렬을 결정하도록 구성되고, 상기 다음의 단계는,
복수의 개인으로부터, 뇌활동을 나타내는 전기 신호 데이터의 적어도 100 개 기록을 획득하는 단계;
다음의 단계에 의해, 상기 복수의 개인으로부터의 기록 중에서 상기 기록된 전기 신호 데이터로부터 최적의 웨이블렛 패킷 원자 세트를 획득하는 단계―상기 다음의 단계는,
1. 하르, 코이플렛 다스베이 및 메이어(Haar, Coiflet Daubehies 및 Meyer) 웨이블렛 패밀리로 이루어지는 그룹으로부터 선택된 마더 웨이블렛(mother wavelet)을 선택하는 단계;
2. 다음의 단계에 의해, 상기 특별히 프로그램된 프로세서에 의해, 최적의 웨이블렛 패킷 원자 세트를 결정하는 단계를 포함하고, 상기 다음의 단계는,
a. 상기 선택된 마더 웨이블렛을 사용하여, 적어도 하나의 복수의 전기 신호 데이터를 복수의 웨이블렛 패킷 원자로 분해되게 하는 단계;
b. 상기 복수의 웨이블렛 패킷 원자를 적어도 하나의 제 1 컴퓨터 데이터 객체에 저장하는 단계;
c. 상기 미리 결정된 마더 웨이블렛을 사용하여 상기 최적의 웨이블렛 패킷 원자 세트를 결정하고, 상기 최적의 웨이블렛 패킷 원자 세트를 적어도 하나의 제 2 컴퓨터 데이터 객체에 저장하는 단계를 포함하고, 상기 결정 단계는 코이만-위커하우저 베스트 베이시스(Coifman-Wickerhauser Best Basis) 알고리즘을 이용하여;
i. 상기 복수의 개인으로부터의 기록 중에서 상기 획득된 최적의 웨이블렛 패킷 원자 세트를 잡음 제거하는 단계;
ii. 다음의 단계에 의해, 최저 경로(minimum path)를 결정함으로써, 상기 복수의 개인으로부터의 기록 중에서 상기 기록된 전기 신호 데이터로부터 상기 잡음 제거된 최적의 웨이블렛 패킷 원자 세트를 재순서정렬하여, 상기 복수의 개인으로부터의 기록 중에서 상기 잡음 제거된 최적의 웨이블렛 패킷 원자 세트의 미리 결정된 순서정렬을 획득하는 단계이고, 상기 다음의 단계는,
1. 적어도 하나의 복수의 전기 신호 데이터를 상기 잡음 제거된 최적의 웨이블렛 패킷 원자 세트로 투영―투영은 전기 신호의 각 시간 윈도우에서의 전기 신호 및 웨이블렛 패킷 원자의 컨볼루션(convolution)의 결과임―하여, 투영 세트를 획득하는 단계;
2. 상기 투영 세트 내의 모든 데이터 포인트마다 와이어 길이―각각의 와이어 길이는 매 두 번의 투영의 상관관계에 의해 결정됨―의 집합을 결정하는 단계;
3. 상기 투영 세트에 대한 상기 와이어 길이의 집합을 적어도 하나의 제 3 컴퓨터 데이터 객체에 저장하는 단계;
4. 반복적으로, 상기 특별히 프로그램된 프로세서에 의해, 다음의 단계에 의해, 복수의 (i) 투영 순서정렬 및 (ii) 개개의 와이어 길이를 결정하는 단계―상기 다음의 단계는,
i. 인접 채널과는 상이한 채널의 상기 투영의 통계적 척도의 평균 또는 절대 거리의 합을 결정함으로써 상기 투영 내 모든 데이터 포인트에 대한 상기 와이어 길이를 결정하는 단계; 및
ii. 상기 와이어 길이 데이터를 적어도 하나의 제 4 컴퓨터 데이터 객체에 저장하는 단계를 포함함―;
5. 미리 결정되는 순서정렬되어 잡음 제거된 최적의 웨이블렛 패킷 원자 세트를 식별하기 위해, 상기 복수의 개개의 와이어 길이로부터, 상기 투영 전체에 걸쳐, 매 4 초 윈도우에 걸쳐, 그리고 상기 복수 개인 중의 모든 개인에 걸쳐, 상기 와이어 길이의 평균 또는 합을 최소화하는 투영의 특정 순서정렬을 결정하는 단계를 포함함―; 및
상기 미리 결정된 정규화 인자 세트를 생성하고, 상기 미리 결정된 정규화 인자를 적어도 하나의 제 5 컴퓨터 데이터 객체에 저장하는 단계를 포함하는, 시스템. - 제 5 항에 있어서,
상기 시각적 표시는,
특정 개인의 특정의 정규화된 투영 세트의 각각의 정규화된 투영의 시간 윈도우의 표준 편차를 계산하고, 그리고
상기 각각의 투영의 시간 윈도우의 표준 편차에 기초하여, 상기 특정 개인의 특정의 정규화된 투영 세트의 각각의 정규화된 투영에 컬러를 할당함으로써 생성된, 시각적 맵을 포함하는, 시스템. - 제 5 항에 있어서,
상기 매 두 번의 투영의 상관관계는, 상기 웨이블렛 패킷 원자의 절대 차의 합의 평균 및 상기 웨이블렛 패킷 원자의 (1-상관관계)의 합의 평균으로 이루어지는 그룹으로부터 선택되는, 시스템. - 제 1 항에 있어서,
상기 장치는 상기 개인의 뇌활동을 나타내는 전기 신호 데이터를 기록하도록 구성된 두 개의 전극을 포함하는, 시스템. - 제 1 항에 있어서,
상기 개인은 0 세부터 12 세 사이의 아동이고;
상기 적어도 하나의 개인화된 정신 상태는 적어도 하나의 제 1 음악적 자극에 대한 상기 아동의 반응을 나타내며;
상기 피드백 출력은 적어도 하나의 제 2 음악적 자극인, 시스템. - 제 1 항에 있어서,
상기 개인은 최소한의 의식이 있는(minimally conscious) 대상자이고;
상기 적어도 하나의 개인화된 정신 상태는 적어도 하나의 자극에 대한 상기 최소한의 의식이 있는 대상자의 반응을 나타내며;
상기 피드백 출력은 상기 최소한의 의식 있는 대상자에게 영향을 미치도록 구성된 적어도 하나의 제 2 자극인, 시스템. - 제 1 항에 있어서,
상기 적어도 하나의 환경적 파라미터는, 온도, 습도, 압력, 알레르기 항원(allergen) 레벨, 및 이들의 임의의 조합으로 이루어진 그룹으로부터 선택되는, 시스템. - 제 1 항에 있어서,
상기 적어도 하나의 머신 학습 알고리즘은, 로지스틱 회귀 모델링(logistic regression modeling), 지원 벡터 머신 모델링(support vector machine modeling), 및 심층 학습 모델링(deep learning modeling) 중 하나인, 시스템. - 제 1 항에 있어서,
상기 특별히 프로그램된 컴퓨터 프로세서는 또한 적어도 다음의 동작:
a) 상기 개인의 제 1 개인화된 정신 상태를 결정하는 단계;
b) 제 1 시각적 표시―상기 제 1 시각적 표시는 상기 제 1 개인화된 정신 상태를 나타냄―를 생성하는 단계;
c) 제 1 관계에 기초하여 상기 개인의 제 1 개인화된 정신 상태에 영향을 미치도록 구성된 제 1 피드백 출력을 생성하는 단계―
상기 제 1 관계는,
i) 적어도 하나의 제 1 생리적 파라미터,
ii) 적어도 하나의 제 1 환경적 파라미터, 및
iii) 제 1 개인화된 정신 상태에 기초하여 결정됨―;
d) 상기 개인에게 상기 제 1 피드백 출력을 받게 한 후에, 상기 개인의 제 2 개인화된 정신 상태를 결정하는 단계;
e) 제 2 시각적 표시―상기 제 2 시각적 표시는 상기 제 2 개인화된 정신 상태를 나타냄―를 생성하는 단계;
f) 상기 제 1 시각적 표시 및 상기 제 2 시각적 표시를 비교하는 단계;
g) 제 2 관계 및 상기 비교의 결과에 기초하여, 상기 개인의 제 2 개인화된 정신 상태에 영향을 미치도록 구성된 제 2 피드백 출력을 생성하는 단계―
상기 제 2 관계는,
i) 적어도 하나의 제 2 생리적 파라미터,
ii) 적어도 하나의 제 2 환경적 파라미터, 및
iii) 제 2 개인화된 정신 상태에 기초하여 결정됨―;
상기 단계 a)-g)를,
1) 원하는 개인화된 정신 상태가 얻어지고,
2) 상기 제 1 피드백 출력에 대한 제 1 일관된 반응이 얻어지고,
3) 상기 제 2 피드백 출력에 대한 제 2 일관된 반응이 얻어지며; 및
4) 이들의 임의의 조합
중 적어도 하나일 때까지 반복하는, 시스템. - 제 13 항에 있어서,
상기 제 1 피드백 출력은 적어도 하나의 제 1 보상인, 시스템. - 제 13 항에 있어서,
상기 제 2 피드백 출력은 적어도 하나의 제 2 보상인, 시스템. - 방법에 있어서,
특별히 프로그램된 컴퓨터 프로세서에 의해, 개인의 뇌 전기 활동을 나타내는 전기 신호 데이터의 기록을 연속적으로 획득하는 단계―
상기 개인의 뇌 전기 활동을 나타내는 전기 신호 데이터의 기록은, 개인의 머리에 착용되고,
i. 개인의 뇌 전기 활동,
ii. 심장 박동수, 혈액 산소 레벨, 신체 온도, 호흡 수, 피부 온도, 피부 전도도, 및 움직임으로 이루어지는 그룹으로부터 선택된, 개인의 적어도 하나의 생리학적 파라미터, 및
iii. 적어도 하나의 환경적 파라미터를 기록하도록 구성된 장치로부터 수신됨―;
실시간으로, 상기 특별히 프로그램된 컴퓨터 프로세서에 의해, 상기 획득된 전기 신호 데이터의 기록을 잡음 제거된 최적 세트의 웨이블렛 패킷 원자의 미리 결정된 순서정렬 상에 연속적으로 투영하여, 상기 개인의 특정 투영 세트를 획득하는 단계;
실시간으로, 상기 특별히 프로그램된 컴퓨터 프로세서에 의해, 미리 결정된 정규화 인자 세트를 사용하여 상기 개인의 특정 투영 세트를 연속적으로 정규화하여, 개인의 정규화된 투영 세트를 형성하는 단계;
실시간으로, 상기 특별히 프로그램된 컴퓨터 프로세서에 의해, 상기 개인의 정규화된 투영 세트에 적어도 하나의 머신 학습 알고리즘을 적용하는 것에 기초하여 상기 개인에게 적어도 하나의 특정한 뇌 상태―상기 적어도 하나의 특정한 뇌 상태는 정신 상태, 신경학적 질환, 또는 정신 상태와 신경학적 질환의 조합과 연관됨―를 할당함으로써 상기 개인의 적어도 하나의 개인화된 정신 상태를 연속적으로 결정하는 단계;
상기 특별히 프로그램된 컴퓨터 프로세서에 의해, 연속적으로,
i) 상기 적어도 하나의 생리학적 파라미터,
ii) 상기 적어도 하나의 환경적 파라미터, 및
iii) 상기 적어도 하나의 개인화된 정신 상태 사이의 관계를 결정하는 단계;
실시간으로, 상기 특별히 프로그램된 컴퓨터 프로세서에 의해, 연속적으로 출력을 생성하는 단계를 포함하고, 상기 출력은,
1) 시각적 표시―상기 시각적 표시는 상기 적어도 하나의 개인화된 정신 상태를 나타냄―, 및
2) 상기 관계에 기초하여, 상기 개인의 적어도 하나의 개인화된 정신 상태에 영향을 미치도록 구성된 피드백 출력을 포함하는, 방법. - 제 16 항에 있어서,
상기 피드백 출력은, 청각적 신호, 시각적 신호, 물리적으로 감지된 신호, 및 이들의 임의의 조합으로 이루어지는 그룹으로부터 선택되는, 방법. - 제 16 항에 있어서,
상기 물리적으로 감지된 신호는 상기 개인에 의해 물리적으로 감지되는 진동인, 방법. - 제 16 항에 있어서,
상기 피드백 출력을 생성하는 단계는,
i) 적어도 하나의 생리학적 파라미터,
ii) 적어도 하나의 환경적 파라미터, 및
iii) 적어도 하나의 개인화된 정신 상태
중의 적어도 하나에서 미리 결정된 문턱치를 초과하는 변화를 결정하는 단계를 포함하는, 방법. - 제 16 항에 있어서,
상기 특별히 프로그램된 컴퓨터 프로세서에 의해, 다음의 단계에 기초하여, 상기 잡음 제거된 최적 세트 웨이블렛 패킷 원자의 미리 결정된 순서정렬을 결정하는 단계를 더 포함하고, 상기 다음의 단계는,
상기 특별히 프로그램된 컴퓨터 프로세서에 의해, 복수의 개인으로부터, 뇌활동을 나타내는 전기 신호 데이터의 적어도 100 개 기록을 획득하는 단계;
다음의 단계에 의해, 상기 특별히 프로그램된 컴퓨터 프로세서에 의해, 상기 복수의 개인으로부터의 기록 중에서 상기 기록된 전기 신호 데이터로부터 최적의 웨이블렛 패킷 원자 세트를 획득하는 단계―상기 다음의 단계는,
1. 하르, 코이플렛 다스베이 및 메이어 웨이블렛 패밀리로 이루어지는 그룹으로부터 선택된 마더 웨이블렛(mother wavelet)을 선택하는 단계;
2. 다음의 단계에 의해, 상기 특별히 프로그램된 프로세서에 의해, 최적의 웨이블렛 패킷 원자 세트를 결정하는 단계를 포함하고, 상기 다음의 단계는,
a. 상기 선택된 마더 웨이블렛을 사용하여, 상기 적어도 하나의 복수의 전기 신호 데이터가 복수의 웨이블렛 패킷 원자로 분해되게 하는 단계;
b. 상기 복수의 웨이블렛 패킷 원자를 적어도 하나의 제 1 컴퓨터 데이터 객체에 저장하는 단계;
c. 상기 미리 결정된 마더 웨이블렛을 사용하여 상기 최적의 웨이블렛 패킷 원자 세트를 결정하고, 상기 최적의 웨이블렛 패킷 원자 세트를 적어도 하나의 제 2 컴퓨터 데이터 객체에 저장하는 단계―상기 결정은 코이만-위커하우저 베스트 베이시스(Coifman-Wickerhauser Best Basis) 알고리즘을 이용하여;
i. 상기 복수의 개인으로부터의 기록 중에서 상기 획득된 최적의 웨이블렛 패킷 원자 세트를 잡음 제거하는 단계;
ii. 다음의 단계에 의해, 최저 경로를 결정함으로써, 상기 복수의 개인으로부터의 기록 중에서 상기 기록된 전기 신호 데이터로부터 상기 잡음 제거된 최적의 웨이블렛 패킷 원자 세트를 재순서정렬하여, 상기 복수의 개인으로부터의 기록 중에서 상기 잡음 제거된 최적의 웨이블렛 패킷 원자 세트의 미리 결정된 순서정렬을 획득하는 단계를 포함하고, 상기 다음의 단계는,
1. 적어도 하나의 복수의 전기 신호 데이터를 상기 잡음 제거된 최적의 웨이블렛 패킷 원자 세트로 투영―투영은 전기 신호의 각 시간 윈도우에서의 전기 신호 및 웨이블렛 패킷 원자의 컨볼루션(convolution)의 결과임―하여, 투영 세트를 획득하는 단계;
2. 상기 투영 세트 내의 모든 데이터 포인트마다 와이어 길이―각각의 와이어 길이는 매 두 번의 투영의 상관관계에 의해 결정됨―의 집합을 결정하는 단계;
3. 상기 투영 세트에 대한 상기 와이어 길이의 집합을 적어도 하나의 제 3 컴퓨터 데이터 객체에 저장하는 단계;
4. 반복적으로, 상기 특별히 프로그램된 프로세서에 의해, 다음의 단계에 의해, 복수의 (i) 투영 순서정렬 및 (ii) 개개의 와이어 길이를 결정하는 단계―상기 다음의 단계는,
i. 인접 채널과는 상이한 채널의 상기 투영의 통계적 척도의 평균 또는 절대 거리의 합을 결정함으로써 상기 투영 내 모든 데이터 포인트에 대한 상기 와이어 길이를 결정하는 단계; 및
ii. 상기 와이어 길이 데이터를 적어도 하나의 제 4 컴퓨터 데이터 객체에 저장하는 단계를 포함함―;
5. 미리 결정되는 순서정렬되어 잡음 제거된 최적의 웨이블렛 패킷 원자 세트를 식별하기 위해, 상기 복수의 개개의 와이어 길이로부터, 상기 투영 전체에 걸쳐, 매 4 초 윈도우에 걸쳐, 그리고 상기 복수 개인 중의 모든 개인에 걸쳐, 상기 와이어 길이의 평균 또는 합을 최소화하는 투영의 특정 순서정렬을 결정하는 단계를 포함함―; 및
상기 특별히 프로그램된 컴퓨터 프로세서에 의해, 상기 미리 결정된 정규화 인자 세트를 생성하고, 상기 미리 결정된 정규화 인자를 적어도 하나의 제 5 컴퓨터 데이터 객체에 저장하는 단계를 포함하는, 방법. - 제 20 항에 있어서,
상기 시각적 표시는,
특정 개인의 특정의 정규화된 투영 세트의 각각의 정규화된 투영의 시간 윈도우의 표준 편차를 계산하고, 그리고
상기 특별히 프로그램된 컴퓨터 프로세서에 의해, 상기 각각의 투영의 시간 윈도우의 표준 편차에 기초하여, 상기 특정 개인의 특정의 정규화된 투영 세트의 각각의 정규화된 투영에 컬러를 할당함으로써 생성된, 시각적 맵을 포함하는, 방법. - 제 20 항에 있어서,
상기 매 두 번의 투영의 상관관계는, 상기 웨이블렛 패킷 원자의 절대 차의 합의 평균 및 상기 웨이블렛 패킷 원자의 (1-상관관계)의 합의 평균으로 이루어지는 그룹으로부터 선택되는, 방법. - 제 16 항에 있어서,
상기 장치는 상기 개인의 뇌활동을 나타내는 전기 신호 데이터를 기록하도록 구성된 두 개의 전극을 포함하는, 방법. - 제 16 항에 있어서,
상기 개인은 0 세부터 12 세 사이의 아동이고;
상기 적어도 하나의 개인화된 정신 상태는 적어도 하나의 제 1 음악적 자극에 대한 상기 아동의 반응을 나타내며;
상기 피드백 출력은 적어도 하나의 제 2 음악적 자극인, 방법. - 제 16 항에 있어서,
상기 개인은 최소한의 의식이 있는(minimally conscious) 대상자이고;
상기 적어도 하나의 개인화된 정신 상태는 적어도 하나의 자극에 대한 상기 최소한의 의식이 있는 대상자의 반응을 나타내며;
상기 피드백 출력은 상기 최소한의 의식 있는 대상자에게 영향을 미치도록 구성된 적어도 하나의 제 2 자극인, 방법. - 제 16 항에 있어서,
상기 적어도 하나의 환경적 파라미터는, 온도, 습도, 압력, 알레르기 항원(allergen) 레벨, 및 이들의 임의의 조합으로 이루어진 그룹으로부터 선택되는, 방법. - 제 16 항에 있어서,
상기 적어도 하나의 머신 학습 알고리즘은, 로지스틱 회귀 모델링(logistic regression modeling), 지원 벡터 머신 모델링(support vector machine modeling), 및 심층 학습 모델링(deep learning modeling) 중 하나인, 방법. - 제 16 항에 있어서,
a) 상기 특별히 프로그램된 컴퓨터 프로세서에 의해, 상기 개인의 제 1 개인화된 정신 상태를 결정하는 단계;
b) 상기 특별히 프로그램된 컴퓨터 프로세서에 의해, 제 1 시각적 표시―상기 제 1 시각적 표시는 상기 제 1 개인화된 정신 상태를 나타냄―를 생성하는 단계;
c) 상기 특별히 프로그램된 컴퓨터 프로세서에 의해, 제 1 관계에 기초하여 상기 개인의 제 1 개인화된 정신 상태에 영향을 미치도록 구성된 제 1 피드백 출력을 생성하는 단계―
상기 제 1 관계는,
i) 적어도 하나의 제 1 생리적 파라미터,
ii) 적어도 하나의 제 1 환경적 파라미터, 및
iii) 제 1 개인화된 정신 상태에 기초하여 결정됨―;
d) 상기 특별히 프로그램된 컴퓨터 프로세서에 의해, 상기 개인에게 상기 제 1 피드백 출력을 받게 한 후에, 상기 개인의 제 2 개인화된 정신 상태를 결정하는 단계;
e) 상기 특별히 프로그램된 컴퓨터 프로세서에 의해, 제 2 시각적 표시―상기 제 2 시각적 표시는 상기 제 2 개인화된 정신 상태를 나타냄―를 생성하는 단계;
f) 상기 특별히 프로그램된 컴퓨터 프로세서에 의해, 상기 제 1 시각적 표시 및 상기 제 2 시각적 표시를 비교하는 단계;
g) 상기 특별히 프로그램된 컴퓨터 프로세서에 의해, 제 2 관계 및 상기 비교의 결과에 기초하여, 상기 개인의 제 2 개인화된 정신 상태에 영향을 미치도록 구성된 제 2 피드백 출력을 생성하는 단계―
상기 제 2 관계는,
i) 적어도 하나의 제 2 생리적 파라미터,
ii) 적어도 하나의 제 2 환경적 파라미터, 및
iii) 제 2 개인화된 정신 상태에 기초하여 결정됨―;
상기 특별히 프로그램된 컴퓨터 프로세서에 의해, 상기 단계 a)-g)를,
1) 원하는 개인화된 정신 상태가 얻어지고,
2) 상기 제 1 피드백 출력에 대한 제 1 일관된 반응이 얻어지고,
3) 상기 제 2 피드백 출력에 대한 제 2 일관된 반응이 얻어지며; 및
4) 이들의 임의의 조합
중 적어도 하나일 때까지, 반복하는 단계를 포함하는, 방법. - 제 28 항에 있어서,
상기 제 1 피드백 출력은 적어도 하나의 제 1 보상인, 방법. - 제 28 항에 있어서,
상기 제 2 피드백 출력은 적어도 하나의 제 2 보상인, 방법.
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201662346626P | 2016-06-07 | 2016-06-07 | |
| US62/346,626 | 2016-06-07 | ||
| US201662375004P | 2016-08-15 | 2016-08-15 | |
| US62/375,004 | 2016-08-15 | ||
| PCT/IB2017/000782 WO2017212333A1 (en) | 2016-06-07 | 2017-06-07 | Systems and methods for analyzing brain activity and applications thereof |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20190101951A true KR20190101951A (ko) | 2019-09-02 |
| KR102179983B1 KR102179983B1 (ko) | 2020-11-18 |
Family
ID=60482014
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020197000489A KR102179983B1 (ko) | 2016-06-07 | 2017-06-07 | 뇌활동을 분석하는 시스템 및 방법 그리고 그 애플리케이션 |
Country Status (7)
| Country | Link |
|---|---|
| US (4) | US10463271B2 (ko) |
| EP (1) | EP3463062B1 (ko) |
| KR (1) | KR102179983B1 (ko) |
| AU (1) | AU2017278992B2 (ko) |
| CA (1) | CA3026607A1 (ko) |
| IL (1) | IL263427B2 (ko) |
| WO (1) | WO2017212333A1 (ko) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102241759B1 (ko) * | 2020-07-22 | 2021-04-20 | (주)엔브레인 | 인공지능 기반 뇌 정보 제공 장치 |
| KR102288267B1 (ko) * | 2020-07-22 | 2021-08-11 | 액티브레인바이오(주) | 인공지능 기반 뇌 정보 제공 방법 |
| KR102351662B1 (ko) * | 2020-12-04 | 2022-01-13 | 주식회사 무브 | 웨어러블 하이브리드 fNIRS -EEG 휴대용 장치 |
| KR20220064699A (ko) * | 2020-11-12 | 2022-05-19 | 경북대학교 산학협력단 | 멀티모달을 이용한 운전자 피로 감지 방법, 이를 수행하기 위한 기록 매체 및 시스템 |
| KR20220095533A (ko) * | 2020-12-30 | 2022-07-07 | 주식회사 쿠오핀 | 네트워크 프로세서와 컨볼루션 처리기를 갖는 디바이스용 신경망 처리기 |
| KR20230078347A (ko) * | 2021-11-26 | 2023-06-02 | 울산과학기술원 | 뇌파 신호를 이용한 개인의 자폐스펙트럼 성향 예측 방법 및 분석장치 |
| KR102650641B1 (ko) * | 2024-01-09 | 2024-03-21 | 노승완 | 수면 단계 예측 장치 및 방법 |
| WO2024128793A1 (ko) * | 2022-12-13 | 2024-06-20 | 에스케이바이오팜 주식회사 | 연속 생체신호 측정 기반의 뇌전증 발작 감지 및/또는 예측 방법, 그 시스템 및 컴퓨터 시스템로 판독가능한 기록 매체 |
Families Citing this family (53)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| ATE240599T1 (de) * | 1999-01-31 | 2003-05-15 | Walter Holzer | Lampenadapter mit integriertem elektronischen vorschaltgerät zur aufnahme von hochleistunsleuchtstofflampen, zum ersetzen von leuchtstofflampen mit einem induktiven vorschaltgerät |
| US10799186B2 (en) * | 2016-02-12 | 2020-10-13 | Newton Howard | Detection of disease conditions and comorbidities |
| US11504038B2 (en) | 2016-02-12 | 2022-11-22 | Newton Howard | Early detection of neurodegenerative disease |
| EP3451927A4 (en) | 2016-05-02 | 2020-01-01 | University Of Virginia Patent Foundation | METHOD, SYSTEM, AND COMPUTER-READABLE MEDIUM FOR GENERATING PREDICTIVE PULSOXIMETRY SCORES (POPS) FOR EARLY BIRTH |
| JP6742196B2 (ja) * | 2016-08-24 | 2020-08-19 | Cyberdyne株式会社 | 生体活動検出装置および生体活動検出システム |
| KR101865110B1 (ko) * | 2016-11-21 | 2018-06-07 | 재단법인 아산사회복지재단 | 급성뇌경색 발생시점 추정시스템, 방법 및 프로그램 |
| EP3435246B1 (en) * | 2017-07-24 | 2024-08-14 | Tata Consultancy Services Limited | System and method for signal analysis |
| WO2019025016A1 (en) * | 2017-08-04 | 2019-02-07 | Toyota Motor Europe | METHOD AND SYSTEM FOR DETERMINING USER INTENTION OF A VEHICLE TO BRAKE OR ACCELERATE |
| US11375896B2 (en) | 2017-08-18 | 2022-07-05 | Megan Reinhardt | Edge-intelligent iot-based wearable device for detection of cravings in individuals |
| US10478066B2 (en) * | 2017-08-18 | 2019-11-19 | Megan Reinhardt | System and method for detection of cravings in individuals with addiction |
| US20200261013A1 (en) * | 2017-09-27 | 2020-08-20 | Ilan Ben-Oren | Cognitive and physiological monitoring and analysis for correlation for management of cognitive impairment related conditions |
| WO2019155010A1 (en) * | 2018-02-09 | 2019-08-15 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Method, apparatus and system for providing a measure to resolve an uncomfortable or undesired physiological condition of a person |
| US10555039B1 (en) | 2018-07-25 | 2020-02-04 | International Business Machines Corporation | Content filtering based on nightmare pattern |
| WO2020028193A1 (en) * | 2018-07-30 | 2020-02-06 | Hi Llc | Non-invasive systems and methods for detecting mental impairment |
| US20200077906A1 (en) * | 2018-09-07 | 2020-03-12 | Augusta University Research Institute, Inc. | Method and System for Monitoring Brain Function and Intracranial Pressure |
| US10799708B2 (en) | 2018-09-18 | 2020-10-13 | NeuroSteer Ltd. | Systems and methods for cooperative invasive and noninvasive brain stimulation |
| AU2019384870A1 (en) * | 2018-11-23 | 2021-07-22 | Wellness Ip, Inc. | Micro-coherence network strength and deep behavior modification optimization application |
| EP3659496A1 (en) * | 2018-11-29 | 2020-06-03 | Koninklijke Philips N.V. | Selection of sensory stimuli for neurofeedback training |
| US11204955B2 (en) * | 2018-11-30 | 2021-12-21 | International Business Machines Corporation | Digital content delivery based on predicted effect |
| KR20210146459A (ko) * | 2018-12-21 | 2021-12-06 | 조인트 스탁 컴퍼니 ＜＜뉴로트렌드＞＞ | 멀티미디어 신호에 대한 기억 유지 확률 측정 방법 |
| WO2020136571A1 (en) * | 2018-12-26 | 2020-07-02 | Analytics For Life Inc. | Methods and systems to configure and use neural networks in characterizing physiological systems |
| US10940286B2 (en) | 2019-04-01 | 2021-03-09 | Duke University | Devices and systems for promoting continuous sleep of a subject and methods of using same |
| US11006878B2 (en) | 2019-04-04 | 2021-05-18 | Hi Llc | Modulation of mental state of a user using a non-invasive brain interface system and method |
| JP7478752B2 (ja) | 2019-04-26 | 2024-05-07 | エイチアイ エルエルシー | 製品誘発性の脳状態測定に基づく製品構成評価用の非侵襲的システム及び方法 |
| US11786694B2 (en) | 2019-05-24 | 2023-10-17 | NeuroLight, Inc. | Device, method, and app for facilitating sleep |
| JP2022536356A (ja) * | 2019-06-11 | 2022-08-15 | エイチアイ エルエルシー | プライミング効果の自覚によるユーザーの精神状態の検出及び変調のための非侵襲的システム並びに方法 |
| US11950910B2 (en) * | 2019-07-07 | 2024-04-09 | Proactive Life Inc. | Valence state memory association |
| RU2708114C1 (ru) * | 2019-07-10 | 2019-12-04 | Общество с ограниченной ответственностью «Комплект-ОМ» | Система и способ мониторинга и обучения детей с расстройствами аутистического спектра |
| US20210121133A1 (en) * | 2019-10-29 | 2021-04-29 | Christiana Care Health Services, Inc. | System and method for risk detection and intervention to prevent sudden death |
| CN111180073A (zh) * | 2020-01-15 | 2020-05-19 | 杭州师范大学 | 基于气候因素的脑血管疾病高危人群风险预测方法 |
| US11132625B1 (en) | 2020-03-04 | 2021-09-28 | Hi Llc | Systems and methods for training a neurome that emulates the brain of a user |
| US11925470B2 (en) * | 2020-03-20 | 2024-03-12 | Carnegie Mellon University | Method for detecting and localizing brain silences in EEG signals using correlation of sources in a low-resolution grid to localize silences in a high-resolution grid of EEG sources |
| US20230140151A1 (en) * | 2020-03-27 | 2023-05-04 | West Virginia University Board of Governors on behalf of West Virginia University | Predicting wellness of a user with monitoring from portable monitoring devices |
| US11128636B1 (en) * | 2020-05-13 | 2021-09-21 | Science House LLC | Systems, methods, and apparatus for enhanced headsets |
| EP4189558A4 (en) * | 2020-07-31 | 2024-08-28 | Maestro Games, SPC | SYSTEMS AND METHODS FOR IMPROVING A USER'S RESPONSE TO A TRAUMATIC EVENT |
| US20230092983A1 (en) * | 2020-09-11 | 2023-03-23 | Power Of Patients, Llc | Systems and Methods for Managing Brain Injury and Malfunction |
| US20220101997A1 (en) * | 2020-09-30 | 2022-03-31 | X Development Llc | Processing time-domain and frequency-domain representations of eeg data |
| US12002569B2 (en) | 2021-01-06 | 2024-06-04 | Optum Technology, Inc. | Generating multi-dimensional recommendation data objects based on decentralized crowd sourcing |
| US20220277852A1 (en) * | 2021-02-26 | 2022-09-01 | Hi Llc | Optimizing autonomous self using non-invasive measurement systems and methods |
| CN113081002B (zh) * | 2021-03-31 | 2023-03-31 | 灵犀医学科技(北京)有限公司 | 脑电信号的伪差去除方法、装置及电子设备 |
| CN117083015A (zh) * | 2021-05-06 | 2023-11-17 | 华为技术有限公司 | 一种用于确定人的脑卒中风险的系统和方法 |
| US20220392596A1 (en) * | 2021-06-07 | 2022-12-08 | Head Health, Inc. | System and Method for Treating Migraine and Headache Through a Digital Therapeutic |
| US20230054579A1 (en) * | 2021-08-20 | 2023-02-23 | Civil Aviation University Of China | Psychomotor ability assessment method based on multi-target tracking paradigm |
| KR102742709B1 (ko) | 2021-10-21 | 2024-12-16 | 한국전자통신연구원 | 자가학습 지원 방법 및 이를 수행하는 시스템 |
| US12178616B2 (en) | 2022-02-10 | 2024-12-31 | Foundation For Research And Business, Seoul National University Of Science And Technology | Method of determining brain activity and electronic device performing the method |
| CN114638263A (zh) * | 2022-03-15 | 2022-06-17 | 华南理工大学 | 一种基于脑电信号的建筑空间满意度评价方法 |
| WO2023205347A1 (en) * | 2022-04-22 | 2023-10-26 | NeuroGeneces Inc. | Sensing system with features for determining physiological metrics of a subject and for predicting electrophysiological events of a subject |
| CN114841214B (zh) * | 2022-05-18 | 2023-06-02 | 杭州电子科技大学 | 基于半监督判别投影的脉搏数据分类方法及装置 |
| US11642067B1 (en) * | 2022-08-15 | 2023-05-09 | King Abdulaziz University | System and method for unsupervised adaptive threshold neurofeedback treatment |
| US20240108261A1 (en) * | 2022-10-04 | 2024-04-04 | Gmeci, Llc | Apparatuses and method for gauging the effect of external factors relating to a user cognitive performance |
| WO2024108205A1 (en) * | 2022-11-18 | 2024-05-23 | Borkowski Timothy Lance | Brain activity monitoring based messaging and command system |
| WO2024145603A1 (en) * | 2022-12-30 | 2024-07-04 | Cohen Veterans Bioscience Inc. | Prediction of treatment outcome of trauma-focused interventions in ptsd |
| CN117473303B (zh) * | 2023-12-27 | 2024-03-19 | 小舟科技有限公司 | 基于脑电信号的个性化动态意图特征提取方法及相关装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101205892B1 (ko) * | 2010-08-24 | 2012-11-28 | 연세대학교 원주산학협력단 | 뇌파 신호로부터 2차원 공간-주파수 ｅｒｄ／ｅｒｓ 패턴을 생성하는 방법, 이 2차원 공간-주파수 ｅｒｄ／ｅｒｓ 패턴을 이용한 인간 의도를 분류하는 방법 및 이 분류 방법으로 분류된 뇌파 신호를 입력신호로 사용하는 뇌-컴퓨터 인터페이스 장치 |
| KR101480536B1 (ko) * | 2014-02-27 | 2015-01-12 | 주식회사 올비트앤 | 헤어밴드 타입의 휴대용 뇌파 측정 장치를 포함한 뇌파 측정 시스템 및 이를 이용한 수면 관리 방법 |
| JP2016067922A (ja) * | 2014-09-25 | 2016-05-09 | エスエヌユー アールアンドディービー ファウンデーション | ブレイン−マシンインタフェース装置および方法 |
| KR101670949B1 (ko) * | 2015-03-24 | 2016-10-31 | 포항공과대학교 산학협력단 | 뇌파 신호간 정보 흐름 측정 장치 |
Family Cites Families (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7139420B2 (en) * | 2000-04-28 | 2006-11-21 | The Trustees Of Columbia University In The City Of New York | Method for tomographic reconstruction with non-linear diagonal estimators |
| US7150715B2 (en) * | 2001-02-05 | 2006-12-19 | Collura Thomas F | Network enabled biofeedback administration |
| US20050012622A1 (en) * | 2003-05-19 | 2005-01-20 | Sutton William R. | Monitoring and control of sleep cycles |
| WO2008057365A2 (en) * | 2006-11-02 | 2008-05-15 | Caplan Abraham H | Epileptic event detection systems |
| US20080161712A1 (en) * | 2006-12-27 | 2008-07-03 | Kent Leyde | Low Power Device With Contingent Scheduling |
| WO2010045724A1 (en) * | 2008-10-20 | 2010-04-29 | Neurochip Corporation | Method and rhythm extractor for detecting and isolating rhythmic signal features from an input signal using the wavelet packet transform |
| US10575751B2 (en) * | 2008-11-28 | 2020-03-03 | The University Of Queensland | Method and apparatus for determining sleep states |
| GB2471667B (en) | 2009-07-06 | 2011-11-09 | Monica Healthcare Ltd | Monitoring uterine activity |
| TWI392480B (zh) | 2009-10-21 | 2013-04-11 | Ind Tech Res Inst | 母體胎兒監視裝置與方法 |
| JP5559784B2 (ja) * | 2009-10-29 | 2014-07-23 | パナソニック株式会社 | 生体疲労評価装置及び生体疲労評価方法 |
| US20110301433A1 (en) | 2010-06-07 | 2011-12-08 | Richard Scott Sadowsky | Mental state analysis using web services |
| JP6043920B2 (ja) | 2011-01-25 | 2016-12-14 | 公立大学法人奈良県立医科大学 | 胎児心電位信号抽出プログラム、胎児心電位信号判別装置及びこれを用いた妊婦見守りシステム |
| WO2014102722A1 (en) | 2012-12-26 | 2014-07-03 | Sia Technology Ltd. | Device, system, and method of controlling electronic devices via thought |
| NZ630770A (en) * | 2013-10-09 | 2016-03-31 | Resmed Sensor Technologies Ltd | Fatigue monitoring and management system |
| US9636063B2 (en) * | 2014-03-18 | 2017-05-02 | J. Kimo Arbas | System and method to detect alertness of machine operator |
| US10120413B2 (en) * | 2014-09-11 | 2018-11-06 | Interaxon Inc. | System and method for enhanced training using a virtual reality environment and bio-signal data |
| US10456074B2 (en) | 2014-10-29 | 2019-10-29 | Bloom Technologies NV | Method and device for contraction monitoring |
| CN110840455B (zh) * | 2015-02-16 | 2022-07-19 | 内森·英特拉托 | 用于脑活动解析的系统与方法 |
-
2017
- 2017-06-07 CA CA3026607A patent/CA3026607A1/en active Pending
- 2017-06-07 WO PCT/IB2017/000782 patent/WO2017212333A1/en unknown
- 2017-06-07 US US15/616,503 patent/US10463271B2/en active Active
- 2017-06-07 AU AU2017278992A patent/AU2017278992B2/en active Active
- 2017-06-07 EP EP17809796.0A patent/EP3463062B1/en active Active
- 2017-06-07 KR KR1020197000489A patent/KR102179983B1/ko active IP Right Grant
-
2018
- 2018-12-02 IL IL263427A patent/IL263427B2/en unknown
-
2019
- 2019-11-04 US US16/673,864 patent/US11399761B2/en active Active
-
2022
- 2022-08-01 US US17/816,492 patent/US11974851B2/en active Active
-
2024
- 2024-05-06 US US18/655,684 patent/US20240293067A1/en active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101205892B1 (ko) * | 2010-08-24 | 2012-11-28 | 연세대학교 원주산학협력단 | 뇌파 신호로부터 2차원 공간-주파수 ｅｒｄ／ｅｒｓ 패턴을 생성하는 방법, 이 2차원 공간-주파수 ｅｒｄ／ｅｒｓ 패턴을 이용한 인간 의도를 분류하는 방법 및 이 분류 방법으로 분류된 뇌파 신호를 입력신호로 사용하는 뇌-컴퓨터 인터페이스 장치 |
| KR101480536B1 (ko) * | 2014-02-27 | 2015-01-12 | 주식회사 올비트앤 | 헤어밴드 타입의 휴대용 뇌파 측정 장치를 포함한 뇌파 측정 시스템 및 이를 이용한 수면 관리 방법 |
| JP2016067922A (ja) * | 2014-09-25 | 2016-05-09 | エスエヌユー アールアンドディービー ファウンデーション | ブレイン−マシンインタフェース装置および方法 |
| KR101670949B1 (ko) * | 2015-03-24 | 2016-10-31 | 포항공과대학교 산학협력단 | 뇌파 신호간 정보 흐름 측정 장치 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102241759B1 (ko) * | 2020-07-22 | 2021-04-20 | (주)엔브레인 | 인공지능 기반 뇌 정보 제공 장치 |
| KR102288267B1 (ko) * | 2020-07-22 | 2021-08-11 | 액티브레인바이오(주) | 인공지능 기반 뇌 정보 제공 방법 |
| KR102298940B1 (ko) * | 2020-07-22 | 2021-09-09 | 액티브레인바이오(주) | 사용자가 움직이는 상태에서 판단된 뇌 정보 및 뇌 활성화 개선을 위한 정보를 제공하는 인공지능 기반 장치 |
| KR102298943B1 (ko) * | 2020-07-22 | 2021-09-09 | 액티브레인바이오(주) | 사용자가 움직이는 상태에서 판단된 뇌 정보 및 뇌 활성화 개선을 위한 인공지능 기반 정보 제공 방법 |
| KR20220064699A (ko) * | 2020-11-12 | 2022-05-19 | 경북대학교 산학협력단 | 멀티모달을 이용한 운전자 피로 감지 방법, 이를 수행하기 위한 기록 매체 및 시스템 |
| KR102351662B1 (ko) * | 2020-12-04 | 2022-01-13 | 주식회사 무브 | 웨어러블 하이브리드 fNIRS -EEG 휴대용 장치 |
| KR20220095533A (ko) * | 2020-12-30 | 2022-07-07 | 주식회사 쿠오핀 | 네트워크 프로세서와 컨볼루션 처리기를 갖는 디바이스용 신경망 처리기 |
| KR20230078347A (ko) * | 2021-11-26 | 2023-06-02 | 울산과학기술원 | 뇌파 신호를 이용한 개인의 자폐스펙트럼 성향 예측 방법 및 분석장치 |
| WO2024128793A1 (ko) * | 2022-12-13 | 2024-06-20 | 에스케이바이오팜 주식회사 | 연속 생체신호 측정 기반의 뇌전증 발작 감지 및/또는 예측 방법, 그 시스템 및 컴퓨터 시스템로 판독가능한 기록 매체 |
| KR102650641B1 (ko) * | 2024-01-09 | 2024-03-21 | 노승완 | 수면 단계 예측 장치 및 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| IL263427A (en) | 2018-12-31 |
| EP3463062A4 (en) | 2020-02-19 |
| EP3463062A1 (en) | 2019-04-10 |
| US11974851B2 (en) | 2024-05-07 |
| US20200138323A1 (en) | 2020-05-07 |
| WO2017212333A1 (en) | 2017-12-14 |
| AU2017278992A1 (en) | 2018-12-20 |
| US20220369986A1 (en) | 2022-11-24 |
| AU2017278992B2 (en) | 2021-05-27 |
| IL263427B1 (en) | 2023-04-01 |
| US20240293067A1 (en) | 2024-09-05 |
| US11399761B2 (en) | 2022-08-02 |
| IL263427B2 (en) | 2023-08-01 |
| US20170347906A1 (en) | 2017-12-07 |
| KR102179983B1 (ko) | 2020-11-18 |
| EP3463062B1 (en) | 2024-10-16 |
| US10463271B2 (en) | 2019-11-05 |
| CA3026607A1 (en) | 2017-12-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11974851B2 (en) | Systems and methods for analyzing brain activity and applications thereof | |
| US12076570B2 (en) | Systems and methods for cooperative invasive and noninvasive brain stimulation | |
| US11696714B2 (en) | System and method for brain modelling | |
| CN107530012B (zh) | 用于脑活动解析的系统 | |
| Yannakakis et al. | Psychophysiology in games | |
| JP2023547875A (ja) | 個人化された認知介入システム及び方法 | |
| JP7307970B2 (ja) | デジタルコンテンツに基づく治療情報提供装置 | |
| Chanel | Emotion assessment for affective computing based on brain and peripheral signals | |
| Polo | Multimodal assessment of emotional responses by physiological monitoring: novel auditory and visual elicitation strategies in traditional and virtual reality environments | |
| Alzoubi | Automatic affect detection from physiological signals: Practical issues | |
| Chen | The Evaluation and Application of Bio-Emotion Estimation Methods | |
| Li | Designing interactive virtual environments with feedback in health applications. | |
| Zhang | Cultural influence on listener responses to stuttering | |
| CAPONE et al. | Multivariate analysis of physiological variables for classification of emotional responses to visual and auditory stimuli | |
| Brown | The Physiological Correlates of Anger in a Treatment Seeking Sample |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PA0105 | International application |
Patent event date: 20190107 Patent event code: PA01051R01D Comment text: International Patent Application |
|
| PG1501 | Laying open of application | ||
| A201 | Request for examination | ||
| A302 | Request for accelerated examination | ||
| PA0201 | Request for examination |
Patent event code: PA02012R01D Patent event date: 20200602 Comment text: Request for Examination of Application |
|
| PA0302 | Request for accelerated examination |
Patent event date: 20200602 Patent event code: PA03022R01D Comment text: Request for Accelerated Examination |
|
| E701 | Decision to grant or registration of patent right | ||
| PE0701 | Decision of registration |
Patent event code: PE07011S01D Comment text: Decision to Grant Registration Patent event date: 20200820 |
|
| GRNT | Written decision to grant | ||
| PR0701 | Registration of establishment |
Comment text: Registration of Establishment Patent event date: 20201111 Patent event code: PR07011E01D |
|
| PR1002 | Payment of registration fee |
Payment date: 20201111 End annual number: 3 Start annual number: 1 |
|
| PG1601 | Publication of registration | ||
| PR1001 | Payment of annual fee |
Payment date: 20231031 Start annual number: 4 End annual number: 4 |