KR20210146723A

KR20210146723A - 의식 수준 측정 방법 및 컴퓨터 프로그램

Info

Publication number: KR20210146723A
Application number: KR1020200063886A
Authority: KR
Inventors: 홍승균; 김광무
Original assignee: 주식회사 브레인유
Priority date: 2020-05-27
Filing date: 2020-05-27
Publication date: 2021-12-06
Also published as: JP2021186654A; SG10202012522UA; US11660047B2; US20210369193A1; CN113729624A; EP3915478A1

Abstract

본 발명의 일 실시예에 따른 환자의 의식 수준을 측정하는 방법은, 뇌파의 제1 구간으로부터 하나 이상의 주파수 대역의 성분들을 추출하는 단계; 상기 하나 이상의 주파수 대역의 성분들 각각에 대한 제1 지수를 산출하는 단계로써, 상기 제1 구간에서의 소정의 기준 성분의 크기에 대한 상기 하나 이상의 주파수 대역의 성분들 각각의 크기가 소정의 임계값을 초과하는 정도에 기초하여 상기 제1 지수를 산출하고; 학습된 인공 신경망을 이용하여 하나 이상의 주파수 대역의 성분들 각각에 대한 제1 지수로부터 하나 이상의 환자 상태 각각에 대한 확률값을 산출하는 단계; 및 상기 산출된 하나 이상의 환자 상태 각각에 대한 확률값에 기초하여 상기 환자의 의식 수준을 결정하는 단계;를 포함할 수 있다.

Description

의식 수준 측정 방법 및 컴퓨터 프로그램{Consciousness Level Determination Method and Computer Program}

본 발명의 실시예들은 학습된 인공 신경망을 이용하여 대상체의 의식 수준을 측정하는 방법 및 컴퓨터 프로그램에 관한 것이다.

일반적으로 수술, 치료와 같은 의료 행위의 영역에서 피대상자에 통증이 수반되는 경우, 마취를 통해 신경 전달을 차단시킴으로써 통증을 제거하거나 감소시킨다. 환자의 증상이나 수술 부위에 따라 전신 마취가 이루어 지는 경우도 있고, 부분 마취가 이루어지는 경우도 있는데 전신 마취의 경우 환자가 자신의 의사표시를 할 수 없다는 점에서 보다 세밀한 환자 상태의 모니터링이 필요하다.

이를 위해서 수술 중 지속적인 마취 심도의 측정이 필요하고, 이러한 마취 심도를 측정하는 방법으로는 크게 임상 양상을 관찰하는 방법과 생체 전기적 신호를 분석하는 방법이 사용되고 있다.

생체 전기적 신호를 분석하는 방법에는 마취제가 중추 신경계에 미치는 효과를 평가하기 위해 뇌파를 측정하고 분석하는 방법이 있으며, 종래기술들은 다양한 방식으로 뇌파를 측정하여 분석한다.

현재 마취 심도 측정 방식으로 가장 많이 사용되고 있는 것은 이중분광지수(Bispectral index, 이하 'BIS'라 칭함) 분석 방식이다. BIS 분석 방식은 마취 심도를 0~100 사이로 수치화 한 것을 특징으로 한다.

BIS 분석 방식을 사용하는 마취 심도 측정 장치는 환자의 마취 심도측정에 있어서 정확도에 대한 많은 문제점들이 보고되고 있으며, 장비의 탑재된 분석 알고리즘의 세부 내용이 공개되어 있지 않아 알고리즘 오류를 증명하는데 많은 어려움이 있다.

또한 BIS 분석 방식을 사용하는 의식 수준 측정 장치는 방식의 특성 상 마취 상태의 급격한 변화를 추적하는 속도(tracking speed)가 느려 환자의 마취 상태를 정확하고 빠르게 감지하지 못하는 문제점이 있다.

본 발명은 상술한 문제점을 해결하기 위한 것으로, 마취 조건에 변화에도 정확한 마취 심도의 측정값을 제공하고 급격한 마취, 의식 상태의 변화에도 적기에 마취 심도 정보를 제공하고자 한다.

또한 본 발명은 대상체의 감정 상태에 대한 정보를 제공하고자 한다.

또한 본 발명은 다양한 대상체(가령 인간을 제외한 동물 등)에 대한 마취 심도를 제공하고자 한다.

본 발명의 일 실시예에 따른 환자의 의식 수준을 측정하는 방법은, 상기 추출하는 단계 이전에, 상기 환자의 뇌파를 획득하는 단계; 상기 획득된 뇌파의 적어도 일부를 포함하는 뇌파의 제1 구간을 생성하는 단계; 및 상기 뇌파의 제1 구간에서 노이즈를 제거하는 단계;를 더 포함할 수 있다. 이때 상기 추출하는 단계는 상기 노이즈가 제거된 상기 뇌파의 제1 구간으로부터 하나 이상의 주파수 대역들의 성분들을 추출할 수 있다.

상기 뇌파를 획득하는 단계는 소정의 샘플링 주파수로 샘플링 된 상기 환자의 뇌파를 획득할 수 있다.

상기 뇌파의 제1 구간을 생성하는 단계는 상기 의식 수준을 결정하는 시점으로부터 소정의 시간 간격 이내의 뇌파가 포함되도록 상기 뇌파의 제1 구간을 생성할 수 있다.

상기 노이즈를 제거하는 단계는 상기 뇌파의 제1 구간 내에서, 뇌파의 크기가 소정의 임계 크기를 초과하는 시점을 포함하는 제1 부분 구간을 상기 제1 부분 구간과 상이한 구간인 제2 부분 구간으로 대체하는 단계;를 포함하고, 상기 제1 부분 구간 및 상기 제2 부분 구간은 상기 제1 구간의 적어도 일부일 수 있다.

상기 노이즈를 제거하는 단계는 상기 뇌파의 제1 구간 내에서의 뇌파의 크기가 소정의 임계 크기를 초과하는 패턴이 기 설정된 패턴에 대응되는 경우, 상기 뇌파의 제1 구간을 상기 뇌파의 제2 구간으로 대체하는 단계를 포함하고, 상기 제2 구간은 상기 제1 구간과 상이한 구간으로 상기 뇌파의 적어도 일부일 수 있다.

상기 추출하는 단계는 상기 뇌파의 제1 구간으로부터 0.5 내지 4Hz의 제1 성분, 4 내지 8Hz의 제2 성분, 8 내지 16Hz의 제3 성분, 16 내지 25Hz의 제4 성분, 25 내지 30Hz의 제5 성분, 30 내지 48Hz의 제6 성분 및 0.5 내지 55Hz의 기준 성분을 추출할 수 있다.

상기 하나 이상의 주파수 대역의 성분들은 상기 제1 구간에 속하는 하나 이상의 시점에서의 각각의 주파수 대역의 성분의 크기를 포함하고, 상기 제1 지수를 산출하는 단계는 상기 하나 이상의 시점 각각에 대해서, 상기 기준 성분의 크기에 대한 상기 하나 이상의 주파수 대역들의 성분들의 크기를 산출하는 단계; 상기 산출된 크기가 상기 소정의 임계값을 초과하는 시점을 초과 시점으로 결정하는 단계; 및 상기 제1 구간에 속하는 전체 시점의 수에 대한 상기 초과 시점의 수의 비율에 기초하여 상기 제1 지수를 산출하는 단계;를 포함할 수 있다. 이때 상기 소정의 임계값은 상기 제1 구간 내에서의 상기 기준 성분의 절대 크기에 기초하여 결정될 수 있다.

본 발명의 일 실시예에 따른 의식 수준 측정 방법은 상기 확률값을 산출하는 단계 이전에, 상기 하나 이상의 주파수 대역의 성분들 각각에 대한 제1 지수들의 조합을 이용하여 상기 인공 신경망의 입력 데이터를 생성하는 단계;를 더 포함할 수 있다.

본 발명의 일 실시예에 따른 의식 수준 측정 방법은 제1 채널로 획득된 상기 환자의 제1 뇌파의 제1 구간으로부터 N(N은 자연수)개의 주파수 대역 각각에 대한 제1 지수를 산출하고, 상기 제1 채널과 구분되는 제2 채널로 획득된 상기 환자의 제2 뇌파의 제1 구간으로부터 상기 N개의 주파수 대역 각각에 대한 상기 제1 지수를 산출하고, 상기 입력 데이터를 생성하는 단계는 상기 제1 채널에 대한 N개의 제1 지수 및 상기 제2 채널에 대한 N개의 제1 지수의 조합(Combination)에 기초하여 N의 2 제곱개의 제1 입력 데이터를 생성하는 단계; 상기 제1 채널에 대한 N개의 제1 지수에 대응되는 N개의 제2 입력 데이터를 생성하는 단계; 상기 제2 채널에 대한 N개의 제1 지수에 대응되는 N개의 제3 입력 데이터를 생성하는 단계; 근전도 신호에 기초한 M(M은 자연수)개의 제4 입력 데이터를 생성하는 단계; 및 상기 제1 입력 데이터, 상기 제2 입력 데이터, 상기 제3 입력 데이터 및 상기 제4 입력 데이터를 포함하는 상기 입력 데이터를 생성하는 단계;를 포함할 수 있다. 이때 상기 N은 6이고, 상기 M은 1일 수 있다.

상기 인공 신경망은 뇌파의 특성이 반영된 데이터 및 근전도 특성이 반영된 데이터를 포함하고, 상기 뇌파의 특성 및 상기 근전도 특성에 대응되는 환자의 상태 데이터가 표지된 학습 데이터에 기반하여, 뇌파의 특성, 근전도 특성 및 환자의 상태 간의 상관관계를 학습한 신경망이고, 상기 뇌파의 특성이 반영된 데이터는 제1 채널로 획득된 뇌파에 대한 N(N은 자연수)개의 제1 지수 및 제2 채널로 획득된 뇌파에 대한 N개의 제1 지수의 조합(Combination)에 기초하여 N의 2 제곱개의 제1 데이터, 상기 제1 채널에 대한 N개의 제1 지수에 대응되는 N개의 제2 데이터, 상기 제2 채널에 대한 N개의 제1 지수에 대응되는 N개의 제3 데이터 및 근전도 신호에 기초한 M(M은 자연수)개의 제4 데이터를 포함하고, 상기 환자의 상태 데이터는 K(K는 자연수)개의 환자 상태 각각에 해당할 확률값을 포함할 수 있다.

상기 의식 수준을 결정하는 단계는 상기 하나 이상의 환자 상태 각각에 대한 확률값을 정규화 하여 정규화 확률값을 산출하는 단계; 상기 정규화 확률값 중 가장 큰 확률값을 갖는 환자 상태에 대응되는 가중치 셋트를 상기 정규화 확률값에 적용하는 단계; 및 상기 가중치가 적용된 정규화 확률값들의 합에 기초하여 상기 의식 수준을 결정하는 단계;를 포함할 수 있다.

상기 하나 이상의 환자 상태는 Awake 상태, Sedation 상태, General Anesthesia 상태, Deep Anesthesia 상태 및 Brain Death 상태를 포함하고, 상기 적용하는 단계는 상기 5개의 환자 상태 각각에 대한 가중치 세트 중 어느 하나를 상기 정규화 확률에 적용할 수 있다.

상기 가중치가 적용된 정규화 확률값들의 합에 기초하여 상기 의식 수준을 결정하는 단계는 상기 가중치가 적용된 정규화 확률값들의 합에 소정의 제1 가중치를 적용한 제1 의식 수준과 제2 방식으로 결정된 제2 의식 수준에 제2 가중치를 적용한 의식 수준에 기초하여 상기 의식 수준을 결정할 수 있다.

본 발명에 따르면 환자의 마취 심도 또는 의식 상태를 더 정확하게 측정할 수 있다.

특히 종래의 BIS 분석 방식을 기반으로 하는 마취 심도 측정 장치의 문제점인 추적 속도(tracking speed)가 느려 마취된 정도가 빠르게 변화할 때 반응 속도가 낮은 문제점을 개선하여 깨어있는 상태(awake)에서 마취 상태(hypnosis)로 변화할 때 종래의 마취 심도 분석 장치에 비해 더 빠르게 반응하여 환자의 상태를 정확하고 적기에 파악할 수 있다.

또한 본 발명은 알고리즘의 간결함으로 실시간 처리가 용이하여 마취 중 상태의 변화를 더 정확히 포착할 수 있다.

또한 본 발명은 대상체의 감정 상태에 대한 정보를 제공할 수 있다.

또한 본 발명은 다양한 대상체(가령 인간을 제외한 동물 등)에 대한 마취 심도를 제공할 수 있다.

도 1은 본 발명의 일 실시예에 따른 의식 수준 측정 시스템의 구성을 개략적으로 도시한 도면이다.
도 2는 본 발명의 일 실시예에 다른 제어부(120)가 뇌파(400)의 제1 구간을 생성하는 방법을 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따른 제어부(120)가 예시적인 뇌파의 제1 구간(440)에서 노이즈를 제거하여, 노이즈가 제거된 뇌파의 제1 구간(440FLT)을 생성하는 방법을 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 제어부(120)가 노이즈가 제거된 뇌파의 제1 구간(410FLT)으로부터 하나 이상의 주파수 대역의 성분들(411, 412, 413, 414, 415, 416, 417, 418)을 추출하는 과정을 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 제어부(120)가 제1 지수를 산출하는 방법을 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른 제어부(120)가 제2 지수를 산출하는 방법을 설명하기 위한 도면이다.
도 7은 본 발명의 일 실시예에 따른 제어부(120)가 복수의 학습 데이터(510)를 이용하여 인공 신경망(520)을 학습하는 과정을 설명하기 위한 도면이다.
도 8은 본 발명의 일 실시예에 따른 인공 신경망(520)의 입력 데이터(531, 532, 533, 534) 그에 따른 출력 데이터인 환자의 상태 데이터(540)를 설명하기 위한 도면이다.
도 9는 예시적인 하나 이상의 가중치 셋트(610, 620, 630, 640, 650)를 그래프의 형태로 도시한 도면이다.
도 10은 본 발명의 선택적 실시예에 따라 제어부(120)가 환자(300)의 최종 마취 심도를 결정하는 과정을 설명하기 위한 도면이다.
도 11은 본 발명의 일 실시예에 따른 사용자 단말(100)에 의해 수행되는 의식 수준 측정 방법을 설명하기 위한 흐름도이다.

본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 본 발명의 효과 및 특징, 그리고 그것들을 달성하는 방법은 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 다양한 형태로 구현될 수 있다.

이하, 첨부된 도면을 참조하여 본 발명의 실시예들을 상세히 설명하기로 하며, 도면을 참조하여 설명할 때 동일하거나 대응하는 구성 요소는 동일한 도면부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.

이하의 실시예에서, 제1, 제2 등의 용어는 한정적인 의미가 아니라 하나의 구성 요소를 다른 구성 요소와 구별하는 목적으로 사용되었다. 이하의 실시예에서, 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 이하의 실시예에서, 포함하다 또는 가지다 등의 용어는 명세서상에 기재된 특징, 또는 구성요소가 존재함을 의미하는 것이고, 하나 이상의 다른 특징들 또는 구성요소가 부가될 가능성을 미리 배제하는 것은 아니다. 도면에서는 설명의 편의를 위하여 구성 요소들이 그 크기가 과장 또는 축소될 수 있다. 예컨대, 도면에서 나타난 각 구성의 크기 및 형태는 설명의 편의를 위해 임의로 나타내었으므로, 본 발명이 반드시 도시된 바에 한정되지 않는다.

도 1은 본 발명의 일 실시예에 따른 의식 수준 측정 시스템의 구성을 개략적으로 도시한 도면이다.

본 발명의 일 실시예에 따른 의식 수준 측정 시스템은 환자(300)의 생체 신호에 기초하여 환자의 의식 수준을 측정할 수 있다. 이때 ‘생체 신호’는 환자(300)의 뇌파, 환자(300)의 근전도 신호, 안구전도(EOG) 신호 등과 같이 환자(300)의 신체로부터 직/간접 적으로 측정되는 다양한 형태의 신호를 의미할 수 있다. 또한 ‘의식 수준’은 환자(300)가 자기 자신과 자신을 둘러싼 주위 환경을 정상적으로 인지하고 구별하고 있는 정도를 의미하는 것으로, 특정 자극 시 각성될 수 있는 정도를 의미할 수 있다. 본 발명에서 때때로 의식 수준을 나타내느 지표로써 ‘마취 심도’가 사용될 수 있으나, 이는 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다. 가령 의식 수준을 나타내는 지표로써 마취 심도 외에 환자(300)의 감정 상태, 환자의 수면 상태 등이 사용될 수도 있다.

한편 도 1에는 대상체의 예시로써 환자(300)가 도시되어 있으나, 본 발명의 사상이 이에 한정되는 것은 아니다. 따라서 대상체는 도 1과 같이 환자(300) 즉 사람일 수도 있고, 대상이 되는 동물일 수도 있다.

본 발명의 일 실시예에 따른 의식 수준 측정 시스템은 도 1에 도시된 바와 같이 사용자 단말(100) 및 의식 수준 측정 장치(200)를 포함할 수 있다.

본 발명의 일 실시예에 따른 의식 수준 측정 장치(200)는 환자(300)의 신체에 부착되어 환자의 생체 신호를 획득하는 감지부(210)와 감지부(210)에 의해 획득된 환자(300)의 생체 신호를 처리하여 사용자 단말(100)에 전송하는 신호 처리부(220)를 포함할 수 있다.

본 발명의 일 실시예에 따른 감지부(210)는 전술한 바와 같이 환자(300)의 신체에 부착되어 환자의 생체 신호를 획득하는 수단을 의미할 수 있다. 이때 감지부(210)는 도 1에 도시된 바와 같이 Reference 전위를 설정하기 위한 Reference 전극(211), Ground 전위를 설정하기 위한 Ground 전극(212), 뇌파 및 근전도 신호를 측정하기 위한 제1 채널 전극(213) 및 뇌파를 측정하기 위한 제2 채널 전극(214)을 포함할 수 있다.

복수의 전극(211, 212, 213, 214) 각각은 환자(300)의 두부(頭部)에 감지부(210)가 착용됨에 따라, 환자(300)의 두피에 비침습적 또는 침습적으로 부착되어 생체 신호를 획득할 수 있다.

한편 도 1에 도시된 감지부(210)의 형상, 감지부(210)에 포함되는 복수의 전극(211, 212, 213, 214)의 수량 및 복수의 전극(211, 212, 213, 214)의 배치는 예시적인 것으로 본 발명의 사상이 이에 한정되는 것은 아니다. 따라서 환자(300)의 신체에 부착되어 환자(300)의 생체 신호를 획득할 수 있는 수단이라면 본 발명의 감지부(210)에 해당할 수 있다.

본 발명의 다른 실시예에 따른 감지부(210)는 전술한 Reference 전극(211) 및 Ground 전극(212) 중 어느 하나를 생략하여 구성될 수 있다. 바꾸어말하면 본 발명의 다른 실시예에 따른 감지부(210)는 Reference 전극(211), 제1 채널 전극(213) 및 제2 채널 전극(214)을 포함하도록 구성될 수도 있고, Ground 전극(212), 제1 채널 전극(213) 및 제2 채널 전극(214)을 포함하도록 구성될 수도 있다. 이러한 경우 Reference 전위와 Ground 전위는 동일한 전위에 해당하여 Reference 전극(211) 또는 Ground 전극(212)에 의해 설정될 수 있다.

본 발명의 일 실시예에 따른 신호 처리부(220)는 감지부(210)가 획득한 생체 신호를 처리하여 사용자 단말(100)에 전송하는 수단을 의미할 수 있다. 이때 신호를 ‘처리’하는 것은 사용자 단말(100)이 연산할 수 있는 형태로 신호를 가공하는 것으로 예를 들어 신호를 샘플링하거나 신호를 증폭하는 것을 의미할 수 있다.

본 발명의 일 실시예에 따른 신호 처리부(220)는 감지부(210)가 획득한 생체 신호를 증폭할 수 있다. 또한 본 발명의 일 실시예에 따른 신호 처리부(220)는 감지부(210)가 획득한 생체 신호를 소정의 샘플링 주파수로 샘플링할 수 있다.

가령 신호 처리부(220)는 감지부(210)의 제1 채널 전극(213) 및 제2 채널 전극(214) 각각에서 획득된 뇌파를 소정의 비율로 증폭한 뒤, 250Hz의 샘플링 주파수로 샘플링 할 수 있다.

이와 유사하게 신호 처리부(220)는 감지부(210)의 제1 채널 전극(213)에서 획득된 근전도 신호를 소정의 비율로 증폭한 뒤, 250Hz의 샘플링 주파수로 샘플링 할 수 있다.

본 발명의 일 실시예에 따른 신호 처리부(220)는 상술한 과정에 따라 증폭 및 샘플링된 생체 신호를 다양한 통신 방식을 통해 사용자 단말(100)에 전송할 수 있다. 가령 신호 처리부(220)는 블루투스 통신 방식을 통해 생체 신호(증폭 및 샘플링된)를 사용자 단말(100)에 전송할 수도 있고, 와이파이 통신 방식을 통해 생체 신호를 사용자 단말(100)에 전송할 수도 있다. 물론 신호 처리부(220)는 공지의 다양한 유선 통신 방식을 이용하여 생체 신호를 사용자 단말(100)에 전송할 수도 있다.

본 발명의 일 실시예에 다른 사용자 단말(100)은 신호 처리부(220)가 전송한 생체 신호(증폭 및 샘플링된 신호, 예를 들어 2 개의 채널 각각에서 획득된 뇌파, 근전도 신호 및 안구전도 신호)에 기초하여 환자(300)의 마취 심도를 측정할 수 있다.

이때 사용자 단말(100)은 마취 심도 측정을 위한 애플리케이션이 설치된 범용적인 전자장치일 수 있다. 가령 사용자 단말(100)은 마취 심도 측정을 위한 애플리케이션이 설치된 휴대전화(또는 태블릿) 일 수 있다. 또한 사용자 단말(100)은 마취 심도 측정을 위한 애플리케이션만 구동되는 전용의 전자장치일 수도 있다.

본 발명의 일 실시예에 따른 사용자 단말(100)은 도 1에 도시된 바와 같이 통신부(110), 제어부(120), 메모리(130) 및 디스플레이부(140)를 포함할 수 있다. 또한 도면에는 도시되지 않았으나, 본 실시예에 따른 사용자 단말(100)은 입/출력부, 프로그램 저장부 등을 더 포함할 수 있다.

본 발명의 일 실시예에 따른 통신부(110)는 사용자 단말(100)이 신호 처리부(220)와 같은 다른 장치와 유무선 연결을 통해 제어 신호 또는 데이터 신호와 같은 신호를 송수신하기 위해 필요한 하드웨어 및 소프트웨어를 포함할 수 있다. 가령 통신부(110)는 신호 처리부(220)와 블루투스 방식으로 데이터를 송수신 하기 위한 하드웨어 및 소프트웨어를 포함할 수 있다. 한편 사용자 단말(100)이 범용적인 전자장치인 경우, 통신부(110)는 범용적인 통신망(예를 들어 LTE 통신망, 3G 통신망, Wi-fi 통신망 등)을 이용하여 데이터를 송수신하기 위한 통신 모뎀과 소프트웨어를 더 포함할 수 있다.

본 발명의 일 실시예에 따른 제어부(120)는 프로세서(Processor)와 같이 데이터를 처리할 수 있는 모든 종류의 장치를 포함할 수 있다. 여기서, '프로세서(Processor)'는, 예를 들어 프로그램 내에 포함된 코드 또는 명령으로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다. 이와 같이 하드웨어에 내장된 데이터 처리 장치의 일 예로써, 마이크로프로세서(Microprocessor), 중앙처리장치(Central Processing Unit: CPU), 프로세서 코어(Processor Core), 멀티프로세서(Multiprocessor), ASIC(Application-Specific Integrated Circuit), FPGA(Field Programmable Gate Array) 등의 처리 장치를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.

본 발명의 일 실시예에 따른 메모리(130)는 사용자 단말(100)이 처리하는 데이터를 일시적 또는 영구적으로 저장하는 기능을 수행한다. 메모리는 자기 저장 매체(Magnetic Storage Media) 또는 플래시 저장 매체(Flash Storage Media)를 포함할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다. 가령 메모리(130)는 신호 처리부(220)로부터 수신된 생체 신호를 일시적 및/또는 영구적으로 저장할 수 있다. 또한 메모리(130)는 학습된 인공 신경망을 구성하는 가중치들을 일시적 및/또는 영구적으로 저장할 수 있다.

본 발명의 일 실시예에 따른 디스플레이부(140)는 측정된 마취 심도를 사용자에 제공하기 위한 기능을 수행할 수 있다. 이와 같은 디스플레이부(140)는 가령 LCD, OLED 및 Micro LED와 같은 다양한 공지의 표시 장치로 구현될 수 있다. 다만 이는 예시적인 것으로, 전기적 제어 신호에 따라 화면을 표시하는 장치는 본 발명의 디스플레이부(140)에 해당할 수 있다.

이하에서는 사용자 단말(100)의 제어부(120)가 환자의 마취 심도를 측정하는 방법을 중심으로 설명한다.

본 발명의 일 실시예에 따른 제어부(120)는 환자(300)의 생체 신호를 획득할 수 있다.

본 발명의 일 실시예에 따른 제어부(120)는 환자(300)의 뇌파를 획득할 수 있다. 가령 제어부(120)는 전술한 신호 처리부(220)로부터 뇌파를 수신하는 방식으로 뇌파를 획득할 수 있다. 이때 획득되는 뇌파는 증폭되고 소정의 샘플링 주파수로 샘플링된 뇌파일 수 있다. 또한 제어부(120)는 신호 처리부(220)로부터 서로 다른 채널로 획득된 두 개의 뇌파를 획득할 수 있다.

한편 본 발명의 일 실시예에 따른 제어부(120)는 뇌파와 함께 근전도 신호를 더 획득할 수 있다. 물론 이때 획득되는 근전도 신호도 증폭되고 소정의 샘플링 주파수로 샘플링된 근전도 신호일 수 있다.

본 발명의 일 실시예에 따른 제어부(120)는 실시간으로 환자(300)의 생체 신호를 획득할 수 있다. 이때 제어부(120)는 과거의 생체 신호를 메모리(130)에 일시적 및/또는 영구적으로 저장하여 환자의 마취 심도를 측정하는데 사용할 수 있다.

본 발명의 일 실시예에 따른 제어부(120)는 획득된 뇌파의 적어도 일부를 포함하는 뇌파의 제1 구간을 생성할 수 있다.

도 2는 본 발명의 일 실시예에 다른 제어부(120)가 뇌파(400)의 제1 구간을 생성하는 방법을 설명하기 위한 도면이다.

이하에서는 설명의 편의를 위해서 환자(300)의 뇌파(400)가 도시된 바와 같으며, 경우에 따라 현재 시점을 4초, 5초 및 6초 각각으로 가정하여 설명한다.

본 발명의 일 실시예에 따른 제어부(120)는 뇌파(400)의 제1 구간을 생성함에 있어서, 마취 심도를 결정하는 시점(즉 현재 시점)으로부터 소정의 시간 간격 이내의 과거의 뇌파가 포함되도록 뇌파의 제1 구간을 생성할 수 있다.

가령 마취 심도를 결정하는 현재 시점을 4초라고 가정한 경우, 제어부(120)는 현재 시점(4초)으로부터 소정의 시간 간격(4초라고 가정함) 이내의 과거의 뇌파를 포함하는 뇌파의 제1 구간(410)을 생성할 수 있다. 이와 유사하게 현재 시점이 5초인 경우 제어부(120)는 뇌파의 제1 구간(420)을, 현재 시점이 6초인 경우 제어부(120)는 뇌파의 제1 구간(430)을 각각 생성할 수 있다.

이때 ‘소정의 시간 간격’은 시스템 특성에 따라 다양하게 설정될 수 있다. 가령 빠른 응답을 요하는 시스템에 있어서 소정의 시간 간격은 상대적으로 짧게 설정될 수 있다. 또한 정확한 응답을 요하는 시스템에 있어서 소정의 시간 간격은 상대적으로 길게 설정될 수 있다.

본 발명의 일 실시예에 따른 제어부(120)는 서로 다른 채널로 획득된 두 개의 뇌파 각각에 대해서 상술한 과정에 따라 제1 구간을 생성할 수 있다. 또한 본 발명의 일 실시예에 따른 제어부(120)는 시간의 흐름에 따라(즉 마취 심도 결정 시점의 변경에 따라) 현재 시점을 기준으로 제1 구간을 반복하여 생성할 수 있다.

본 발명의 일 실시예에 따른 제어부(120)는 상술한 과정에 따라 생성된 뇌파의 제1 구간에서 노이즈를 제거할 수 있다.

도 3은 본 발명의 일 실시예에 따른 제어부(120)가 예시적인 뇌파의 제1 구간(440)에서 노이즈를 제거하여, 노이즈가 제거된 뇌파의 제1 구간(440FLT)을 생성하는 방법을 설명하기 위한 도면이다.

본 발명의 일 실시예에 따른 제어부(120)는 뇌파의 제1 구간(440) 내에서, 뇌파의 크기가 소정의 임계 크기(Ath)를 초과하는 제1 부분 구간(444A)을 제1 부분 구간과 상이한 구간인 제2 부분 구간(443A)으로 대체할 수 있다.

이때 제어부(120)는 제1 부분 구간(444A)내의 어느 하나의 시점에서의 뇌파의 크기가 소정의 임계 크기(Ath)를 초과하는 경우 해당 구간(444A)내에서의 뇌파의 크기가 소정의 임계 크기(Ath)를 초과하는 것으로 결정할 수 있다. 또한 제어부(120)는 해당 구간(444A)과 인접하는 구간(443A)을 이용하여 해당 구간(444A)을 대체할 수 있다.

이에 따라 제어부(120)는 첫 번째 내지 세 번째 부분 구간(441B, 442B, 443B)은 제1 구간(440)의 첫 번째 내지 세 번째 부분 구간(441A, 442A, 443A)과 동일하고, 네 번째 부분 구간(444B)은 제1 구간(440)의 세 번재 부분 구간(443A)과 동일한, 노이즈가 제거된 뇌파의 제1 구간(440FLT)을 생성할 수 있다.

다만 부분 구간의 길이, 임계 크기(Ath) 및 부분 구간의 대체 방법은 예시적인 것으로 본 발명의 사상이 이에 한정되는 것은 아니다.

선택적 실시예에서, 제어부(120)는 뇌파의 제1 구간(440) 내에서의 뇌파의 크기가 소정의 임계 크기를 초과하는 패턴이 기 설정된 패턴에 대응되는 경우, 뇌파의 제1 구간(440)을 뇌파의 제2 구간으로 대체할 수도 있다. 이때 뇌파의 제2 구간은 뇌파의 제1 구간(440)과 상이한 구간의 뇌파로, 가령 인접하는 구간의 뇌파일 수 있다.

또한 ‘기 설정된 패턴’은 시스템의 목적에 따라 다양하게 설정될 수 있다. 가령 기 설정된 패턴은 동일 구간 내의 복수의 부분 구간에서 소정의 임계 크기를 초과하는 뇌파가 발생되는 패턴일 수도 있고, 연속하는 둘 이상의 부분 구간에서 소정의 임계 크기를 초과하는 뇌파가 발생되는 패턴일 수도 있다. 다만 이와 같은 패턴은 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다.

본 발명의 일 실시예에 따른 제어부(120)는 상술한 과정에 따라 생성된 뇌파의 제1 구간(또는 노이즈가 제거된 뇌파의 제1 구간)으로부터 하나 이상의 주파수 대역의 성분들을 추출할 수 있다.

도 4는 본 발명의 일 실시예에 따른 제어부(120)가 노이즈가 제거된 뇌파의 제1 구간(410FLT)으로부터 하나 이상의 주파수 대역의 성분들(411, 412, 413, 414, 415, 416, 417, 418)을 추출하는 과정을 설명하기 위한 도면이다.

본 발명의 일 실시예에 따른 제어부(120)는 노이즈가 제거된 뇌파의 제1 구간(410FLT)으로부터 0.5 내지 4Hz의 제1 성분(412), 4 내지 8Hz의 제2 성분(413), 8 내지 16Hz의 제3 성분(414), 16 내지 25Hz의 제4 성분(415), 25 내지 30Hz의 제5 성분(416), 30 내지 48Hz의 제6 성분(417), 0.5 내지 55Hz의 기준 성분(411) 및 0.5 내지 30Hz의 BSR 성분(418)을 추출할 수 있다.

본 발명의 일 실시예에 따른 제어부(120)는 하나 이상의 주파수 대역 각각에 대응되는 주파수 필터를 이용하여 노이즈가 제거된 뇌파의 제1 구간(410FLT)으로부터 하나 이상의 주파수 대역의 성분들(411, 412, 413, 414, 415, 416, 417, 418)을 추출할 수 있다. 가령 제어부(120)는 0.5 내지 4Hz의 통과 대역을 갖는 Ban-Pass Filter를 이용하여 제1 성분(412)을 추출할 수 있다.

추출된 하나 이상의 주파수 대역의 성분들(411, 412, 413, 414, 415, 416, 417, 418)은 노이즈가 제거된 뇌파의 제1 구간(410FLT)과 동일한 시간 길이를 가질 수 있다. 또한 하나 이상의 주파수 대역의 성분들(411, 412, 413, 414, 415, 416, 417, 418)은 제1 구간에 속하는 하나 이상의 시점에서의 각각의 주파수 대역의 성분의 크기를 포함할 수 있다.

가령 신호 처리부(220)의 샘플링 주파수가 250Hz이고, 노이즈가 제거된 뇌파의 제1 구간(410FLT)의 길이가 4초인 경우 노이즈가 제거된 뇌파의 제1 구간(410FLT) 내에는 1000개의 시점(또는 1000개의 샘플링 시점)과 각 시점에서의 뇌파의 크기가 포함될 수 있다. 이에 따라 하나 이상의 주파수 대역의 성분들(411, 412, 413, 414, 415, 416, 417, 418)도 제1 구간에 속하는 1000개의 시점 각각에서의 각각의 주파수 대역의 성분의 크기를 포함할 수 있다.

바꾸어 말하면 하나 이상의 주파수 대역의 성분들(411, 412, 413, 414, 415, 416, 417, 418)도 제1 구간에 속하는 1000개의 시점에서의 각각의 주파수 대역의 성분의 크기를 포함할 수 있다.

본 발명의 일 실시예에 따른 제어부(120)는 하나 이상의 주파수 대역의 성분들(411, 412, 413, 414, 415, 416, 417, 418) 각각에 대한 제1 지수를 산출할 수 있다.

도 5는 본 발명의 일 실시예에 따른 제어부(120)가 제1 지수를 산출하는 방법을 설명하기 위한 도면이다. 설명의 편의를 위해 도 5에 도시된 그래프가 제1 성분에 관한 것이고, 제1 성분에 대한 제1 구간에 15개의 시점이 포함됨을 전제로 설명한다.

본 발명의 일 실시예에 따른 제어부(120)는 제1 구간에서의 소정의 기준 성분의 크기에 대한 하나 이상의 주파수 대역의 성분들 각각의 크기가 소정의 임계값(Rth)을 초과하는 정도에 기초하여 제1 지수를 산출할 수 있다. 가령 본 발명의 일 실시예에 따른 제어부(120)는 제1 구간에 속하는 하나 이상의 시점(즉 15개의 시점) 각각에 대해서, 기준 성분의 크기에 대한 하나 이상의 주파수 대역들의 성분들의 크기를 산출할 수 있다.

이때 기준 성분은 도 4에서 설명한 과정에 따라 추출되는 기준 성분(411)을 의미할 수 있고, 하나 이상의 주파수 대역들의 성분들은 도 4에서 설명한 과정에 따라 추출되는 성분들(412 내지 417)을 의미할 수 있다. 예를 들어 제어부(120)는 제1 구간의 첫 번째 시점에서의 기준 성분(411)의 크기에 대한 제1 구간의 첫 번째 시점에서의 제1 성분(412)의 크기의 비율(R1)을 산출할 수 있다. 이와 유사하게 제어부는 나머지 시점에서 기준 성분(411)의 크기에 대한 제1 성분(412)의 크기의 비율(R2 내지 R15)를 산출할 수 있다. 물론 제어부(120)는 나머지 성분들(413 내지 417) 각각에 대해서도 상술한 과정에 따라 복수의 시점 각각에서의 비율을 산출할 수 있다.

본 발명의 일 실시예에 따른 제어부(120)는 산출된 비율의 크기가 소정의 임계값(Rth)을 초과하는 시점을 초과 시점으로 결정할 수 있다. 가령 제어부(120)는 도 5의 R4, R12, R13, R14 각각에 대응되는 시점을 초과 시점으로 결정할 수 있다. 물론 제어부는 나머지 성분들(413 내지 417)에 대해서도 이와 같은 과정에 따라 초과 시점들을 결정할 수 있다.

본 발명의 일 실시예에 따른 제어부(120)는 제1 구간에 속하는 전체 시점의 수에 대한 초과 시점의 수의 비율에 기초하여 제1 지수를 산출할 수 있다. 가령 제어부(120)는 제1 성분(412)에 대해서, 전체 시점의 수인 15와 초과 시점의 수인 4를 이용하여 제1 지수를 4/15로 산출할 수 있다. 이때 제어부(120)는 소정의 값을 산출된 제1 지수에 곱하여 제1 지수를 정규화 할 수 있다. 물론 제어부는 나머지 성분들(413 내지 417) 각각에 대해서도 이와 같은 과정에 따라 제1 지수를 산출할 수 있다.

한편 본 발명의 일 실시예에 따른 제어부(120)는 제1 구간 내에서의 기준 성분의 절대 크기에 기초하여 소정의 임계값(Rth)을 결정할 수 있다. 기준 성분의 경우 넓은 주파수 대역에서 추출되므로, 제1 구간 내의 뇌파의 크기가 큰 경우 소정의 임계값(Rth)은 상대적으로 높게 결정될 수 있고, 뇌파의 크기가 작은 경우 소정의 임계값(Rth)은 상대적으로 낮게 결정될 수 있다.

본 발명의 일 실시예에 따른 제어부(120)는 서로 다른 채널로 획득된 두 개의 뇌파 각각에 대해서 상술한 과정에 따른 제1 지수를 산출할 수 있다. 또한 본 발명의 일 실시예에 따른 제어부(120)는 제1 구간의 갱신에 따라 갱신된 제1 구간에 대한 제1 지수의 산출을 반복하여 수행할 수 있다.

본 발명의 일 실시예에 따른 제어부(120)는 제1 구간의 뇌파가 소정의 패턴에 부합되는지 정도를 반영하는 제2 지수를 산출할 수 있다.

도 6은 본 발명의 일 실시예에 따른 제어부(120)가 제2 지수를 산출하는 방법을 설명하기 위한 도면이다.

본 발명의 일 실시예에 따른 제어부(120)는 도 4에서 설명한 과정에 따라 노이즈가 제거된 뇌파의 제1 구간(410FLT)으로부터 추출된 BSR 성분(418)으로부터 제2 지수를 산출할 수 있다. 이때 BSR 성분(418)은 노이즈가 제거된 뇌파의 제1 구간(410FLT)으로부터 0.5 내지 30Hz의 성분을 추출한 것 일 수 있다.

본 발명의 일 실시예에 따른 제어부(120)는 BSR 성분(418)에서 제1 유형의 신호(또는 Burst 유형의 신호) 및 제2 유형의 신호(또는 Suppression 유형의 신호)의 반복 횟수를 확인할 수 있다. 신호의 제1 유형은 크기(즉 신호의 진폭의 절대값)가 제1 임계 크기 이상인 뇌파가 제1 지속시간 동안 발생하는 유형이고, 신호의 제2 유형은 크기가 제2 임계 크기 이하인 뇌파가 제2 지속시간 동안 발생하는 유형일 수 있다. 이때 제1 지속시간은 제2 지속시간보다 짧을 수 있다.

도 6에서 신호의 제1 유형은 크기가 제1 임계 크기(Ath_1_P 또는 Ath_1_N) 이상인 뇌파가 제2 지속시간보다 짧은 제1 지속시간동안 발생하는 유형이고, 신호의 제2 유형은 제2 임계 크기(Ath_2_P 또는 Ath_2_N) 이하인 뇌파가 제1 지속시간보다 긴 제2 지속시간동안 발생하는 유형일 수 있다. 이때 제1 임계 크기(Ath_1_P 또는 Ath_1_N) 및 제2 임계 크기(Ath_2_P 또는 Ath_2_N)는 적절한 크기로 미리 설정될 수 있다.

따라서 도 6에서 B1, B2, B3은 각각 제1 유형의 신호이고, S1, S2, S3은 각각 제2 유형의 신호에 해당할 수 있다.

한편 도 6에서 본 발명의 일 실시예에 따른 제어부(120)는 제1 유형의 신호 및 제2 유형의 신호의 반복 횟수를 3으로 확인(또는 결정)할 수 있다.

본 발명의 일 실시예에 따른 제어부(120)는 뇌파의 제1 구간(410FLT)의 길이에 대응되는 값에 대한 신호의 반복 횟수의 비율에 기초하여 제2 지수를 산출할 수 있다. 이때 뇌파의 제1 구간(410FLT)의 길이에 대응되는 값은 가령 뇌파의 제1 구간(410FLT)에 포함되는 시점의 수(예를 들어 1000개)예 비례하는 값을 의미할 수 있다. 따라서 제어부(120)는 도 4의 BSR 성분(418)으로부터 제2 지수를 3/1000 또는 3/1000에 비례하는 값으로 결정할 수 있다.

한편 도 6에서 설명하는 방법은 제1 구간(410FLT)의 뇌파가 소정의 패턴에 부합되는지 정도를 판단하기 위한 예시적인 방법으로, 본 발명의 사상이 이에 한정되는 것은 아니며, 제1 구간(410FLT)의 뇌파에 특정 단위 패턴의 신호가 반복되는지 여부 및 반복 횟수를 판단할 수 있는 방법이라면 본 발명에서 제2 지수를 산출하는데 제한 없이 사용될 수 있다.

본 발명의 일 실시예에 따른 제어부(120)는 환자의 상태에 대응되는 적어도 하나의 생체 신호에 기초하여 제3 지수를 산출할 수 있다. 가령 본 발명의 일 실시예에 따른 제어부(120)는 감지부(210)의 제1 채널 전극(213)에 의해 측정된 근전도 신호에 기초하여 제3 지수를 생성할 수 있다.

다만 이와 같이 제3 지수를 생성하는 요소로써 근전도 신호를 사용하는 것은 예시적인 것으로, 의식 수준 측정 시스템의 구성에 따라 제3 지수의 산출 방법이 달라질 수 있다. 가령 의식 수준 측정 시스템이 환자(300)의 다른 생체 신호를 측정하는 구성요소를 더 포함하는 경우, 제어부(120)는 해당 구성요소가 측정한 신호에 기초하여 제3 지수를 생성할 수도 있다.

선택적 실시예에서, 제어부(120)는 환자의 안구전도 신호에 기초하여 제3 지수를 생성할 수 있다.

본 발명의 일 실시예에 따른 제어부(120)는 상술한 과정에 따라 산출된 제1 지수, 제2 지수 및 제3 지수 중 적어도 하나에 기초하여 환자(300)의 마취 심도를 결정할 수 있다.

본 발명의 일 실시예에 따른 제어부(120)는 학습된 인공 신경망과 하나 이상의 주파수 대역의 성분들 각각에 대한 제1 지수 및 근전도 신호에 기초한 제3 지수를 이용하여 환자(300)의 마취 심도를 결정할 수 있다.

본 발명에서 ‘인공 신경망’은 뇌파의 특성이 반영된 데이터 및 근전도 특성이 반영된 데이터를 포함하고, 뇌파의 특성 및 근전도 특성에 대응되는 환자의 상태 데이터가 표지된 학습 데이터에 기반하여, 뇌파의 특성, 근전도 특성 및 환자의 상태 간의 상관관계를 학습한 신경망을 의미할 수 있다.

바꾸어말하면 인공 신경망은 뇌파의 특성이 반영된 데이터 및 근전도 특성이 반영된 데이터의 입력에 대응하여 환자의 상태 데이터를 출력하도록 학습된 신경망을 의미할 수 있다.

본 발명에서 인공 신경망은 다양한 구조의 신경망 모델로써 구현될 수 있다. 가령 인공 신경망은 CNN 모델, RNN 모델 및 LSTM 모델로써 구현될 수 있다. 다만 이와 같은 신경망 모델을 예시적인것으로, 학습 데이터에 기초하여 입력과 출력간의 상관관계를 학습할 수 있는 수단은 본 발명의 인공 신경망으로써 사용될 수 있다.

도 7은 본 발명의 일 실시예에 따른 제어부(120)가 복수의 학습 데이터(510)를 이용하여 인공 신경망(520)을 학습하는 과정을 설명하기 위한 도면이다.

전술한 바와 같이 인공 신경망(520)은 복수의 학습 데이터(510)에 기반하여 뇌파의 특성, 근전도 특성 및 환자의 상태 간의 상관관계를 학습한 신경망을 의미할 수 있다.

이때 복수의 학습 데이터(510) 각각은 전술한 바와 같이 뇌파의 특성이 반영된 데이터 및 근전도 특성이 반영된 데이터를 포함하고, 뇌파의 특성 및 근전도 특성에 대응되는 환자의 상태 데이터가 표지된 데이터일 수 있다.

가령 첫 번째 학습 데이터(511)의 경우 뇌파의 특성이 반영된 데이터로써 환자(300)의 제1 뇌파(제1 채널로 획득된)의 제1 구간으로부터 산출된 N(N은 자연수)개의 주파수 대역 각각에 대한 제1 지수에 대응되는 N개의 데이터(511A), 환자(300)의 제2 뇌파(제2 채널로 획득된)의 제1 구간으로부터 산출된 N개의 주파수 대역 각각에 대한 제1 지수에 대응되는 N개의 데이터(511B), 제1 채널에 대한 N개의 제1 지수(511A) 및 제2 채널에 대한 N개의 제1 지수(511B)의 조합에 기초하여 생성된 N의 2제곱개의 데이터(511D)를 포함할 수 있다.

또한 첫 번째 학습 데이터(511)의 경우 근전도 특성이 반영된 데이터로써 근전도 신호에 기초한 M(M은 자연수)개의 데이터(511C)를 포함할 수 있다.

또한 첫 번째 학습 데이터(511)에는 해당 환자(300)가 K개의 환자 상태 각각에 해당할 확률을 포함하는 환자 상태 데이터(511E)가 표지되어 있을 수 있다. 이때 N은 가령 6이고, M은 1이고, K는 5일 수 있다.

두 번째 학습 데이터(512) 및 세 번째 학습 데이터(513)를 포함하는 나머지 학습 데이터도 첫 번째 학습 데이터(511)와 마찬가지의 데이터를 포함하고, 마찬가지의 데이터로 표지되어 있을 수 있다. 개별 학습 데이터에 포함되는 개별 데이터를 생성하는 구체적인 방법은 도 8을 참조하여 후술한다.

이와 같이 본 발명은 환자의 생체 신호로부터 생성된 데이터와 복수개의 환자 상태 각각에 해당할 확률을 포함하는 학습 데이터에 기초하여 인공 신경망(520)을 학습시킬 수 있다. 이로써 인공 신경망(520)은 환자의 상태 신호로부터 생성된 데이터의 입력에 따라 해당 환자가 복수개의 환자 상태 각각에 해당할 확률을 출력할 수 있다. 이하에서는 도 7에서 설명한 복수의 학습 데이터(510)에 기초하여 인공 신경망(520)이 학습되어 있음을 전제로 설명한다.

도 8은 본 발명의 일 실시예에 따른 인공 신경망(520)의 입력 데이터(531, 532, 533, 534) 그에 따른 출력 데이터인 환자의 상태 데이터(540)를 설명하기 위한 도면이다.

본 발명의 일 실시예에 따른 제어부(120)는 상술한 과정에 따라 학습된 인공 신경망(520)을 이용하여 환자(300)가 하나 이상의 환자 상태 각각에 속할 확률값을 산출하기 위해 인공 신경망(520)의 입력 데이터(531, 532, 533, 534)를 생성할 수 있다. 이때 인공 신경망(520)은 입력 데이터(531, 532, 533, 534)가 입력되는 적어도 하나의 입력 노드를 포함하는 입력 레이어(521), 복수의 중간 노드(또는 히든 노드)를 포함하는 중간 레이어(522)(또는 히든 레이어) 및 적어도 하나의 출력 노드를 포함하는 출력 레이어(523)를 포함할 수 있다. 중간 레이어(522)는 도시된 바와 같이 전체적으로 연결된(Fully Connected) 하나 이상의 레이어를 포함할 수 있다. 중간 레이어(522)가 복수의 레이어를 포함하는 경우, 인공 신경망(520)은 각각의 히든 레이어 사이의 관계를 정의하는 함수를 포함할 수 있다.

이하에서는 설명의 편의를 위해 도 2 내지 도 5에서 설명한 과정에 따라 제어부(120)가 제1 채널로 획득된 환자(300)의 제1 뇌파의 제1 구간으로부터 N개의 주파수 대역 각각에 대한 제1 지수를 산출하였고, 마찬가지 과정에 따라 제어부(120)가 제2 채널로 획득된 환자(300)의 제2 뇌파의 제1 구간으로부터 N개의 주파수 대역 각각에 대한 제1 지수를 산출하였음을 전제로 설명한다.

상술한 전제 하에, 본 발명의 일 실시예에 따른 제어부(120)는 제1 채널에 대한 N개의 제1 지수 및 제2 채널에 대한 N개의 제1 지수의 조합(Combination)에 기초하여 N의 2 제곱개의 제1 입력 데이터(533)를 생성할 수 있다. 이와 같은 제1 입력 데이터(533)는 인공 신경망(520)의 학습을 위한 학습 데이터 중 도 7의 데이터(511D)에 대응되는 항목일 수 있다.

가령 제어부(120)는 제1 채널의 첫 번째 지수와 제2 채널에 대한 N개의 지수 각각을 곱한 데이터, 제1 채널의 두 번째 지수와 제2 채널에 대한 N개의 지수 각각을 곱한 데이터가 포함되도록 제1 입력 데이터(533)를 생성할 수 있다. 물론 제어부(120)는 제1 채널의 나머지 지수 각각에 대해서도 상술한 방식과 동일한 방식을 적용하여 제1 입력 데이터(533)를 생성할 수 있다.

본 발명의 일 실시예에 따른 제어부(120)는 제1 채널에 대한 N개의 제1 지수에 대응되는 N개의 제2 입력 데이터(532)를 생성할 수 있다. 이와 같은 제2 입력 데이터(532)는 인공 신경망(520)의 학습을 위한 학습 데이터 중 도 7의 데이터(511A)에 대응되는 항목일 수 있다. 가령 제어부(120)는 제1 채널에 대한 N개의 제1 지수와 N개의 제2 입력 데이터(532) 각각이 동일한 값이 되도록 N개의 제2 입력 데이터(532)를 생성할 수 있다.

본 발명의 일 실시예에 따른 제어부(120)는 제2 채널에 대한 N개의 제1 지수에 대응되는 N개의 제3 입력 데이터(534)를 생성할 수 있다. 이와 같은 제3 입력 데이터(534)는 인공 신경망(520)의 학습을 위한 학습 데이터 중 도 7의 데이터(511B)에 대응되는 항목일 수 있다. 가령 제어부(120)는 제2 채널에 대한 N개의 제1 지수와 N개의 제3 입력 데이터(534) 각각이 동일한 값이 되도록 N개의 제3 입력 데이터(534)를 생성할 수 있다.

본 발명의 일 실시예에 따른 제어부(120)는 근전도 신호에 기초한 M개의 제4 입력 데이터(531)를 생성할 수 있다. 이와 같은 제4 입력 데이터(531)는 인공 신경망(520)의 학습을 위한 학습 데이터 중 도 7의 데이터(511C)에 대응되는 항목일 수 있다. 가령 본 발명의 일 실시예에 따른 제어부(120)는 상술한 과정에 따라 생성된 제3 지수를 이용하여 제4 입력 데이터(531)를 생성할 수 있다.

본 발명의 일 실시예에서 상술한 N은 6이고, M은 1일 수 있다. 따라서 제1 입력 데이터(533)는 36개의 데이터를 포함하고, 제2 입력 데이터(532) 및 제3 입력 데이터(534) 각각은 6개의 데이터를 포함하고, 제4 입력 데이터(531)는 1개의 데이터를 포함할 수 있다. 다만 이와 같이 각 데이터(531 내지 534)에 포함되는 데이터의 수량은 예시적인 것으로 본 발명의 사상이 이에 한정되는 것은 아니다.

본 발명의 일 실시예에 따른 제어부(120)는 인공 신경망(520)에 상술한 과정에 따라 생성된 입력 데이터(531, 532, 533, 534)를 입력하여, 환자(300)가 하나 이상의 환자 상태 각각에 속할 확률값을 포함하는 환자의 상태 데이터(540)를 획득할 수 있다.

본 발명의 일 실시예에 따른 환자의 상태 데이터(540)는 K(K는 자연수)개의 환자 상태 각각에 환자(300)가 해당할 확률값을 포함할 수 있다. 가령 K는 5이고, 하나 이상의 환자의 상태는 Awake 상태(Status 1), Sedation 상태(Status 2), General Anesthesia 상태(Status 3), Hyper or Deep Anesthesia 상태(Status 4) 및 Brain Death 상태(Status 5)를 포함할 수 있다.

예를 들어 제어부(120)는 인공 신경망(520)으로부터 [0.81, 0.62, 0.34, 0.17, 0.01]과 같은 환자의 상태 데이터(540)를 획득할 수 있다. 이와 같은 환자의 상태 데이터(540)는 환자(300)가 Awake 상태일 확률이 81%이고, 환자(300)가 Sedation 상태일 확률이 62%이고, 환자(300)가 General Anesthesia 상태일 확률이 34%이고, 환자(300)가 Hyper or Deep Anesthesia 상태일 확률이 17%이고, 환자(300)가 Brain Death 상태일 확률이 1%인 것을 의미할 수 있다.

본 발명의 다른 실시예에서, K개의 상태 및/수 각각은 다양하게 설정될 수 있다. 가령 본 발명이 환자의 감정 상태 등을 결정하는데 사용되는 경우, K개의 상태 각각은 환자의 감정을 나타내는 상태들일 수 있다. 다만 이는 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다.

본 발명의 일 실시예에 따른 제어부(120)는 하나 이상의 환자 상태 각각에 대한 확률값에 기초하여 환자(300)의 마취 심도를 결정할 수 있다.

보다 구체적으로, 본 발명의 일 실시예에 따른 제어부(120)는 환자의 상태 데이터(540)에 포함된 하나 이상의 환자 상태 각각에 대한 확률값을 정규화 하여 정규화 확률값을 산출할 수 있다. 가령 제어부(120)는 하나 이상의 환자 상태 각각에 대한 확률값들의 총 합이 1이 되도록 하는 하나 이상의 환자 상태 각각에 대한 정규화 확률값을 산출할 수 있다.

또한 본 발명의 일 실시예에 따른 제어부(120)는 정규화 확률값 중 가장 큰 확률값을 갖는 환자 상태에 대응되는 가중치 셋트를 정규화 확률값에 적용할 수 있다.

도 9는 예시적인 하나 이상의 가중치 셋트(610, 620, 630, 640, 650)를 그래프의 형태로 도시한 도면이다. 첫 번째 가중치 셋트(610)는 Awake 상태(Status 1)에 대응되는 가중치 셋트이고, 두 번째 가중치 셋트(620)는 Sedation 상태(Status 2)에 대응되는 가중치 셋트이고, 세 번째 가중치 셋트(630)는 General Anesthesia 상태(Status 3)에 대응되는 가중치 셋트이고, 네 번째 가중치 셋트(640)는 Hyper or Deep Anesthesia 상태(Status 4)에 대응되는 가중치 셋트이고, 다섯 번째 가중치 셋트(650)는 Brain Death 상태(Status 5)에 대응되는 가중치 셋트이다.

가령 상술한 과정에 따라 산출된 정규화 확률값이 [0.45, 0.25, 0.15, 0.1, 0.05]인 경우, 환자(300)가 Awake 상태(Status 1)일 확률이 가장 높으므로 제어부(120)는 Awake 상태(Status 1)에 대응되는 가중치 셋트(610)를 정규화 확률값에 적용하여 [0.45, 0.2, 0.5, 0.01, 0]과 같은 확률을 산출할 수 있다.

본 발명의 일 실시예에 따른 제어부(120)는 가중치가 적용된 정규화 확률값들의 합에 기초하여 환자(300)의 마취 심도를 결정할 수 있다.

선택적 실시예에서, 본 발명의 일 실시예에 따른 제어부(120)는 다른 방식에 따라 결정된 환자(300)의 마취 심도를 참조하여 환자(300)의 최종 마취 심도를 결정할 수 있다.

도 10은 본 발명의 선택적 실시예에 따라 제어부(120)가 환자(300)의 최종 마취 심도를 결정하는 과정을 설명하기 위한 도면이다.

본 발명의 선택적 실시예에 따른 제어부(120)는 도 2 내지 도 9에서 설명한 과정에 따라 산출된 마취 심도(DOA_1)에 소정의 가중치(W1)를 적용한 제1 마취 심도와 제2 방식으로 산출된 마취 심도(DOA_2)에 소정의 가중치(W2)를 적용한 제2 마취 심도의 합에 기초하여 환자(300)의 최종 마취 심도(DOA_F)를 결정할 수 있다. 이때 마취 심도(DOA_2)를 산출하는 제2 방식은 도 2 내지 도 9에서 설명한 과정과 적어도 일부 과정이 상이한 마취 심도 산출 방식을 의미할 수 있다. 가령 제2 마취 심도는 환자의 뇌파로부터 산출되는 제1 지수, 환자의 뇌파가 소정의 패턴에 부합되는지 정도를 반영하는 제2 지수 및 환자의 상태에 대응되는 적어도 하나의 생체 신호에 기초한 제3 지수에 기초하여 결정되는 마취 심도일 수 있다.

도 11은 본 발명의 일 실시예에 따른 사용자 단말(100)에 의해 수행되는 마취 심도 측정 방법을 설명하기 위한 흐름도이다. 이하에서는 도 1 내지 도 10에서 설명한 내용과 중복되는 내용의 설명은 생략하되, 도 1 내지 도 10을 함께 참조하여 설명한다.

본 발명의 일 실시예에 따른 사용자 단말(100)은 복수의 학습 데이터에 기초하여 인공 신경망을 학습시킬 수 있다.(S910)

도 7은 본 발명의 일 실시예에 따른 사용자 단말(100)이 복수의 학습 데이터(510)를 이용하여 인공 신경망(520)을 학습하는 과정을 설명하기 위한 도면이다.

두 번째 학습 데이터(512) 및 세 번째 학습 데이터(513)를 포함하는 나머지 학습 데이터도 첫 번째 학습 데이터(511)와 마찬가지의 데이터를 포함하고, 마찬가지의 데이터로 표지되어 있을 수 있다.

본 발명의 일 실시예에 따른 사용자 단말(100)은 환자(300)의 생체 신호를 획득할 수 있다.(S920)

본 발명의 일 실시예에 따른 사용자 단말(100)은 환자(300)의 뇌파를 획득할 수 있다. 가령 사용자 단말(100)은 전술한 신호 처리부(220)로부터 뇌파를 수신하는 방식으로 뇌파를 획득할 수 있다. 이때 획득되는 뇌파는 증폭되고 소정의 샘플링 주파수로 샘플링된 뇌파일 수 있다. 또한 사용자 단말(100)은 신호 처리부(220)로부터 서로 다른 채널로 획득된 두 개의 뇌파를 획득할 수 있다.

한편 본 발명의 일 실시예에 따른 사용자 단말(100)은 뇌파와 함께 근전도 신호를 더 획득할 수 있다. 물론 이때 획득되는 근전도 신호도 증폭되고 소정의 샘플링 주파수로 샘플링된 근전도 신호일 수 있다.

본 발명의 일 실시예에 따른 사용자 단말(100)은 실시간으로 환자(300)의 생체 신호를 획득할 수 있다. 이때 사용자 단말(100)은 과거의 생체 신호를 메모리(130)에 일시적 및/또는 영구적으로 저장하여 환자의 마취 심도를 측정하는데 사용할 수 있다.

본 발명의 일 실시예에 따른 사용자 단말(100)은 획득된 뇌파의 적어도 일부를 포함하는 뇌파의 제1 구간을 생성할 수 있다.(S930)

도 2는 본 발명의 일 실시예에 다른 사용자 단말(100)이 뇌파(400)의 제1 구간을 생성하는 방법을 설명하기 위한 도면이다.

본 발명의 일 실시예에 따른 사용자 단말(100)은 뇌파(400)의 제1 구간을 생성함에 있어서, 마취 심도를 결정하는 시점(즉 현재 시점)으로부터 소정의 시간 간격 이내의 과거의 뇌파가 포함되도록 뇌파의 제1 구간을 생성할 수 있다.

가령 마취 심도를 결정하는 현재 시점을 4초라고 가정한 경우, 사용자 단말(100)은 현재 시점(4초)으로부터 소정의 시간 간격(4초라고 가정함) 이내의 과거의 뇌파를 포함하는 뇌파의 제1 구간(410)을 생성할 수 있다. 이와 유사하게 현재 시점이 5초인 경우 사용자 단말(100)은 뇌파의 제1 구간(420)을, 현재 시점이 6초인 경우 사용자 단말(100)은 뇌파의 제1 구간(430)을 각각 생성할 수 있다.

본 발명의 일 실시예에 따른 사용자 단말(100)은 서로 다른 채널로 획득된 두 개의 뇌파 각각에 대해서 상술한 과정에 따라 제1 구간을 생성할 수 있다. 또한 본 발명의 일 실시예에 따른 사용자 단말(100)은 시간의 흐름에 따라(즉 마취 심도 결정 시점의 변경에 따라) 현재 시점을 기준으로 제1 구간을 반복하여 생성할 수 있다.

본 발명의 일 실시예에 따른 사용자 단말(100)은 상술한 과정에 따라 생성된 뇌파의 제1 구간에서 노이즈를 제거할 수 있다.(S940)

도 3은 본 발명의 일 실시예에 따른 사용자 단말(100)이 예시적인 뇌파의 제1 구간(440)에서 노이즈를 제거하여, 노이즈가 제거된 뇌파의 제1 구간(440FLT)을 생성하는 방법을 설명하기 위한 도면이다.

본 발명의 일 실시예에 따른 사용자 단말(100)은 뇌파의 제1 구간(440) 내에서, 뇌파의 크기가 소정의 임계 크기(Ath)를 초과하는 제1 부분 구간(444A)을 제1 부분 구간과 상이한 구간인 제2 부분 구간(443A)으로 대체할 수 있다.

이때 사용자 단말(100)은 제1 부분 구간(444A)내의 어느 하나의 시점에서의 뇌파의 크기가 소정의 임계 크기(Ath)를 초과하는 경우 해당 구간(444A)내에서의 뇌파의 크기가 소정의 임계 크기(Ath)를 초과하는 것으로 결정할 수 있다. 또한 사용자 단말(100)은 해당 구간(444A)과 인접하는 구간(443A)을 이용하여 해당 구간(444A)을 대체할 수 있다.

이에 따라 사용자 단말(100)은 첫 번째 내지 세 번째 부분 구간(441B, 442B, 443B)은 제1 구간(440)의 첫 번째 내지 세 번째 부분 구간(441A, 442A, 443A)과 동일하고, 네 번째 부분 구간(444B)은 제1 구간(440)의 세 번재 부분 구간(443A)과 동일한, 노이즈가 제거된 뇌파의 제1 구간(440FLT)을 생성할 수 있다.

선택적 실시예에서, 사용자 단말(100)은 뇌파의 제1 구간(440) 내에서의 뇌파의 크기가 소정의 임계 크기를 초과하는 패턴이 기 설정된 패턴에 대응되는 경우, 뇌파의 제1 구간(440)을 뇌파의 제2 구간으로 대체할 수도 있다. 이때 뇌파의 제2 구간은 뇌파의 제1 구간(440)과 상이한 구간의 뇌파로, 가령 인접하는 구간의 뇌파일 수 있다.

본 발명의 일 실시예에 따른 사용자 단말(100)은 상술한 과정에 따라 생성된 뇌파의 제1 구간(또는 노이즈가 제거된 뇌파의 제1 구간)으로부터 하나 이상의 주파수 대역의 성분들을 추출할 수 있다.(S950)

도 4는 본 발명의 일 실시예에 따른 사용자 단말(100)이 노이즈가 제거된 뇌파의 제1 구간(410FLT)으로부터 하나 이상의 주파수 대역의 성분들(411, 412, 413, 414, 415, 416, 417, 418)을 추출하는 과정을 설명하기 위한 도면이다.

본 발명의 일 실시예에 따른 사용자 단말(100)은 노이즈가 제거된 뇌파의 제1 구간(410FLT)으로부터 0.5 내지 4Hz의 제1 성분(412), 4 내지 8Hz의 제2 성분(413), 8 내지 16Hz의 제3 성분(414), 16 내지 25Hz의 제4 성분(415), 25 내지 30Hz의 제5 성분(416), 30 내지 48Hz의 제6 성분(417), 0.5 내지 55Hz의 기준 성분(411) 및 0.5 내지 30Hz의 BSR 성분(418)을 추출할 수 있다.

본 발명의 일 실시예에 따른 사용자 단말(100)은 하나 이상의 주파수 대역 각각에 대응되는 주파수 필터를 이용하여 노이즈가 제거된 뇌파의 제1 구간(410FLT)으로부터 하나 이상의 주파수 대역의 성분들(411, 412, 413, 414, 415, 416, 417, 418)을 추출할 수 있다. 가령 사용자 단말(100)은 0.5 내지 4Hz의 통과 대역을 갖는 Ban-Pass Filter를 이용하여 제1 성분(412)을 추출할 수 있다.

본 발명의 일 실시예에 따른 사용자 단말(100)은 하나 이상의 주파수 대역의 성분들(411, 412, 413, 414, 415, 416, 417, 418) 각각에 대한 제1 지수를 산출할 수 있다.(S960)

도 5는 본 발명의 일 실시예에 따른 사용자 단말(100)이 제1 지수를 산출하는 방법을 설명하기 위한 도면이다. 설명의 편의를 위해 도 5에 도시된 그래프가 제1 성분에 관한 것이고, 제1 성분에 대한 제1 구간에 15개의 시점이 포함됨을 전제로 설명한다.

본 발명의 일 실시예에 따른 사용자 단말(100)은 제1 구간에서의 소정의 기준 성분의 크기에 대한 하나 이상의 주파수 대역의 성분들 각각의 크기가 소정의 임계값(Rth)을 초과하는 정도에 기초하여 제1 지수를 산출할 수 있다. 가령 본 발명의 일 실시예에 따른 사용자 단말(100)은 제1 구간에 속하는 하나 이상의 시점(즉 15개의 시점) 각각에 대해서, 기준 성분의 크기에 대한 하나 이상의 주파수 대역들의 성분들의 크기를 산출할 수 있다.

이때 기준 성분은 도 4에서 설명한 과정에 따라 추출되는 기준 성분(411)을 의미할 수 있고, 하나 이상의 주파수 대역들의 성분들은 도 4에서 설명한 과정에 따라 추출되는 성분들(412 내지 417)을 의미할 수 있다. 예를 들어 사용자 단말(100)은 제1 구간의 첫 번째 시점에서의 기준 성분(411)의 크기에 대한 제1 구간의 첫 번째 시점에서의 제1 성분(412)의 크기의 비율(R1)을 산출할 수 있다. 이와 유사하게 제어부는 나머지 시점에서 기준 성분(411)의 크기에 대한 제1 성분(412)의 크기의 비율(R2 내지 R15)를 산출할 수 있다. 물론 사용자 단말(100)은 나머지 성분들(413 내지 417) 각각에 대해서도 상술한 과정에 따라 복수의 시점 각각에서의 비율을 산출할 수 있다.

본 발명의 일 실시예에 따른 사용자 단말(100)은 산출된 비율의 크기가 소정의 임계값(Rth)을 초과하는 시점을 초과 시점으로 결정할 수 있다. 가령 사용자 단말(100)은 도 5의 R4, R12, R13, R14 각각에 대응되는 시점을 초과 시점으로 결정할 수 있다. 물론 제어부는 나머지 성분들(413 내지 417)에 대해서도 이와 같은 과정에 따라 초과 시점들을 결정할 수 있다.

본 발명의 일 실시예에 따른 사용자 단말(100)은 제1 구간에 속하는 전체 시점의 수에 대한 초과 시점의 수의 비율에 기초하여 제1 지수를 산출할 수 있다. 가령 사용자 단말(100)은 제1 성분(412)에 대해서, 전체 시점의 수인 15와 초과 시점의 수인 4를 이용하여 제1 지수를 4/15로 산출할 수 있다. 이때 사용자 단말(100)은 소정의 값을 산출된 제1 지수에 곱하여 제1 지수를 정규화 할 수 있다. 물론 제어부는 나머지 성분들(413 내지 417) 각각에 대해서도 이와 같은 과정에 따라 제1 지수를 산출할 수 있다.

한편 본 발명의 일 실시예에 따른 사용자 단말(100)은 제1 구간 내에서의 기준 성분의 절대 크기에 기초하여 소정의 임계값(Rth)을 결정할 수 있다. 기준 성분의 경우 넓은 주파수 대역에서 추출되므로, 제1 구간 내의 뇌파의 크기가 큰 경우 소정의 임계값(Rth)은 상대적으로 높게 결정될 수 있고, 뇌파의 크기가 작은 경우 소정의 임계값(Rth)은 상대적으로 낮게 결정될 수 있다.

본 발명의 일 실시예에 따른 사용자 단말(100)은 서로 다른 채널로 획득된 두 개의 뇌파 각각에 대해서 상술한 과정에 따른 제1 지수를 산출할 수 있다. 또한 본 발명의 일 실시예에 따른 사용자 단말(100)은 제1 구간의 갱신에 따라 갱신된 제1 구간에 대한 제1 지수의 산출을 반복하여 수행할 수 있다.

본 발명의 일 실시예에 따른 사용자 단말(100)은 상술한 과정에 따라 학습된 인공 신경망(520)을 이용하여 환자(300)가 하나 이상의 환자 상태 각각에 속할 확률값을 산출하기 위해 인공 신경망(520)의 입력 데이터(531, 532, 533, 534)를 생성할 수 있다.(S970)

이하에서는 설명의 편의를 위해 도 2 내지 도 5에서 설명한 과정에 따라 사용자 단말(100)이 제1 채널로 획득된 환자(300)의 제1 뇌파의 제1 구간으로부터 N개의 주파수 대역 각각에 대한 제1 지수를 산출하였고, 마찬가지 과정에 따라 사용자 단말(100)이 제2 채널로 획득된 환자(300)의 제2 뇌파의 제1 구간으로부터 N개의 주파수 대역 각각에 대한 제2 지수를 산출하였음을 전제로 설명한다.

상술한 전제 하에, 본 발명의 일 실시예에 따른 사용자 단말(100)은 제1 채널에 대한 N개의 제1 지수 및 제2 채널에 대한 N개의 제1 지수의 조합(Combination)에 기초하여 N의 2 제곱개의 제1 입력 데이터(533)를 생성할 수 있다. 이와 같은 제1 입력 데이터(533)는 인공 신경망(520)의 학습을 위한 학습 데이터 중 도 7의 데이터(511D)에 대응되는 항목일 수 있다.

가령 사용자 단말(100)은 제1 채널의 첫 번째 지수와 제2 채널에 대한 N개의 지수 각각을 곱한 데이터, 제1 채널의 두 번째 지수와 제2 채널에 대한 N개의 지수 각각을 곱한 데이터가 포함되도록 제1 입력 데이터(533)를 생성할 수 있다. 물론 사용자 단말(100)은 제1 채널의 나머지 지수 각각에 대해서도 상술한 방식과 동일한 방식을 적용하여 제1 입력 데이터(533)를 생성할 수 있다.

본 발명의 일 실시예에 따른 사용자 단말(100)은 제1 채널에 대한 N개의 제1 지수에 대응되는 N개의 제2 입력 데이터(532)를 생성할 수 있다. 이와 같은 제2 입력 데이터(532)는 인공 신경망(520)의 학습을 위한 학습 데이터 중 도 7의 데이터(511A)에 대응되는 항목일 수 있다. 가령 사용자 단말(100)은 제1 채널에 대한 N개의 제1 지수와 N개의 제2 입력 데이터(532) 각각이 동일한 값이 되도록 N개의 제2 입력 데이터(532)를 생성할 수 있다.

본 발명의 일 실시예에 따른 사용자 단말(100)은 제2 채널에 대한 N개의 제1 지수에 대응되는 N개의 제3 입력 데이터(534)를 생성할 수 있다. 이와 같은 제3 입력 데이터(534)는 인공 신경망(520)의 학습을 위한 학습 데이터 중 도 7의 데이터(511B)에 대응되는 항목일 수 있다. 가령 사용자 단말(100)은 제2 채널에 대한 N개의 제1 지수와 N개의 제3 입력 데이터(534) 각각이 동일한 값이 되도록 N개의 제3 입력 데이터(534)를 생성할 수 있다.

본 발명의 일 실시예에 따른 사용자 단말(100)은 근전도 신호에 기초한 M개의 제4 입력 데이터(531)를 생성할 수 있다. 이와 같은 제4 입력 데이터(531)는 인공 신경망(520)의 학습을 위한 학습 데이터 중 도 7의 데이터(511C)에 대응되는 항목일 수 있다. 가령 본 발명의 일 실시예에 따른 사용자 단말(100)은 상술한 과정에 따라 생성된 제3 지수를 이용하여 제4 입력 데이터(531)를 생성할 수 있다.

본 발명의 일 실시예에 따른 사용자 단말(100)은 인공 신경망(520)에 상술한 과정에 따라 생성된 입력 데이터(531, 532, 533, 534)를 입력하여, 환자(300)가 하나 이상의 환자 상태 각각에 속할 확률값을 포함하는 환자의 상태 데이터(540)를 획득할 수 있다.(S980)

예를 들어 사용자 단말(100)은 인공 신경망(520)으로부터 [0.81, 0.62, 0.34, 0.17, 0.01]과 같은 환자의 상태 데이터(540)를 획득할 수 있다. 이와 같은 환자의 상태 데이터(540)는 환자(300)가 Awake 상태일 확률이 81%이고, 환자(300)가 Sedation 상태일 확률이 62%이고, 환자(300)가 General Anesthesia 상태일 확률이 34%이고, 환자(300)가 Hyper or Deep Anesthesia 상태일 확률이 17%이고, 환자(300)가 Brain Death 상태일 확률이 1%인 것을 의미할 수 있다.

본 발명의 일 실시예에 따른 사용자 단말(100)은 하나 이상의 환자 상태 각각에 대한 확률값에 기초하여 환자(300)의 마취 심도를 결정할 수 있다.(S990)

보다 구체적으로, 본 발명의 일 실시예에 따른 사용자 단말(100)은 환자의 상태 데이터(540)에 포함된 하나 이상의 환자 상태 각각에 대한 확률값을 정규화 하여 정규화 확률값을 산출할 수 있다. 가령 사용자 단말(100)은 하나 이상의 환자 상태 각각에 대한 확률값들의 총 합이 1이 되도록 하는 하나 이상의 환자 상태 각각에 대한 정규화 확률값을 산출할 수 있다.

또한 본 발명의 일 실시예에 따른 사용자 단말(100)은 정규화 확률값 중 가장 큰 확률값을 갖는 환자 상태에 대응되는 가중치 셋트를 정규화 확률값에 적용할 수 있다.

가령 상술한 과정에 따라 산출된 정규화 확률값이 [0.45, 0.25, 0.15, 0.1, 0.05]인 경우, 환자(300)가 Awake 상태(Status 1)일 확률이 가장 높으므로 사용자 단말(100)은 Awake 상태(Status 1)에 대응되는 가중치 셋트(610)를 정규화 확률값에 적용하여 [0.45, 0.2, 0.5, 0.01, 0]과 같은 확률을 산출할 수 있다.

본 발명의 일 실시예에 따른 사용자 단말(100)은 가중치가 적용된 정규화 확률값들의 합에 기초하여 환자(300)의 마취 심도를 결정할 수 있다.

선택적 실시예에서, 본 발명의 일 실시예에 따른 사용자 단말(100)은 다른 방식에 따라 결정된 환자(300)의 마취 심도를 참조하여 환자(300)의 최종 마취 심도를 결정할 수 있다.

도 10은 본 발명의 선택적 실시예에 따라 사용자 단말(100)이 환자(300)의 최종 마취 심도를 결정하는 과정을 설명하기 위한 도면이다.

본 발명의 선택적 실시예에 따른 사용자 단말(100)은 도 2 내지 도 9에서 설명한 과정에 따라 산출된 마취 심도(DOA_1)에 소정의 가중치(W1)를 적용한 제1 마취 심도와 제2 방식으로 산출된 마취 심도(DOA_2)에 소정의 가중치(W2)를 적용한 제2 마취 심도의 합에 기초하여 환자(300)의 최종 마취 심도(DOA_F)를 결정할 수 있다. 이때 마취 심도(DOA_2)를 산출하는 제2 방식은 도 2 내지 도 9에서 설명한 과정과 적어도 일부 과정이 상이한 마취 심도 산출 방식을 의미할 수 있다. 가령 제2 마취 심도는 환자의 뇌파로부터 산출되는 제1 지수, 환자의 뇌파가 소정의 패턴에 부합되는지 정도를 반영하는 제2 지수 및 환자의 상태에 대응되는 적어도 하나의 생체 신호에 기초한 제3 지수에 기초하여 결정되는 마취 심도일 수 있다.

이상 설명된 본 발명에 따른 실시예는 컴퓨터 상에서 다양한 구성요소를 통하여 실행될 수 있는 컴퓨터 프로그램의 형태로 구현될 수 있으며, 이와 같은 컴퓨터 프로그램은 컴퓨터로 판독 가능한 매체에 기록될 수 있다. 이때, 매체는 컴퓨터로 실행 가능한 프로그램을 저장하는 것일 수 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다.

한편, 상기 컴퓨터 프로그램은 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 프로그램의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함될 수 있다.

본 발명에서 설명하는 특정 실행들은 일 실시 예들로서, 어떠한 방법으로도 본 발명의 범위를 한정하는 것은 아니다. 명세서의 간결함을 위하여, 종래 전자적인 구성들, 제어 시스템들, 소프트웨어, 상기 시스템들의 다른 기능적인 측면들의 기재는 생략될 수 있다. 또한, 도면에 도시된 구성 요소들 간의 선들의 연결 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것으로서, 실제 장치에서는 대체 가능하거나 추가의 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들로서 나타내어질 수 있다. 또한, “필수적인”, “중요하게” 등과 같이 구체적인 언급이 없다면 본 발명의 적용을 위하여 반드시 필요한 구성 요소가 아닐 수 있다.

따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.

100: 사용자 단말
110: 통신부
120: 제어부
130: 메모리
140: 디스플레이부
200: 의식 수준 측정 장치
210: 감지부
220: 신호 처리부
211 내지 214: 전극
300: 환자

Claims

환자의 의식 수준을 측정하는 방법에 있어서,
뇌파의 제1 구간으로부터 하나 이상의 주파수 대역의 성분들을 추출하는 단계;
상기 하나 이상의 주파수 대역의 성분들 각각에 대한 제1 지수를 산출하는 단계로써, 상기 제1 구간에서의 소정의 기준 성분의 크기에 대한 상기 하나 이상의 주파수 대역의 성분들 각각의 크기가 소정의 임계값을 초과하는 정도에 기초하여 상기 제1 지수를 산출하고;
학습된 인공 신경망을 이용하여 하나 이상의 주파수 대역의 성분들 각각에 대한 제1 지수로부터 하나 이상의 환자 상태 각각에 대한 확률값을 산출하는 단계; 및
상기 산출된 하나 이상의 환자 상태 각각에 대한 확률값에 기초하여 상기 환자의 의식 수준을 결정하는 단계;를 포함하는, 의식 수준 측정 방법.
청구항 1에 있어서
상기 의식 수준 측정 방법은 상기 추출하는 단계 이전에,
상기 환자의 뇌파를 획득하는 단계;
상기 획득된 뇌파의 적어도 일부를 포함하는 뇌파의 제1 구간을 생성하는 단계; 및
상기 뇌파의 제1 구간에서 노이즈를 제거하는 단계;를 더 포함하고,
상기 추출하는 단계는
상기 노이즈가 제거된 상기 뇌파의 제1 구간으로부터 하나 이상의 주파수 대역들의 성분들을 추출하는, 의식 수준 측정 방법.
청구항 2에 있어서
상기 뇌파를 획득하는 단계는
소정의 샘플링 주파수로 샘플링 된 상기 환자의 뇌파를 획득하는, 의식 수준 측정 방법.
청구항 2에 있어서
상기 뇌파의 제1 구간을 생성하는 단계는
상기 의식 수준을 결정하는 시점으로부터 소정의 시간 간격 이내의 뇌파가 포함되도록 상기 뇌파의 제1 구간을 생성하는, 의식 수준 측정 방법.
청구항 2에 있어서
상기 노이즈를 제거하는 단계는
상기 뇌파의 제1 구간 내에서, 뇌파의 크기가 소정의 임계 크기를 초과하는 시점을 포함하는 제1 부분 구간을 상기 제1 부분 구간과 상이한 구간인 제2 부분 구간으로 대체하는 단계;를 포함하고, 상기 제1 부분 구간 및 상기 제2 부분 구간은 상기 제1 구간의 적어도 일부인, 의식 수준 측정 방법.
청구항 2에 있어서
상기 노이즈를 제거하는 단계는
상기 뇌파의 제1 구간 내에서의 뇌파의 크기가 소정의 임계 크기를 초과하는 패턴이 기 설정된 패턴에 대응되는 경우, 상기 뇌파의 제1 구간을 상기 뇌파의 제2 구간으로 대체하는 단계를 포함하고, 상기 제2 구간은 상기 제1 구간과 상이한 구간으로 상기 뇌파의 적어도 일부인, 의식 수준 측정 방법.
청구항 1에 있어서
상기 추출하는 단계는
상기 뇌파의 제1 구간으로부터 0.5 내지 4Hz의 제1 성분, 4 내지 8Hz의 제2 성분, 8 내지 16Hz의 제3 성분, 16 내지 25Hz의 제4 성분, 25 내지 30Hz의 제5 성분, 30 내지 48Hz의 제6 성분 및 0.5 내지 55Hz의 기준 성분을 추출하는, 의식 수준 측정 방법.
청구항 1에 있어서
상기 하나 이상의 주파수 대역의 성분들은
상기 제1 구간에 속하는 하나 이상의 시점에서의 각각의 주파수 대역의 성분의 크기를 포함하고,
상기 제1 지수를 산출하는 단계는
상기 하나 이상의 시점 각각에 대해서, 상기 기준 성분의 크기에 대한 상기 하나 이상의 주파수 대역들의 성분들의 크기를 산출하는 단계;
상기 산출된 크기가 상기 소정의 임계값을 초과하는 시점을 초과 시점으로 결정하는 단계; 및
상기 제1 구간에 속하는 전체 시점의 수에 대한 상기 초과 시점의 수의 비율에 기초하여 상기 제1 지수를 산출하는 단계;를 포함하는, 의식 수준 측정 방법.
청구항 8에 있어서
상기 소정의 임계값은
상기 제1 구간 내에서의 상기 기준 성분의 절대 크기에 기초하여 결정되는, 의식 수준 측정 방법.
청구항 1에 있어서
상기 의식 수준 측정 방법은
상기 확률값을 산출하는 단계 이전에,
상기 하나 이상의 주파수 대역의 성분들 각각에 대한 제1 지수들의 조합을 이용하여 상기 인공 신경망의 입력 데이터를 생성하는 단계;를 더 포함하는, 의식 수준 측정 방법.
청구항 10에 있어서
상기 의식 수준 측정 방법은
제1 채널로 획득된 상기 환자의 제1 뇌파의 제1 구간으로부터 N(N은 자연수)개의 주파수 대역 각각에 대한 제1 지수를 산출하고,
상기 제1 채널과 구분되는 제2 채널로 획득된 상기 환자의 제2 뇌파의 제1 구간으로부터 상기 N개의 주파수 대역 각각에 대한 상기 제1 지수를 산출하고,
상기 입력 데이터를 생성하는 단계는
상기 제1 채널에 대한 N개의 제1 지수 및 상기 제2 채널에 대한 N개의 제1 지수의 조합(Combination)에 기초하여 N의 2 제곱개의 제1 입력 데이터를 생성하는 단계;
상기 제1 채널에 대한 N개의 제1 지수에 대응되는 N개의 제2 입력 데이터를 생성하는 단계;
상기 제2 채널에 대한 N개의 제1 지수에 대응되는 N개의 제3 입력 데이터를 생성하는 단계;
근전도 신호에 기초한 M(M은 자연수)개의 제4 입력 데이터를 생성하는 단계; 및
상기 제1 입력 데이터, 상기 제2 입력 데이터, 상기 제3 입력 데이터 및 상기 제4 입력 데이터를 포함하는 상기 입력 데이터를 생성하는 단계;를 포함하는, 의식 수준 측정 방법.
청구항 11에 있어서
상기 N은 6이고, 상기 M은 1인, 의식 수준 측정 방법.
청구항 1에 있어서
상기 인공 신경망은
뇌파의 특성이 반영된 데이터 및 근전도 특성이 반영된 데이터를 포함하고, 상기 뇌파의 특성 및 상기 근전도 특성에 대응되는 환자의 상태 데이터가 표지된 학습 데이터에 기반하여, 뇌파의 특성, 근전도 특성 및 환자의 상태 간의 상관관계를 학습한 신경망이고,
상기 뇌파의 특성이 반영된 데이터는
제1 채널로 획득된 뇌파에 대한 N(N은 자연수)개의 제1 지수 및 제2 채널로 획득된 뇌파에 대한 N개의 제1 지수의 조합(Combination)에 기초하여 N의 2 제곱개의 제1 데이터,
상기 제1 채널에 대한 N개의 제1 지수에 대응되는 N개의 제2 데이터,
상기 제2 채널에 대한 N개의 제1 지수에 대응되는 N개의 제3 데이터 및
근전도 신호에 기초한 M(M은 자연수)개의 제4 데이터를 포함하고,
상기 환자의 상태 데이터는
K(K는 자연수)개의 환자 상태 각각에 해당할 확률값을 포함하는, 의식 수준 측정 방법.
청구항 1에 있어서
상기 의식 수준을 결정하는 단계는
상기 하나 이상의 환자 상태 각각에 대한 확률값을 정규화 하여 정규화 확률값을 산출하는 단계;
상기 정규화 확률값 중 가장 큰 확률값을 갖는 환자 상태에 대응되는 가중치 셋트를 상기 정규화 확률값에 적용하는 단계; 및
상기 가중치가 적용된 정규화 확률값들의 합에 기초하여 상기 의식 수준을 결정하는 단계;를 포함하는, 의식 수준 측정 방법.
청구항 14에 있어서
상기 하나 이상의 환자 상태는
Awake 상태, Sedation 상태, General Anesthesia 상태, Deep Anesthesia 상태 및 Brain Death 상태를 포함하고,
상기 적용하는 단계는
상기 5개의 환자 상태 각각에 대한 가중치 세트 중 어느 하나를 상기 정규화 확률에 적용하는, 의식 수준 측정 방법.
청구항 14에 있어서
상기 가중치가 적용된 정규화 확률값들의 합에 기초하여 상기 의식 수준을 결정하는 단계는
상기 가중치가 적용된 정규화 확률값들의 합에 소정의 제1 가중치를 적용한 제1 의식 수준과 제2 방식으로 결정된 제2 마취 심도에 제2 가중치를 적용한 의식 수준에 기초하여 상기 의식 수준을 결정하는, 의식 수준 측정 방법.
컴퓨터를 이용하여
청구항 1 내지 청구항 16 중 어느 한 항의 방법을 실행하기 위하여 매체에 저장된 컴퓨터 프로그램