WO2010032929A2 - 뇌파 분석을 이용한 치매 진단 장치 및 방법 - Google Patents

뇌파 분석을 이용한 치매 진단 장치 및 방법 Download PDF

Info

Publication number
WO2010032929A2
WO2010032929A2 PCT/KR2009/004919 KR2009004919W WO2010032929A2 WO 2010032929 A2 WO2010032929 A2 WO 2010032929A2 KR 2009004919 W KR2009004919 W KR 2009004919W WO 2010032929 A2 WO2010032929 A2 WO 2010032929A2
Authority
WO
WIPO (PCT)
Prior art keywords
dementia
eeg
measured
synchronization
measuring
Prior art date
Application number
PCT/KR2009/004919
Other languages
English (en)
French (fr)
Other versions
WO2010032929A3 (ko
Inventor
이승환
임창환
Original Assignee
인제대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 인제대학교 산학협력단 filed Critical 인제대학교 산학협력단
Priority to US13/119,600 priority Critical patent/US20110230781A1/en
Publication of WO2010032929A2 publication Critical patent/WO2010032929A2/ko
Publication of WO2010032929A3 publication Critical patent/WO2010032929A3/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A61B5/372—Analysis of electroencephalograms
    • A61B5/374—Detecting the frequency distribution of signals, e.g. detecting delta, theta, alpha, beta or gamma waves
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
    • A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—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
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier 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

Definitions

  • the present invention relates to an apparatus and method for diagnosing dementia by analyzing EEG or MEG (hereinafter referred to as 'EEG'), and in particular, a specific frequency based on an EEG signal measured from a multi-channel EEG measurement system. Or it relates to a device and method for measuring the dimensional complexity (synchronized) EEG signal occurs in a specific frequency band, and diagnosing dementia based on the measured value.
  • 'EEG' EEG or MEG
  • a method of diagnosing dementia through a psychological questionnaire is generally performed.
  • the method of diagnosing dementia through psychological questionnaire takes several days and a lot of cost to examine and diagnose the state of dementia.
  • the method of diagnosing dementia through the psychological questionnaire has a disadvantage in that an initial state of dementia cannot be diagnosed before clinical symptoms appear.
  • the biomarker method suffers from the pain of extracting blood or cerebrospinal fluid directly from dementia patients, and it takes considerable time to diagnose the progression of dementia by analyzing the extracted blood or cerebrospinal fluid.
  • the method of diagnosing dementia by measuring EEG is to measure the background EEG or resting EEG of the dementia patient and to compare the measured EEG with the background EEG or resting EEG of the normal person to diagnose dementia in dementia patients.
  • the background EEG or resting EEG refers to an EEG when the user is sitting still with her eyes closed on a chair.
  • the measured EEG is measured in the delta (0-4 Hz), theta (4-8 Hz), alpha (8-12 Hz), beta (15-30 Hz), and gamma (30-60 Hz) bands depending on the frequency component. It is distinguished.
  • FIG. 1 shows EEG measured during resting state of a dementia patient with dementia progressing moderately and EEG measured during resting state of a normal person.
  • the lower waveform of FIG. 1 (a) shows the brain waves of a patient whose degree of dementia progressed more than moderate, measured on the time axis during the resting state, and the upper waveforms show the brain waves of a normal person. And (b) of FIG. 1 shows frequency components 1 of theta band of the patient and theta components of theta band of normal person, measured on the frequency axis during the resting state, with the degree of dementia progressing more than moderate. Doing.
  • the magnitude of the frequency component of the theta band of the patient in which the degree of dementia progressed more than moderate, measured during the operation of closing eyes and resting, is the frequency of the theta band of a normal person. It can be seen that it is larger than the size of the component.
  • Figure 2 shows the brain waves measured during the dementia and the patient with the initial dementia closed eyes and the normal person closed eyes and measured during the resting state.
  • the lower waveform of FIG. 2 (a) shows the EEG of the initial patient with dementia measured on the time axis during the resting state with the eyes closed, and the upper waveform shows the EEG of the normal person. And (b) of FIG. 2 shows the frequency component (1) of theta band of the initial dementia patient and the frequency component (2) of the theta band of the normal person measured on the frequency axis during the rest state with eyes closed.
  • the method of diagnosing dementia by measuring EEG has a problem in that it is not possible to advance dementia early. .
  • this problem can be said to be a very big problem in the treatment of dementia because the drug for dementia that is being developed recently has to be used in the early stages of dementia. Therefore, a method for early diagnosis of dementia is urgently needed.
  • the dementia diagnosis apparatus using the EEG analysis for achieving the above object is a measuring unit having electrodes having a plurality of channels for measuring the EEG signal, and the EEG signal measured by the measuring unit
  • the dementia diagnosis unit provides specific frequency or specific frequency band information for measuring synchronization
  • the dementia determination unit includes mini mental status examination (MMSE), Global Deterioration Scale (GDS), and Duration of Illness (DOI).
  • MMSE mini mental status examination
  • GDS Global Deterioration Scale
  • DOI Duration of Illness
  • a memory unit which provides at least one piece of information of CDR (Clinical Dementia Rating) information.
  • the dementia diagnosis unit measures synchronization of an EEG signal using any one of Global Field Synchronization (GFS) and Global Synchronization Index (GSI).
  • GFS Global Field Synchronization
  • GSI Global Synchronization Index
  • a feature of the method for diagnosing dementia using EEG analysis according to the present invention for achieving the above object is to perform an electroencephalogram signal by performing a potential measurement based on neuronal activation in the brain at a fixed sampling interval. And measuring whether the synchronized EEG signal is generated at a specific frequency based on the measured EEG signal, and determining the subject as dementia if it is determined that the synchronized EEG signal is generated. It is to include.
  • GGS Global Field Synchronization
  • GSI Global Synchronization Index
  • MMSE, GDS and CDR to classify the insured person determined to be dementia patients as suspected dementia, and to determine the degree of dementia by a specific frequency or a specific frequency band of the classified EEG signals of the suspected dementia group Re-determining using any one of the information, and if it is determined that the subject shows a result corresponding to the normal person as a result of the re-decision, it is determined as a suspected dementia, and the subject shows a result corresponding to the dementia patient If it is determined that the case is characterized in that it further comprises the step of determining as a dementia patient.
  • the method for measuring synchronization of the EEG signal comprises performing a Fourier transform on the EEG signal measured at the electrode of each channel to calculate a complex value at a specific frequency (f), and calculate the complex value Extracting two eigenvalues (E 1 , E 2 ) by performing Principal Component Analysis (PCA) on the distribution of the points on the complex plane corresponding to the complex plane; Calculate the calculated eigenvalues (E 1 , E 2 ) Calculating a GFS value by applying a value to the GFS value, determining that the measured EEG signal is synchronized when the calculated GFS value is closer to 1 than 0, and when the calculated GFS value is closer than 0, the measured EEG signal is Determining that it is not synchronized.
  • PCA Principal Component Analysis
  • the method for measuring synchronization of the EEG signals includes calculating synchronization for pairs of electrodes corresponding to all EEG signals measured at a specific frequency and combining them in a matrix form, and eigenvalues decomposition of the combined matrix. Extracting eigenvalues by analyzing the pattern of the synchronization matrix through the equation, and formulating the largest value ⁇ of the extracted eigenvalues Calculating a GSI value by determining the GSI value and determining that the measured EEG signal is synchronized when the calculated GSI value is closer to 1 than 0. Determining that it is not synchronized.
  • Another feature of the method for diagnosing dementia using EEG analysis according to the present invention for achieving the above object is gamma by performing a potential measurement based on neuronal activation in the brain at a fixed sampling interval. Measuring an EEG signal in a wave band, measuring a Dimensional Complexity in a gamma wave band based on the measured EEG signal, and the measured result indicates that the measured dimensional complexity is the minimum value of the dimensional complexity. Determining a subject as dementia if greater than the defined critical dimension complexity.
  • the method comprises: classifying the insured person determined to be dementia patients into a group of suspected dementia, and one of MMSE, DOI, and CDR information for determining the degree of gamma wave band dementia by the conventional method of the classified EEG signals. Re-determining using and, if the result of the re-decision, it is determined that the subject shows a result corresponding to the normal person is determined as suspected dementia, the subject is determined to show the result corresponding to the dementia patient The case is characterized in that it further comprises the step of determining as a dementia patient.
  • the dimensional complexity (D2) is a formula Measured using, where C (r, N) is X i and x j are points of orbits in phase space, N is a number of data pointers in phase space, the distance r is a range around each reference point x i , and ⁇ is 0 if x ⁇ 0, and 1 if x ⁇ 0.
  • Dementia diagnosis apparatus and method using the EEG analysis according to the present invention as described above has the following effects.
  • the degree of dementia through re-determination using the Mini Mental Status Examination (MMSE), Global Deterioration Scale (GDS), Duration of Illness (DOI), or Clinical Dementia Rating (CDR) information among suspected dementia groups classified by GFS or GSI. Therefore, it is possible to measure and evaluate the degree of dementia more accurately.
  • MMSE Mini Mental Status Examination
  • GDS Global Deterioration Scale
  • DOI Duration of Illness
  • CDR Clinical Dementia Rating
  • the dementia is diagnosed by measuring the brain waves of the dementia patient, it is possible to diagnose the dementia state without causing pain to the dementia patient.
  • FIG. 1 is a waveform diagram and a graph showing EEG measured during resting state of a dementia patient with dementia progressing more than moderate and EEG measured during resting state of a normal person
  • FIG. 2 is a waveform diagram and graph showing EEG measured during initial resting patients with closed eyes and EEG measured during resting with normal eyes closed.
  • Figure 3 is a block diagram showing the configuration of an apparatus for diagnosing dementia using EEG analysis according to an embodiment of the present invention
  • FIG. 4 is a flowchart illustrating a method for diagnosing dementia using EEG analysis according to an embodiment of the present invention.
  • FIG. 5 is a flowchart illustrating a method of measuring synchronization of an EEG signal using a GFS.
  • FIG. 6 is a flowchart illustrating a method of measuring synchronization of an EEG signal using a GSI.
  • FIG. 7 is a graph illustrating a distribution of points corresponding to a complex plane by representing a complex value expressed at a specific frequency for explaining synchronization through a GFS value.
  • FIG. 8 is a flowchart illustrating a dementia diagnosis method using EEG analysis according to another embodiment of the present invention.
  • Figure 3 is a block diagram showing the configuration of an apparatus for diagnosing dementia using EEG analysis according to an embodiment of the present invention.
  • a measuring unit 10 having electrodes having a plurality of channels for measuring an EEG signal, an amplifying unit 20 for amplifying the EEG signal measured by the measuring unit 10, and Dementia diagnosis unit 30 for measuring the degree of occurrence of dimensional complexity or synchronized EEG signal at a specific frequency or a specific frequency band based on the amplified EEG signal, and in the dementia diagnosis unit 30 It includes a dementia determination unit 40 for diagnosing dementia based on the measured dimensional complexity or the degree of synchronization.
  • the memory for providing a specific frequency or specific frequency band information for measuring the dimensional complexity or synchronization in the dementia diagnosis unit 30, and provides MMSE, GDS, DOI or CDR information to the dementia determination unit 40
  • the unit 50 further includes.
  • the dementia diagnosis unit 30 measures the synchronization of the EEG signal using any one of Global Field Synchronization (GFS) and Global Synchronization Index (GSI), and gamma of the EEG signals measured by the measurement unit 10. Dimensional complexity is measured using EEG signals in the wave band (30-70 Hz).
  • FIG. 4 is a flowchart illustrating a dementia diagnosis method using EEG analysis according to an embodiment of the present invention.
  • the measuring unit 10 including the electrodes is disposed at a designated position of the head (S100), and potential measurement based on neuronal activation in the brain is performed at a constant sampling interval ( The EEG signal is measured by performing a fixed sampling interval (S200).
  • the electrode is attached to the head skin of the dementia patient according to the international standard 10-20 method, or wearing an EEG cap attached to the head of the dementia patient to measure the EEG (EEG or MEG) of the dementia patient.
  • EEG EEG or MEG
  • GGS Global Field Synchronization
  • GSI Global Synchronization Index
  • FIG. 5 is a flowchart illustrating a method of measuring synchronization of an EEG signal using a GFS
  • FIG. 6 is a flowchart illustrating a method of measuring synchronization of an EEG signal using a GSI.
  • GFS was first proposed in 2001 by Koenig et al. (Koenig, T., Lehmann, D., Saito, N., Kuginuki, T., Kinoshita, T., Koukkou, M., 2001. Decreased functional connectivity of EEG theta-frequency activity in first-episode, neuroleptic-naive patients with schizophrenia: preliminary results.Schizophr. Res. 50, 55-60.), wherein the GFS is an EEG signal first measured at the electrode of each channel, as shown in FIG. Is transformed into a frequency domain by a Fourier transform and is represented as a complex value at a specific frequency (S301).
  • the specific frequency used is information for determining the degree of dementia for each frequency and may be represented as shown in Table 1 below. This is stored in advance in the memory unit 50.
  • the direction component of each vector means the phase of the signal at the specific frequency. If the phase values of the electrodes have a synchronized property, the distribution of the points displayed on the complex plane will have a constant direction as shown in FIG. 7 (a). These distributions do not have directivity as shown in FIG.
  • the calculated complex values are first corresponded to the complex plane (S302), and then principal component analysis (PCA) is performed on the distribution of each point on the complex plane. Eigenvalues are extracted (S303).
  • Equation 1 the GFS value at a specific frequency f is calculated using Equation 1 below.
  • Equation 1 if the distribution of points lies in a straight line as shown in FIG. 7 (a), the value of GFS is 1 since E 2, which is a direction component perpendicular to the main component, will have a value close to zero. If the distribution of points does not show a regularity and is spread evenly as shown in (b) of FIG. 7, the values of E 1 and E 2 have almost the same value, and thus the value of GFS is It will have a value close to zero.
  • the GFS value calculated by Equation 1 having a value close to 1 means that brain waves measured at all electrodes are synchronized (S306), and that the GFS value has a value close to 0 is common. This means that the measured EEG is not synchronized because the in-phase does not exist (S307).
  • GSI was first developed in 2007 by Li et al. (Li, X., Cui, D., Jiruska, P., Fox, JE, Yao, X., Jefferys, JGR, 2007. Synchronization Measurement of Multiple Neuronal Populations) J. Neurophysiol. 98, 3341-3348.), As shown in FIG. 6, the GSI first calculates synchronization for pairs of electrodes corresponding to all EEG signals measured at a specific frequency (S310) Combination in the form (S320). At this time, the method of calculating the synchronization is calculated by applying a previously published method such as coherence, phase coherence, equal-time correlation.
  • a previously published method such as coherence, phase coherence, equal-time correlation.
  • the specific frequency used is information for determining the degree of dementia for each frequency and may be represented as shown in Table 2 below. This is stored in advance in the memory unit 50.
  • the elements of a matrix made of a combination of matrix types through such a specific frequency generally have a value between -1 and 1, and an element having a value close to 1 indicates a great synchronization between two corresponding EEG signals.
  • An element having a value close to ⁇ 1 means that synchronization between the two EEG signals hardly occurs.
  • the patterns of this matrix form a local cluster, which means that synchronization occurs between specific regions of the brain.
  • the eigenvalues are extracted by analyzing the pattern of the synchronization matrix through eigenvalues decomposition (S330).
  • the GSI value is calculated using Equation 2 below (S340).
  • the value of the GSI calculated using Equation 2 has a value of 0 to 1, which is closer to 1, which means that the EEGs measured in all channels are synchronized (S360), and the GSI value is 0. Closer to means that the synchronization of the brain waves is reduced (S370).
  • S360 the EEG signals measured at the electrodes of each channel are substantially locally synchronized, it is possible to extract the correlation feature better using the synchronization measured using the GSI rather than the GFS.
  • the subject is determined to be a normal person (S500).
  • MMSE MMSE, GDS, or CDR information that determines the degree of dementia for each specific frequency or specific frequency band calculated by the existing method stored in the memory unit 50.
  • MMSE, GDS, or CDR information for determining the degree of dementia by frequency may be expressed as shown in Table 3 below. This is stored in advance in the memory unit 50.
  • alpha (beta), beta 1 (beta1), beta 2 (beta2), beta 3 (beta3) Determining the degree of dementia by using the frequency components of the full band, and using the CDR information, alpha, beta 1, beta 2, beta 3, beta 3, and full
  • the frequency component of the band is used to determine the degree of dementia.
  • FIG. 8 is a flowchart illustrating a dementia diagnosis method using EEG analysis according to another embodiment of the present invention.
  • the measurement unit 10 including the electrodes is disposed at a predetermined position of the head (S10), and potential measurement based on neuronal activation in the brain is performed at a constant sampling interval (
  • the EEG signal of the gamma wave band (30-70 Hz) is measured by performing a fixed sampling interval (S20).
  • the electrode is attached to the head skin of the dementia patient according to the international standard 10-20 method, or wearing an EEG cap attached to the head of the dementia patient to measure the EEG (EEG or MEG) of the dementia patient.
  • EEG EEG or MEG
  • the dimensional complexity in the gamma wave band provided by the memory unit 50 is measured through the dementia diagnosis unit 30 based on the EEG signal measured at each channel electrode (S30).
  • the method for measuring the dimensional complexity (D2) of the EEG signal is calculated using the following equation (3).
  • N is the number of data pointers in phase space
  • distance r is the range around each reference point x i
  • ⁇ is 0 if x ⁇ 0, and 1 if Heaviside function defined as x ⁇ 0.
  • the subject is determined to be a normal person ( S50).
  • the subject when the measured dimensional complexity is smaller than the critical dimensional complexity (S40), the subject is classified as a dementia suspect group.
  • re-determination is performed using at least one of DOI, MMSE, or CDR information for determining the degree of dementia of the gamma wave band calculated by the existing method stored in the memory unit 50.
  • DOI, MMSE, CDR information, etc. for determining the dementia degree of the gamma wave band may be expressed as shown in Table 5 below. This is stored in advance in the memory unit 50.

Abstract

본 발명은 다채널 뇌파 측정 시스템으로부터 측정된 뇌파 신호를 기반으로 특정 주파수 혹은 특정 주파수 대역에서 차원 복잡성(dimensional complexity) 또는 동기화(synchronized)되는 뇌파 신호가 발생하는지를 측정 및 평가하여 치매를 조기에 진단할 수 있는 장치 및 방법을 제공하기 위한 것으로서, 뇌파 신호를 측정하기 위한 복수의 채널을 갖는 전극들을 구비하고 있는 측정부와, 상기 측정부에서 측정된 뇌파 신호를 증폭하는 증폭부와, 상기 증폭된 뇌파 신호를 기반으로 특정 주파수 혹은 특정 주파수 대역에서 차원 복잡성(dimensional complexity) 또는 동기화(synchronized)된 뇌파 신호의 발생 정도를 측정하는 치매 진단부와, 상기 치매 진단부에서 측정된 차원 복잡성 또는 동기화의 발생 정도에 기반하여 치매를 진단하는 치매 판단부를 포함하는데 있다.

Description

[규칙 제26조에 의한 보정 06.10.2009]　뇌파 분석을 이용한 치매 진단 장치 및 방법
본 발명은 뇌파 또는 뇌자도(EEG 또는MEG)(이하 ‘뇌파’라 칭함)를 분석하여 치매를 진단하는 장치 및 방법에 관한 것으로, 특히 다채널 뇌파 측정 시스템으로부터 측정된 뇌파 신호를 기반으로 특정 주파수 혹은 특정 주파수 대역에서 차원 복잡성(dimensional complexity) 또는 얼마나 동기화(synchronized)된 뇌파 신호가 발생하는지를 측정하고, 측정된 값에 기반하여 치매를 진단하는 장치 및 방법에 관한 것이다.
전 세계적으로 고령화가 급속히 진행 중에 있으며, 이와 함께 치매 환자도 급격히 증가하고 있다. 따라서 치매환자를 관리하고 치료하기 위해 경제적 비용이 기하급수적으로 증가할 것은 명확하다.
최근 들어, 치매증상이 나타나는 것을 지연하고 개선할 수 있는 치료약들이 개발되고 있으며, 더욱 효능이 개선된 치료약들을 개발하기 위한 투자와 노력이 계속되고 있다. 그러나 상기 치료약은 치매의 초기 단계에 사용해야 효능이 있기 때문에 치매의 조기 진단과 조기 치료가 핵심적인 이슈가 되고 있다.
치매를 진단하기 위해 심리학적인 문진을 통한 치매 진단 방법이 일반적으로 행하여지고 있다. 그러나 심리학적인 문진을 통한 치매 진단 방법으로는 치매의 상태를 검사하고 진단하는데 수일 동안의 시간과 많은 비용이 소요된다. 더구나 상기 심리학적인 문진을 통한 치매 진단 방법은 임상적인 증상이 나타나기 전에 치매의 초기 상태를 진단할 수 없다는 단점을 가지고 있다.
현재 계속해서 연구가 진행되고 있는 치매를 진단하기 위한 또 다른 종래의 기술들은 fMRI 또는 PET를 이용하여 뇌영상을 촬영하여 치매 진행 정도를 진단하는 방법과 치매 환자로부터 추출한 혈액이나 뇌척수액을 분석하여 치매 진행 정도를 진단하는 바이오마커(Bio-marker) 방법, 뇌파(EEG 또는 MEG)를 측정하여 치매를 진단하는 방법 등이 존재한다.
치매의 초기 상태에서 뇌에서 아세틸콜린 관련 기능의 이상 현상은 많은 실험적 증거로 증명되었으며, 아세틸콜린과 베타아밀로이드 사이의 긴밀한 관계도 실험적으로 확인되고 있다. 뇌 안의 베타 아밀로이드 또는 아세틸콜린의 변화를 PET를 이용한 뇌영상 촬영기술을 이용하여 측정하여 치매를 조기에 진단할 수 있는 기술이 개발 중이다. 그러나 뇌영상 촬영 방식에 대한 기술 개발이 완료된 후에도 장비가 고가이므로 널리 사용되는데 제한이 있다.
바이오마커 방법은 치매 환자로부터 직접적으로 혈액이나 최척수액을 추출하는데 고통이 뒤따르며, 추출한 혈액이나 뇌척수액을 분석하여 치매 진행 상태를 진단하는데 상당한 시간이 소요되는 단점이 있다.
한편, 뇌파(EEG 또는 MEG)를 측정하여 치매를 진단하는 방법은 치매 환자의 배경 뇌파 또는 휴식 뇌파를 측정하고 측정된 뇌파를 정상인의 배경뇌파 또는 휴식 뇌파와 비교하여 치매환자의 치매를 진단한다. 상기 배경 뇌파 또는 휴식 뇌파는 의자에 눈을 감고 가만히 앉아있을 때의 뇌파를 의미한다. 종래의 기술에 의하면 측정된 뇌파는 주파수 성분에 따라 델타(0-4Hz), 세타(4-8Hz), 알파(8-12Hz), 베타(15-30Hz), 그리고 감마(30-60Hz) 대역으로 구분하고 있다.
그러나 지금까지 델타(delta), 세타(theta), 알파(alpha), 베타(beta) 그리고 감마(gamma) 대역의 주파수 성분들의 생성 원리와 생리학적인 의미 및 역할은 잘 알려져 있지 않다. 따라서 뇌파를 측정하여 치매 환자의 치매를 진단하는 방법에서 각 대역의 주파수 성분들은 치매 환자의 행동에 무관하게 각각 하나로 생각되어 있으며, 통상적으로 치매 환자의 배경 뇌파 또는 휴식 뇌파 중 세타 대역의 주파수 성분을 정상인의 배경 뇌파 또는 휴식 뇌파 중 세타 대역의 주파수 성분과 비교하여 치매 환자의 치매를 진단하였다.
도 1 은 치매가 중등도 이상으로 진행된 치매 환자의 휴식 상태 중 측정된 뇌파와 정상인의 휴식 상태 중 측정된 뇌파를 도시하고 있다.
도 1의 (a) 중 아래의 파형은 눈을 감고 휴식 상태 중 시간 축 상에서 측정된, 치매정도가 중등도 이상으로 진행된 환자의 뇌파를 도시하고 있으며, 위의 파형은 정상인의 뇌파를 도시하고 있다. 그리고 도 1의 (b)는 눈을 감고 휴식 상태 중 주파수 축 상에서 측정된, 치매정도가 중등도 이상으로 진행된 환자의 세타 대역의 주파수 성분(1)과 정상인의 세타 대역의 주파수 성분(2)을 도시하고 있다.
도 1의 (a)(b)에서 도시하고 있는 것과 같이, 눈을 감고 휴식을 취하는 동작 중 측정된, 치매정도가 중등도 이상으로 진행된 환자의 세타 대역의 주파수 성분의 크기는 정상인의 세타 대역의 주파수 성분의 크기보다 크게 나타내고 있음을 알 수 있다.
한편, 도 2 는 치매 초기 환자가 눈을 감고 휴식 상태 중 측정된 뇌파와 정상인이 눈을 감고 휴식 상태 중 측정된 뇌파를 도시하고 있다.
도 2의 (a) 중 아래의 파형은 눈을 감고 휴식 상태 중 시간 축 상에서 측정된 치매 초기 환자의 뇌파를 도시하고 있으며, 위의 파형은 정상인의 뇌파를 도시하고 있다. 그리고 도 2의 (b)는 눈을 감고 휴식 상태 중 주파수 축 상에서 측정된 치매 초기 환자의 세타 대역의 주파수 성분(1)과 정상인의 세타 대역의 주파수 성분(2)을 도시하고 있다.
도 2의 (a)(b)에서 도시하고 있는 것과 같이, 눈을 감고 휴식을 취하는 동작 중 측정된 치매 초기 환자의 세타 대역의 주파수 성분의 크기와 정상인의 세타 대역의 주파수 성분의 크기는 크게 차이가 없음을 알 수 있다.
이처럼, 치매 초기 환자에게서는 세타 대역의 주파수 성분과 정상인의 세타 대역의 주파수 성분은 큰 차이가 없어 뇌파(EEG 또는 MEG)를 측정하여 치매를 진단하는 방법은 치매를 조기에 진달 할 수 없는 문제점이 있다. 그리고 이러한 문제점은 최근 개발되고 있는 치매 치료약의 경우 치매의 초기 단계에 사용해야 효능이 있기 때문에 치매 치료에 있어 매우 큰 문제라고 할 수 있다. 따라서 치매를 조기에 진단하는 방법이 현재 절실히 필요한 실정이다.
상기와 같은 목적을 달성하기 위한 본 발명에 따른 뇌파 분석을 이용한 치매 진단 장치의 특징은 뇌파 신호를 측정하기 위한 복수의 채널을 갖는 전극들을 구비하고 있는 측정부와, 상기 측정부에서 측정된 뇌파 신호를 증폭하는 증폭부와, 상기 증폭된 뇌파 신호를 기반으로 특정 주파수 혹은 특정 주파수 대역에서 차원 복잡성(dimensional complexity) 또는 동기화(synchronized)된 뇌파 신호의 발생 정도를 측정하는 치매 진단부와, 상기 치매 진단부에서 측정된 차원 복잡성 또는 동기화의 발생 정도에 기반하여 치매를 진단하는 치매 판단부를 포함하는데 있다.
바람직하게 상기 치매 진단부에서 동기화 여부를 측정하기 위한 특정 주파수 혹은 특정 주파수 대역 정보를 제공하고, 상기 치매 판단부에 MMSE(mini mental status examination), GDS(Global Deterioration Scale), DOI(Duration of Illness) 및 CDR(clinical dementia rating) 정보 중 적어도 하나의 정보를 제공하는 메모리부를 더 포함하는 것을 특징으로 한다.
바람직하게 상기 치매 진단부는 GFS(Global Field Synchronization) 및 GSI(Global Synchronization Index) 중 어느 하나를 이용하여 뇌파 신호의 동기화를 측정하는 것을 특징으로 한다.
상기와 같은 목적을 달성하기 위한 본 발명에 따른 뇌파 분석을 이용한 치매 진단 방법의 특징은 뇌에서의 뉴론 활동(neuronal activation)에 기초하는 전위 측정을 일정한 샘플링 간격(fixed sampling interval)으로 수행하여 뇌파 신호를 측정하는 단계와, 상기 측정된 뇌파 신호를 기반으로 특정 주파수에서 동기화된 뇌파 신호가 발생하는지 측정하는 단계와, 상기 측정결과, 동기화된 뇌파 신호가 발생한 것으로 판단되면 피험자를 치매환자로 판단하는 단계를 포함하는데 있다.
바람직하게 상기 뇌파 신호의 동기화를 측정하는 방법으로 GFS(Global Field Synchronization) 및 GSI(Global Synchronization Index)가 이용되는 것을 특징으로 한다.
바람직하게 상기 치매환자로 판단된 피보험자를 치매 의심군으로 분류하는 단계와, 상기 분류된 치매 의심군의 뇌파 신호를 기존의 방법으로 특정 주파수 또는 특정 주파수 대역별 치매정도를 판단하는 MMSE, GDS 및 CDR 정보 중 어느 하나를 이용하여 재 판단하는 단계와, 상기 재 판단 결과, 피험자가 정상인에 해당하는 결과를 보이는 경우로 판단되는 경우는 치매 의심환자로 판단하고, 피험자가 치매환자에 해당하는 결과를 보이는 경우로 판단되는 경우는 치매환자로 최종 판단하는 단계를 더 포함하는 것을 특징으로 한다.
[규칙 제26조에 의한 보정 06.10.2009]　
바람직하게 상기 뇌파 신호의 동기화 측정 방법은 각 채널의 전극에서 측정된 뇌파 신호를 푸리에 변환(fourier transform)을 수행하여 특정 주파수(f)에서 복소수 값으로 산출하는 단계와, 상기 산출된 복소수 값을 복소수 평면(complex plane)에 대응시켜 복소평면 상의 각 점들의 분포에 대해 주성분 분석(Principal Component Analysis : PCA)을 수행하여, 2개의 고유치(eigenvalues)(E1,E2)를 추출하는 단계와, 상기 산출된 고유치(E1,E2)를 수식
Figure WO-DOC-23
에 적용시켜 GFS 값을 산출하는 단계와, 상기 산출된 GFS 값이 0보다 1에 가까운 값을 가지면 측정된 뇌파 신호가 동기화되어 있는 것으로 판단하고, 1보다 0에 가까운 값을 가지면 측정된 뇌파 신호가 동기화되지 않은 것으로 판단하는 단계를 포함하는 것을 특징으로 한다.
[규칙 제26조에 의한 보정 06.10.2009]　
바람직하게 상기 뇌파 신호의 동기화 측정 방법은 특정 주파수에서 측정된 모든 뇌파 신호에 상응하는 전극의 쌍들에 대해서 동기화를 계산하고 이를 행렬 형태로 조합하는 단계와, 상기 조합된 행렬을 고유치 분해(eigenvalues decomposition)를 통해 동기화 행렬의 패턴을 분석하여 고유치(eigenvalues)를 추출하는 단계와, 상기 추출된 고유치 중 가장 큰 값(λ)을 수식
Figure WO-DOC-24
에 적용시켜 GSI 값을 산출하는 단계와, 상기 산출된 GSI 값이 0보다 1에 가까운 값을 가지면 측정된 뇌파 신호가 동기화되어 있는 것으로 판단하고, 1보다 0에 가까운 값을 가지면 측정된 뇌파 신호가 동기화되지 않은 것으로 판단하는 단계를 포함하는 것을 특징으로 한다.
상기와 같은 목적을 달성하기 위한 본 발명에 따른 뇌파 분석을 이용한 치매 진단 방법의 다른 특징은 뇌에서의 뉴론 활동(neuronal activation)에 기초하는 전위 측정을 일정한 샘플링 간격(fixed sampling interval)으로 수행하여 감마파 대역의 뇌파 신호를 측정하는 단계와, 상기 측정된 뇌파 신호를 기반으로 감마파 대역에서의 차원 복잡성(Dimensional Complexity)을 측정하는 단계와, 상기 측정결과, 측정된 차원 복잡성이 차원 복잡성의 최소값으로 정의된 임계 차원 복잡성 보다 크면 피험자를 치매환자로 판단하는 단계를 포함하는데 있다.
바람직하게 상기 치매환자로 판단된 피보험자를 치매 의심군으로 분류하는 단계와, 상기 분류된 치매 의심군의 뇌파 신호를 기존의 방법으로 감마파 대역 치매정도를 판단하는 MMSE, DOI 및 CDR 정보 중 어느 하나를 이용하여 재 판단하는 단계와, 상기 재 판단 결과, 피험자가 정상인에 해당하는 결과를 보이는 경우로 판단되는 경우는 치매 의심환자로 판단하고, 피험자가 치매환자에 해당하는 결과를 보이는 경우로 판단되는 경우는 치매환자로 최종 판단하는 단계를 더 포함하는 것을 특징으로 한다.
[규칙 제26조에 의한 보정 06.10.2009]　
바람직하게 상기 차원 복잡성(Dimensional Complexity)(D2)은 수식
Figure WO-DOC-27
을 이용하여 측정하고, 이때, C(r,N)는 수식
Figure WO-DOC-271
을 이용하여 정의되며, 상기 x i 와 x j 는 위상 공간에서 궤도의 포인트이고, 상기 N은 위상 공간에서 데이터 포인터의 넘버이고, 상기 거리 r은 각 참조 포인트 x i 주변 범위이고, 상기 θ는 0 if x<0, and 1 if x≥0 같이 정의된 Heaviside 함수인 것을 특징으로 한다.
이상에서 설명한 바와 같은 본 발명에 따른 뇌파 분석을 이용한 치매 진단 장치 및 방법은 다음과 같은 효과가 있다.
첫째, 측정된 뇌파 신호를 기반으로 특정 주파수 혹은 특정 주파수 대역에서 차원 복잡성(dimensional complexity) 또는 얼마나 동기화(synchronized)된 뇌파 신호가 발생하느냐를 통해 치매를 진단함에 따라 치매를 조기에 진단할 수 있는 정보를 제공하거나 치매를 조기에 진단할 수 있다.
둘째, GFS 또는 GSI를 통해 분류된 치매 의심군 중 MMSE(Mini Mental Status Examination), GDS(Global Deterioration Scale), DOI(Duration of Illness) 또는 CDR(Clinical Dementia Rating) 정보를 이용한 재 판단을 통해 치매정도를 판단하므로 보다 정확한 치매정도 측정 및 평가를 수행할 수 있다.
셋째, 치매 환자의 뇌파를 측정하여 치매를 진단하기 때문에 치매 환자에게 고통을 주지 않고 치매상태를 진단할 수 있다.
도 1 은 치매가 중등도 이상으로 진행된 치매 환자의 휴식 상태 중 측정된 뇌파와 정상인의 휴식 상태 중 측정된 뇌파를 도시하고 있는 파형도 및 그래프
도 2 는 치매 초기 환자가 눈을 감고 휴식 상태 중 측정된 뇌파와 정상인이 눈을 감고 휴식 상태 중 측정된 뇌파를 도시하고 있는 파형도 및 그래프
도 3 은 본 발명의 실시예에 따른 뇌파 분석을 이용한 치매 진단을 위한 장치의 구성을 나타낸 블록도
도 4 는 본 발명의 실시예에 따른 뇌파 분석을 이용한 치매 진단 방법을 설명하기 위한 흐름도
도 5 는 GFS를 이용하여 뇌파 신호의 동기화를 측정하는 방법을 설명하기 위한 흐름도
도 6 은 GSI를 이용하여 뇌파 신호의 동기화를 측정하는 방법을 설명하기 위한 흐름도
도 7 은 GFS 값을 통한 동기화 여부를 설명하기 위한 특정 주파수에서 표현된 복소수 값을 복소수 평면에 대응시킨 점들의 분포를 나타낸 그래프
도 8 은 본 발명의 다른 실시예에 따른 뇌파 분석을 이용한 치매 진단 방법을 설명하기 위한 흐름도
본 발명의 다른 목적, 특성 및 이점들은 첨부한 도면을 참조한 실시예들의 상세한 설명을 통해 명백해질 것이다.
본 발명에 따른 뇌파 분석을 이용한 치매 진단 방법의 바람직한 실시예에 대하여 첨부한 도면을 참조하여 설명하면 다음과 같다. 그러나 본 발명은 이하에서 개시되는 실시예에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예는 본 발명의 개시가 완전하도록하며 통상의 지식을 가진자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다.
도 3 은 본 발명의 실시예에 따른 뇌파 분석을 이용한 치매 진단을 위한 장치의 구성을 나타낸 블록도이다.
도 3과 같이, 뇌파 신호를 측정하기 위한 복수의 채널을 갖는 전극들을 구비하고 있는 측정부(10)와, 상기 측정부(10)에서 측정된 뇌파 신호를 증폭하는 증폭부(20)와, 상기 증폭된 뇌파 신호를 기반으로 특정 주파수 혹은 특정 주파수 대역에서 차원 복잡성(dimensional complexity) 또는 동기화(synchronized)된 뇌파 신호의 발생 정도를 측정하는 치매 진단부(30)와, 상기 치매 진단부(30)에서 측정된 차원 복잡성 또는 동기화의 발생 정도에 기반하여 치매를 진단하는 치매 판단부(40)를 포함한다. 아울러, 상기 치매 진단부(30)에서 차원 복잡성 또는 동기화 여부를 측정하기 위한 특정 주파수 혹은 특정 주파수 대역 정보를 제공하고, 상기 치매 판단부(40)에 MMSE, GDS, DOI 또는 CDR 정보를 제공하는 메모리부(50)를 더 포함한다.
이때, 상기 치매 진단부(30)는 GFS(Global Field Synchronization) 및 GSI(Global Synchronization Index) 중 어느 하나를 이용하여 뇌파 신호의 동기화를 측정하고, 상기 측정부(10)에서 측정된 뇌파 신호 중 감마파 대역(30-70 Hz)의 뇌파 신호를 이용하여 차원 복잡성을 측정한다.
이와 같이 구성된 본 발명에 따른 뇌파 분석을 이용한 치매 진단 장치의 동작을 첨부한 도면을 참조하여 상세히 설명하면 다음과 같다.
제 1 실시예
도 4 는 본 발명의 실시예에 따른 뇌파 분석을 이용한 치매 진단 방법을 설명하기 위한 흐름도이다.
도 4를 참조하여 설명하면, 먼저 전극들을 구비하고 있는 측정부(10)를 머리부의 지정 위치에 배치하고(S100), 뇌에서의 뉴론 활동(neuronal activation)에 기초하는 전위 측정을 일정한 샘플링 간격(fixed sampling interval)으로 수행하여 뇌파 신호를 측정한다(S200). 상기 전극은 국제표준 10-20 방식에 따라 치매 환자의 머리피부에 부착하거나 상기 전극들이 부착된 뇌파 측정용 모자를 치매 환자의 머리에 착용시켜 치매환자의 뇌파(EEG 또는 MEG)를 측정한다. 이때 상기 측정부에서 측정된 뇌파는 약한 신호이기 때문에 측정된 뇌파 신호는 증폭부(20)에서 증폭된다.
이어 각 채널의 전극에서 측정된 뇌파 신호를 기반으로 치매 진단부(30)를 통해 메모리부(50)에서 제공하는 특정 주파수 혹은 특정 주파수 대역에서 얼마나 동기화된 뇌파 신호가 발생하는지를 측정한다(S300). 이때, 상기 뇌파 신호의 동기화를 측정하는 방법으로 GFS(Global Field Synchronization) 및 GSI(Global Synchronization Index)가 이용된다.
도 5 는 GFS를 이용하여 뇌파 신호의 동기화를 측정하는 방법을 설명하기 위한 흐름도이고, 도 6 은 GSI를 이용하여 뇌파 신호의 동기화를 측정하는 방법을 설명하기 위한 흐름도이다.
GFS는 Koenig 등에 의해서 2001년에 최초로 제안된 지표(Koenig, T., Lehmann, D., Saito, N., Kuginuki,T., Kinoshita, T., Koukkou, M., 2001. Decreased functional connectivity of EEG theta-frequency activity in first-episode, neuroleptic-naive patients with schizophrenia: preliminary results. Schizophr. Res. 50, 55-60.)로서, 상기 GFS는 도 5와 같이, 먼저 각 채널의 전극에서 측정된 뇌파 신호는 푸리에 변환(fourier transform)에 의해서 주파수 도메인으로 변환되며, 특정 주파수에서 복소수 값으로 표현된다(S301).
이때 사용되는 특정 주파수는 주파수별 치매정도를 판단하기 위한 정보로서 다음 표 1과 같이 나타낼 수 있다. 이는 메모리부(50)에 미리 저장되어 있다.
[규칙 제91조에 의한 정정 15.10.2009]　
표 1
Figure WO-DOC-TABLE-1
이때, P(통계량에 따른 유의 확률값)의 값이 0.05 이하의 값에서 신뢰할 수 있으므로, 사용되는 특정 주파수는 세타(theta), 베타1(beta1), 베타2(beta2), 베타3(beta3), 풀(Full)대역의 주파수 성분들을 이용하여 치매정도를 판단한다.
이와 같은 특정 주파수에서 표현된 복소수 값을 복소수 평면(complex plane)에 대응시킬 경우 각 벡터의 방향 성분은 특정 주파수에서 그 신호의 위상을 의미하게 된다. 그리고 여러 전극들에서의 위상 값이 동기화된 성질을 가지고 있다면 복소평면 상에 표시된 점들의 분포가 도 7의 (a)와 같이 일정한 방향성을 가지게 될 것이나, 동기화가 되지 않은 경우에는 복소 평면상의 각 점들의 분포가 도 7의 (b)와 같이 방향성을 가지지 않게 된다.
이러한 점들의 분포를 측정하기 위한 방법으로 먼저 산출된 복소수 값을 복소수 평면에 대응시키고(S302), 이어 복소평면 상의 각 점들의 분포에 대해 주성분 분석(Principal Component Analysis : PCA)을 수행하여, 2개의 고유치(eigenvalues)를 추출한다(S303).
참고로 특정 주파수에서의 고유치를 E1과 E2라고 할 때, E1은 가장 주된 방향 성분을 나타내는 고유치이며, E2는 상기 E1과 수직한 방향 성분의 고유치를 의미한다. 특정 주파수 f에서의 GFS 값은 다음 수학식 1을 이용하여 계산된다.
[수학식 1]
[규칙 제26조에 의한 보정 06.10.2009]　
Figure WO-DOC-59
수학식 1과 같이, 점들의 분포가 도 7의 (a)처럼 일직선상에 놓여 있다면, 주방향 성분에 대해서 수직한 방향 성분인 E2는 거의 0에 가까운 값을 가지게 될 것이므로 GFS의 값은 1에 가까운 값을 가지게 되나, 점들의 분포가 일정한 규칙성을 보이지 않고 도 7의 (b)처럼 균등하게 퍼져 있는 경우에는 E1과 E2의 값이 거의 같은 값을 가지게 되고, 따라서 GFS의 값은 0에 가까운 값을 가지게 된다.
이처럼, 상기 수학식 1에 의해 산출되는 GFS값이 1에 가까운 값을 가진다는 것은 모든 전극에서 측정된 뇌파가 동기화되어 있음을 의미하며(S306), GFS값이 0에 가까운 값을 가진다는 것은 공통적인 위상이 존재하지 않음으로 측정된 뇌파가 동기화되지 않음을 의미한다(S307).
아울러, GSI는 Li등에 의해서 2007년에 최초로 고안된 지표(Li, X., Cui, D., Jiruska, P., Fox, J.E., Yao, X., Jefferys, J.G.R., 2007. Synchronization Measurement of Multiple Neuronal Populations. J. Neurophysiol. 98, 3341-3348.)로서, 도 6과 같이, 상기 GSI는 먼저 특정 주파수에서 측정된 모든 뇌파 신호에 상응하는 전극의 쌍들에 대해서 동기화를 계산한 후(S310), 이를 행렬 형태로 조합한다(S320). 이때, 상기 동기화를 계산하는 방법은 coherence, phase coherence, equal-time correlation 등 기존에 발표된 방법을 적용하여 산출한다.
이때 사용되는 특정 주파수는 주파수별 치매정도를 판단하기 위한 정보로서 다음 표 2와 같이 나타낼 수 있다. 이는 메모리부(50)에 미리 저장되어 있다.
표 2
Band AD (N=22) Controls (N=23) P
Mean SD Mean SD
Delta(1-3 Hz) 0.28 0.03 0.29 0.05 0.199
Theta(4-7 Hz) 0.28 0.03 0.31 0.04 0.017
Alpha(8-12 Hz) 0.34 0.09 0.34 0.05 0.899
Beta1(13-18 Hz) 0.24 0.03 0.28 0.03 0.000
Beta2(19-21 Hz) 0.22 0.03 0.26 0.03 0.000
Beta3(22-30 Hz) 0.22 0.02 0.26 0.03 0.000
Gamma(30-50 Hz) 0.21 0.03 0.25 0.03 0.000
이때, P(통계량에 따른 유의 확률값)의 값이 0.05 이하의 값에서 신뢰할 수 있으므로, 사용되는 특정 주파수는 세타(theta), 베타1(beta1), 베타2(beta2), 베타3(beta3), 감마(gamma) 대역의 주파수 성분들을 이용하여 치매정도를 판단한다.
이와 같은 특정 주파수를 통해 행렬 형태의 조합으로 만들어진 행렬의 원소는 일반적으로 -1에서 1사이의 값을 가지게 되는데, 1에 가까운 값을 가지는 원소는 해당하는 두 뇌파 신호 사이에 동기화가 크게 일어났음을 의미하고, -1에 가까운 값을 가지는 원소는 두 뇌파 신호 사이에 동기화가 거의 발생하지 않았음을 의미한다. 일반적으로 이 행렬의 패턴은 국부적으로 클러스터를 이루는 양상을 보이는데, 이는 뇌의 특정영역 사이에 동기화가 발생하였음을 의미한다.
따라서 행렬을 고유치 분해(eigenvalues decomposition)를 통해 동기화 행렬의 패턴을 분석하여 고유치(eigenvalues)를 추출한다(S330).
이때, 상기 추출된 고유치 중 가장 큰 값을 가지는 고유치의 값이 클수록 뇌의 다른 영역들 사이에 동기화가 크게 일어났음을 알 수 있다. 이와 같은 성질을 이용하여 GSI 값은 다음 수학식 2를 이용하여 계산한다(S340).
[규칙 제26조에 의한 보정 06.10.2009]　
수학식 2
Figure WO-DOC-69
상기 수학식 2에서 M은 측정된 뇌파 신호의 개수(=전극의 개수)를 의미하며, λ는 생성된 동기화 행렬의 가장 큰 고유치 값을 의미한다. 동기화 행렬의 고유치가 통계적으로 유의미하게 큰 값인지의 여부를 고려하여야 하므로 측정된 뇌파 신호의 위상을 랜덤하게 변형시켜 생성한 대리 데이터(surrogate data)들에 대해 동일한 방법으로 고유치를 계산하고 이 과정을 반복하여 평균적인 고유치를 얻게 된다. 이 값을 v라고 한다.
상기 수학식 2를 이용하여 산출된 GSI의 값은 0에서 1의 값을 가지게 되는데 이 값이 1에 가까울수록 모든 채널에서 측정된 뇌파들이 동기화되어 있음을 의미하며(S360), 상기 GSI 값이 0에 가까울수록 뇌파의 동기화가 떨어짐을 의미한다(S370). 참고로 각 채널의 전극에서 측정된 뇌파 신호는 실질적으로 국부적으로 동기화가 발생되므로 상기 GFS 보다는 GSI를 이용하여 측정된 동기화를 이용하는 것이 비교(correlation) 특징을 보다 잘 추출할 수 있다.
이처럼 특정 주파수에서 동기화가 잘되어 있는지 상기 GFS 또는 GSI를 통해 정형화시켜 동기화가 이루어지는 경우에는 피험자를 정상인으로 판단한다(S500).
아울러, 상기 GFS 또는 GSI를 통해 정형화시켜 동기화가 이루어지지 않는 경우에는 피험자를 치매 의심군으로 분류한다. 그리고 치매 의심군을 분류된 피험자의 경우는 메모리부(50)에 저장된 기존의 방법으로 산출된 특정 주파수 또는 특정 주파수 대역별 치매정도를 판단하는 MMSE, GDS 또는 CDR 정보 중 적어도 하나를 이용하여 재 판단을 수행한다(S600). 참고로 상기 주파수별 치매정도를 판단하기 위한 MMSE, GDS 또는 CDR 정보 등은 다음 표 3과 같이 나타낼 수 있다. 이는 메모리부(50)에 미리 저장되어 있다.
[규칙 제91조에 의한 정정 15.10.2009]　
표 3
Figure WO-DOC-TABLE-3
이때, P(통계량에 따른 유의 확률값)의 값이 0.05 이하의 값에서 신뢰할 수 있으므로, MMSE 정보를 이용하는 경우에는 알파(alpha), 베타1(beta1), 베타2(beta2), 베타3(beta3), 풀(Full)대역의 주파수 성분들을 이용하여 치매정도를 판단하고, CDR 정보를 이용하는 경우에는 알파(alpha), 베타1(beta1), 베타2(beta2), 베타3(beta3), 풀(Full)대역의 주파수 성분들을 이용하여 치매정도를 판단한다.
그리고 상기 GFS 또는 GSI를 통해 분류된 치매 의심군 중 MMSE, GDS 또는 CDR 정보를 이용한 재 판단 결과(S600), 피험자가 정상인에 해당하는 점수를 보이는 경우 치매 의심환자로 판단하고(S700), 상기 재 판단 결과(S600), 피험자가 치매에 해당하는 점수를 보이는 경우 치매환자로 최종 판단한다(S800).
제 2 실시예
도 8 은 본 발명의 다른 실시예에 따른 뇌파 분석을 이용한 치매 진단 방법을 설명하기 위한 흐름도이다.
도 8을 참조하여 설명하면, 먼저 전극들을 구비하고 있는 측정부(10)를 머리부의 지정 위치에 배치하고(S10), 뇌에서의 뉴론 활동(neuronal activation)에 기초하는 전위 측정을 일정한 샘플링 간격(fixed sampling interval)으로 수행하여 감마파 대역(30-70 Hz)의 뇌파 신호를 측정한다(S20). 상기 전극은 국제표준 10-20 방식에 따라 치매 환자의 머리피부에 부착하거나 상기 전극들이 부착된 뇌파 측정용 모자를 치매 환자의 머리에 착용시켜 치매환자의 뇌파(EEG 또는 MEG)를 측정한다. 이때 상기 측정부에서 측정된 뇌파는 약한 신호이기 때문에 측정된 뇌파 신호는 증폭부(20)에서 증폭된다.
이어 각 채널의 전극에서 측정된 뇌파 신호를 기반으로 치매 진단부(30)를 통해 메모리부(50)에서 제공하는 감마파 대역에서의 차원 복잡성을 측정한다(S30).
이때, 상기 뇌파 신호의 차원 복잡성(D2)을 측정하는 방법은 다음 수학식 3을 이용하여 계산한다.
[규칙 제26조에 의한 보정 06.10.2009]　
수학식 3
Figure WO-DOC-83
그리고 상기 C(r,N)은 다음 수학식 4와 같이 정의된다.
[규칙 제26조에 의한 보정 06.10.2009]　
수학식 4
Figure WO-DOC-85
이때, x i 와 x j 는 위상 공간에서 궤도의 포인트이고, N은 위상 공간에서 데이터 포인터의 넘버이고, 거리 r은 각 참조 포인트 x i 주변 범위이고, θ는 0 if x<0, and 1 if x≥0 같이 정의된 Heaviside 함수이다.
또한, 상기 치매 진단부(30)를 통해 사용되는 감마파 대역별 치매정도를 판단하기 위한 정보로서 다음 표 4와 같이 나타낼 수 있다. 이는 메모리부(50)에 미리 저장되어 있다.
[규칙 제91조에 의한 정정 15.10.2009]　
표 4
Figure WO-DOC-TABLE-4
이때, P(통계량에 따른 유의 확률값)의 값이 0.05 이하의 값에서 신뢰할 수 있으므로, 사용되는 감마파 대역의 주파수는 치매정도를 판단하는데 이용될 수 있음을 알 수 있다.
그리고 상기 수학식 3에서 측정된 뇌파 신호의 차원 복잡성과 차원 복잡성의 최소값으로 정의된 임계 차원 복잡성과 비교하여(S40), 측정된 차원 복잡성이 임계 차원 복잡성보다 큰 경우에는 피험자를 정상인으로 판단한다(S50).
아울러, 상기 비교결과(S40) 측정된 차원 복잡성이 임계 차원 복잡성보다 작은 경우에는 피험자를 치매 의심군으로 분류한다. 그리고 치매 의심군을 분류된 피험자의 경우는 메모리부(50)에 저장된 기존의 방법으로 산출된 감마파 대역의 치매정도를 판단하는 DOI, MMSE 또는 CDR 정보 중 적어도 하나를 이용하여 재 판단을 수행한다(S60). 참고로 상기 감마파 대역의 치매정도를 판단하기 위한 DOI, MMSE 및 CDR 정보 등은 다음 표 5와 같이 나타낼 수 있다. 이는 메모리부(50)에 미리 저장되어 있다.
[규칙 제91조에 의한 정정 15.10.2009]　
표 5
Figure WO-DOC-TABLE-5
그리고 상기 치매 의심군 중 DOI, MMSE 또는 CDR 정보를 이용한 재 판단 결과(S60), 피험자가 정상인에 해당하는 점수를 보이는 경우 치매 의심환자로 판단하고(S70), 상기 재 판단 결과(S60), 피험자가 치매에 해당하는 점수를 보이는 경우 치매환자로 최종 판단한다(S80).
상기에서 설명한 본 발명의 기술적 사상은 바람직한 실시예에서 구체적으로 기술되었으나, 상기한 실시예는 그 설명을 위한 것이며 그 제한을 위한 것이 아님을 주의하여야 한다. 또한, 본 발명의 기술적 분야의 통상의 지식을 가진자라면 본 발명의 기술적 사상의 범위 내에서 다양한 실시예가 가능함을 이해할 수 있을 것이다. 따라서 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의해 정해져야 할 것이다.

Claims (16)

  1. 뇌파 신호를 측정하기 위한 복수의 채널을 갖는 전극들을 구비하고 있는 측정부와,
    상기 측정부에서 측정된 뇌파 신호를 증폭하는 증폭부와,
    상기 증폭된 뇌파 신호를 기반으로 특정 주파수 혹은 특정 주파수 대역에서 차원 복잡성(dimensional complexity) 또는 동기화(synchronized)된 뇌파 신호의 발생 정도를 측정하는 치매 진단부와,
    상기 치매 진단부(30)에서 측정된 차원 복잡성 또는 동기화의 발생 정도에 기반하여 치매를 진단하는 치매 판단부를 포함하는 것을 특징으로 하는 뇌파 분석을 이용한 치매 진단 장치.
  2. 제 1 항에 있어서,
    상기 치매 진단부에서 동기화 여부를 측정하기 위한 특정 주파수 혹은 특정 주파수 대역 정보를 제공하고, 상기 치매 판단부에 MMSE, GDS, DIO 및 CDR 정보 중 적어도 하나의 정보를 제공하는 메모리부를 더 포함하는 것을 특징으로 하는 뇌파 분석을 이용한 치매 진단 장치.
  3. 제 1 항에 있어서,
    상기 치매 진단부는 GFS(Global Field Synchronization) 및 GSI(Global Synchronization Index) 중 어느 하나를 이용하여 뇌파 신호의 동기화를 측정하는 것을 특징으로 하는 뇌파 분석을 이용한 치매 진단 장치.
  4. 제 1 항에 있어서,
    상기 치매 진단부는 상기 측정부에서 측정된 뇌파 신호 중 감마파 대역의 뇌파 신호를 이용하여 차원 복잡성을 측정하는 것을 특징으로 하는 뇌파 분석을 이용한 치매 진단 장치.
  5. 뇌에서의 뉴론 활동(neuronal activation)에 기초하는 전위 측정을 일정한 샘플링 간격(fixed sampling interval)으로 수행하여 뇌파 신호를 측정하는 단계와,
    상기 측정된 뇌파 신호를 기반으로 특정 주파수에서 동기화된 뇌파 신호가 발생하는지 측정하는 단계와,
    상기 측정결과, 동기화된 뇌파 신호가 발생하지 않은 것으로 판단되면 피험자를 치매환자로 판단하는 단계를 포함하는 것을 특징으로 하는 뇌파 분석을 이용한 치매 진단 방법.
  6. 제 5 항에 있어서,
    상기 뇌파 신호의 동기화를 측정하는 방법으로 GFS(Global Field Synchronization) 및 GSI(Global Synchronization Index)가 이용되는 것을 특징으로 하는 뇌파 분석을 이용한 치매 진단 방법.
  7. 제 5 항에 있어서,
    상기 치매환자로 판단된 피보험자를 치매 의심군으로 분류하는 단계와,
    상기 분류된 치매 의심군의 뇌파 신호를 기존의 방법으로 특정 주파수 또는 특정 주파수 대역별 치매정도를 판단하는 MMSE, GDS 및 CDR 정보 중 어느 하나를 이용하여 재 판단하는 단계와,
    상기 재 판단 결과, 피험자가 정상인에 해당하는 결과를 보이는 경우로 판단되는 경우는 치매 의심환자로 판단하고, 피험자가 치매환자에 해당하는 결과를 보이는 경우로 판단되는 경우는 치매환자로 최종 판단하는 단계를 더 포함하는 것을 특징으로 하는 뇌파 분석을 이용한 치매 진단 방법.
  8. 제 7 항에 있어서, 상기 특정 주파수는
    상기 MMSE 정보를 이용하는 경우에는 알파(alpha), 베타1(beta1), 베타2(beta2), 베타3(beta3), 풀(Full)대역의 주파수 성분 중 적어도 하나 이상의 주파수이고,
    상기 CDR 정보를 이용하는 경우에는 알파(alpha), 베타1(beta1), 베타2(beta2), 베타3(beta3), 풀(Full)대역의 주파수 성분 중 적어도 하나 이상의 주파수인 것을 특징으로 하는 뇌파 분석을 이용한 치매 진단 방법.
  9. [규칙 제26조에 의한 보정 06.10.2009]　
    제 5 항에 있어서, 상기 뇌파 신호의 동기화 측정 방법은 각 채널의 전극에서 측정된 뇌파 신호를 푸리에 변환(fourier transform)을 수행하여 특정 주파수(f)에서 복소수 값으로 산출하는 단계와, 상기 산출된 복소수 값을 복소수 평면(complex plane)에 대응시켜 복소평면 상의 각 점들의 분포에 대해 주성분 분석(Principal Component Analysis : PCA)을 수행하여, 2개의 고유치(eigenvalues)(E1,E2)를 추출하는 단계와, 상기 산출된 고유치(E1,E2)를 수식
    Figure WO-DOC-c9
    에 적용시켜 GFS 값을 산출하는 단계와, 상기 산출된 GFS 값이 0보다 1에 가까운 값을 가지면 측정된 뇌파 신호가 동기화되어 있는 것으로 판단하고, 1보다 0에 가까운 값을 가지면 측정된 뇌파 신호가 동기화되지 않은 것으로 판단하는 단계를 포함하는 것을 특징으로 하는 뇌파 분석을 이용한 치매 진단 방법.
  10. 제 9 항에 있어서,
    상기 특정 주파수는 세타(theta), 베타1(beta1), 베타2(beta2), 베타3(beta3), 풀(Full)대역의 주파수 성분 중 적어도 하나 이상인 것을 특징으로 하는 뇌파 분석을 이용한 치매 진단 방법.
  11. 제 5 항에 있어서, 상기 뇌파 신호의 동기화 측정 방법은
    특정 주파수에서 측정된 모든 뇌파 신호에 상응하는 전극의 쌍들에 대해서 동기화를 계산하고 이를 행렬 형태로 조합하는 단계와,
    상기 조합된 행렬을 고유치 분해(eigenvalues decomposition)를 통해 동기화 행렬의 패턴을 분석하여 고유치(eigenvalues)를 추출하는 단계와,
    상기 추출된 고유치 중 가장 큰 값(λ)을 수식
    Figure PCTKR2009004919-appb-I000007
    에 적용시켜 GSI 값을 산출하는 단계와,
    상기 산출된 GSI 값이 0보다 1에 가까운 값을 가지면 측정된 뇌파 신호가 동기화되어 있는 것으로 판단하고, 1보다 0에 가까운 값을 가지면 측정된 뇌파 신호가 동기화되지 않은 것으로 판단하는 단계를 포함하며,
    상기 수식 중 M은 측정된 뇌파 신호의 개수(=전극의 개수)를 의미하며,
    Figure PCTKR2009004919-appb-I000008
    는 대리 데이터(surrogate data)들을 이용한 고유치 계산에 따른 평균적인 고유치인 것을 특징으로 하는 뇌파 분석을 이용한 치매 진단 방법.
  12. 제 11 항에 있어서,
    상기 특정 주파수는 세타(theta), 베타1(beta1), 베타2(beta2), 베타3(beta3), 감마(gamma) 대역의 주파수 성분 중 적어도 하나 이상인 것을 특징으로 하는 뇌파 분석을 이용한 치매 진단 방법.
  13. 제 11 항에 있어서,
    상기 전극의 쌍들에 대해서 동기화를 계산하는 방법은 coherence, phase coherence, equal-time correlation 중 적어도 하나의 방법을 이용하여 산출하는 것을 특징으로 하는 뇌파 분석을 이용한 치매 진단 방법.
  14. 뇌에서의 뉴론 활동(neuronal activation)에 기초하는 전위 측정을 일정한 샘플링 간격(fixed sampling interval)으로 수행하여 감마파 대역의 뇌파 신호를 측정하는 단계와,
    상기 측정된 뇌파 신호를 기반으로 감마파 대역에서의 차원 복잡성(dimensional complexity)을 측정하는 단계와,
    상기 측정결과, 측정된 차원 복잡성(dimensional complexity)이 차원 복잡성의 최소값으로 정의된 임계 차원 복잡성 보다 크면 피험자를 치매환자로 판단하는 단계를 포함하는 것을 특징으로 하는 뇌파 분석을 이용한 치매 진단 방법.
  15. 제 14 항에 있어서,
    상기 치매환자로 판단된 피보험자를 치매 의심군으로 분류하는 단계와,
    상기 분류된 치매 의심군의 뇌파 신호를 기존의 방법으로 감마파 대역 치매정도를 판단하는 MMSE, DOI 및 CDR 정보 중 어느 하나를 이용하여 재 판단하는 단계와,
    상기 재 판단 결과, 피험자가 정상인에 해당하는 결과를 보이는 경우로 판단되는 경우는 치매 의심환자로 판단하고, 피험자가 치매환자에 해당하는 결과를 보이는 경우로 판단되는 경우는 치매환자로 최종 판단하는 단계를 더 포함하는 것을 특징으로 하는 뇌파 분석을 이용한 치매 진단 방법.
  16. [규칙 제26조에 의한 보정 06.10.2009]　
    제 14 항에 있어서, 상기 차원 복잡성(Dimensional Complexity)(D2)은 수식
    Figure WO-DOC-c16
    을 이용하여 측정하고, 이때, C(r,N)는 수식
    Figure WO-DOC-c161
    을 이용하여 정의되며, 상기 x i 와 x j 는 위상 공간에서 궤도의 포인트이고, 상기 N은 위상 공간에서 데이터 포인터의 넘버이고, 상기 거리 r은 각 참조 포인트 x i 주변 범위이고, 상기 θ는 0 if x<0, and 1 if x≥0 같이 정의된 Heaviside 함수인 것을 특징으로 하는 뇌파 분석을 이용한 치매 진단 방법.
PCT/KR2009/004919 2008-09-17 2009-09-01 뇌파 분석을 이용한 치매 진단 장치 및 방법 WO2010032929A2 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US13/119,600 US20110230781A1 (en) 2008-09-17 2009-09-01 Apparatus and method for dementia diagnosis through eeg (electroencephalogram) analysis

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2008-0091011 2008-09-17
KR1020080091011A KR20100032054A (ko) 2008-09-17 2008-09-17 뇌파 분석을 이용한 치매 진단 장치 및 방법

Publications (2)

Publication Number Publication Date
WO2010032929A2 true WO2010032929A2 (ko) 2010-03-25
WO2010032929A3 WO2010032929A3 (ko) 2010-06-17

Family

ID=42039982

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2009/004919 WO2010032929A2 (ko) 2008-09-17 2009-09-01 뇌파 분석을 이용한 치매 진단 장치 및 방법

Country Status (3)

Country Link
US (1) US20110230781A1 (ko)
KR (1) KR20100032054A (ko)
WO (1) WO2010032929A2 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11771377B1 (en) * 2022-12-28 2023-10-03 Neumarker, Inc Method and system for identifying cohorts of psychiatric disorder patients based on electroencephalograph
US11980485B1 (en) 2022-12-28 2024-05-14 Neumarker, Inc Method and system for determining a treatment outcome prediction for a patient based on electroencephalograph

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101249069B1 (ko) * 2011-01-14 2013-03-29 한국과학기술원 뇌파 신호 동기화 수준을 이용한 정신분열병 고위험군 진단의 정량화 방법, 장치, 및 컴퓨터로 읽을 수 있는 매체
US9474481B2 (en) * 2013-10-22 2016-10-25 Mindstrong, LLC Method and system for assessment of cognitive function based on electronic device usage
KR102031958B1 (ko) * 2017-04-06 2019-10-14 고려대학교 산학협력단 전전두엽 기반 인지적 뇌-기계 인터페이스 장치 및 방법
CN107292095A (zh) * 2017-06-09 2017-10-24 北京工业大学 一种基于多尺度窗口为阈值的复杂度分析方法
KR102089137B1 (ko) * 2018-02-08 2020-03-13 인체항노화표준연구원 주식회사 뇌파 기반 인지기능 평가 장치
EP3908179A4 (en) * 2019-01-08 2022-10-26 Neuroindex Ltd. SYNCHRONIZATION OF BRAIN ACTIVITY
KR102398516B1 (ko) * 2020-06-16 2022-05-16 가톨릭대학교 산학협력단 알츠하이머 환자의 신경 정신 증상 식별 방법 및 신경 정신 증상 분석장치
KR102409708B1 (ko) * 2020-10-06 2022-06-20 한국 한의학 연구원 생체임피던스를 이용한 노인성 인지저하 선별 방법 및 장치
KR102320009B1 (ko) * 2021-02-23 2021-11-01 주식회사 아이엠브레인 뇌파분석을 이용한 치매 진단장치
KR102332505B1 (ko) * 2021-02-23 2021-12-01 주식회사 아이엠브레인 뇌파분석을 이용한 치매 진단정보 제공 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4987903A (en) * 1988-11-14 1991-01-29 William Keppel Method and apparatus for identifying and alleviating semantic memory deficiencies
WO2007016149A2 (en) * 2005-08-02 2007-02-08 Brainscope Company, Inc. Automatic brain function assessment apparatus and method
WO2007149985A2 (en) * 2006-06-21 2007-12-27 Lexicor Medical Technology, Llc Assessing dementia and dementia-type disorders

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4696156A (en) * 1986-06-03 1987-09-29 United Technologies Corporation Fuel and oil heat management system for a gas turbine engine
US4776536A (en) * 1987-05-19 1988-10-11 Rockwell International Corporation Integrated aircraft fuel thermal management system
US6415595B1 (en) * 2000-08-22 2002-07-09 Hamilton Sundstrand Corporation Integrated thermal management and coolant system for an aircraft
US7395657B2 (en) * 2003-10-20 2008-07-08 General Electric Company Flade gas turbine engine with fixed geometry inlet
US7260926B2 (en) * 2004-01-20 2007-08-28 United Technologies Corporation Thermal management system for an aircraft
US7140174B2 (en) * 2004-09-30 2006-11-28 General Electric Company Methods and apparatus for assembling a gas turbine engine
US7608131B2 (en) * 2005-01-21 2009-10-27 Parker-Hannifin Corporation Three flow architecture and method for aircraft OBIGGS
US7720530B2 (en) * 2005-08-02 2010-05-18 Brainscope Company, Inc. Field-deployable concussion detector
US7481214B2 (en) * 2005-09-19 2009-01-27 The Boeing Company System and method for enriching aircraft cabin air with oxygen from a nitrogen generation system
US7624592B2 (en) * 2006-05-17 2009-12-01 Northrop Grumman Corporation Flexible power and thermal architectures using a common machine
US8079407B2 (en) * 2006-11-09 2011-12-20 Honeywell International Inc. Integrated heat exchangers for ECS and OBIGGS applications
US7770381B2 (en) * 2006-12-18 2010-08-10 General Electric Company Duct burning mixed flow turbofan and method of operation
US7984606B2 (en) * 2008-11-03 2011-07-26 Propulsion, Gas Turbine, And Energy Evaluations, Llc Systems and methods for thermal management in a gas turbine powerplant
US20100170262A1 (en) * 2009-01-06 2010-07-08 Kaslusky Scott F Aircraft power and thermal management system with electric co-generation
US8307662B2 (en) * 2009-10-15 2012-11-13 General Electric Company Gas turbine engine temperature modulated cooling flow

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4987903A (en) * 1988-11-14 1991-01-29 William Keppel Method and apparatus for identifying and alleviating semantic memory deficiencies
WO2007016149A2 (en) * 2005-08-02 2007-02-08 Brainscope Company, Inc. Automatic brain function assessment apparatus and method
WO2007149985A2 (en) * 2006-06-21 2007-12-27 Lexicor Medical Technology, Llc Assessing dementia and dementia-type disorders

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11771377B1 (en) * 2022-12-28 2023-10-03 Neumarker, Inc Method and system for identifying cohorts of psychiatric disorder patients based on electroencephalograph
US11980485B1 (en) 2022-12-28 2024-05-14 Neumarker, Inc Method and system for determining a treatment outcome prediction for a patient based on electroencephalograph

Also Published As

Publication number Publication date
KR20100032054A (ko) 2010-03-25
US20110230781A1 (en) 2011-09-22
WO2010032929A3 (ko) 2010-06-17

Similar Documents

Publication Publication Date Title
WO2010032929A2 (ko) 뇌파 분석을 이용한 치매 진단 장치 및 방법
Jahmunah et al. Automated detection of schizophrenia using nonlinear signal processing methods
KR101117770B1 (ko) 뇌파 분석을 이용한 치매 진단 장치
WO2019103187A1 (ko) 뇌파를 통한 뇌 인지기능 평가 플랫폼 및 방법
WO2020180003A1 (ko) 엑소좀에 의한 인공지능 기반의 액체생검을 이용한 암 진단 정보 제공 방법 및 시스템
CN100427031C (zh) 视觉检查的系统和方法
WO2020242101A1 (ko) Ir-uwb 레이더를 이용한 비침습/비접촉 방식 수면 무호흡증 검출 및 진단 장치 및 방법
WO2020138925A1 (ko) 인공지능 기반 혈류 구간 분류 방법 및 시스템
WO2013105815A1 (en) Fetus modeling method and image processing apparatus therefor
WO2019103186A1 (ko) 뇌파 분석을 통한 뇌 나이 추정 방법 및 시스템
WO2022030692A1 (ko) Pet-ct 영상을 이용하는 알츠하이머 질환의 진단 방법 및 이의 장치
US6343229B1 (en) Device for measurement and analysis of brain activity of both cerebral hemispheres in a patient
Becker et al. Potential utility of resting-state magnetoencephalography as a biomarker of CNS abnormality in HIV disease
WO2018139881A1 (ko) 레이더를 이용한 생체 신호 측정 방법 및 장치
WO2019103188A1 (ko) 뇌파 분석을 통한 외상성 뇌손상 평가 시스템 및 방법
CN112043273B (zh) 一种脑影像数据处理方法、装置、设备以及存储介质
WO2016200243A1 (ko) 미병 분류를 보조하는 컴퓨팅 장치 및 방법
WO2017010832A1 (ko) 맥파 전달 시간을 이용한 수축기 혈압 산출 장치 및 그 방법
Gou et al. Aberrant brain structural network and altered topological organization in minimal hepatic encephalopathy
WO2018097541A1 (ko) 순환계질환 발생잠재도를 판단하는 장치 및 그 방법
WO2017200132A1 (ko) 수면성 호흡장애 진단장치 및 방법
Chang et al. Design of a system-on-chip for ECG signal processing
WO2021045505A1 (ko) 뇌 두께 정보에 기반한 뇌 수축질환 계층적 진단 장치
WO2023090532A1 (ko) 사용자 상태 진단을 위한 진단 정보 제공 방법 및 이를 수행하는 장치
WO2015060486A1 (ko) 영상 진단 장치 및 방법

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 09814745

Country of ref document: EP

Kind code of ref document: A2

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 13119600

Country of ref document: US

122 Ep: pct application non-entry in european phase

Ref document number: 09814745

Country of ref document: EP

Kind code of ref document: A2