WO2019103186A1 - 뇌파 분석을 통한 뇌 나이 추정 방법 및 시스템 - Google Patents

뇌파 분석을 통한 뇌 나이 추정 방법 및 시스템 Download PDF

Info

Publication number
WO2019103186A1
WO2019103186A1 PCT/KR2017/013453 KR2017013453W WO2019103186A1 WO 2019103186 A1 WO2019103186 A1 WO 2019103186A1 KR 2017013453 W KR2017013453 W KR 2017013453W WO 2019103186 A1 WO2019103186 A1 WO 2019103186A1
Authority
WO
WIPO (PCT)
Prior art keywords
brain
eeg
power
age
network
Prior art date
Application number
PCT/KR2017/013453
Other languages
English (en)
French (fr)
Inventor
강승완
진승현
홍슬기
윤혜진
배영우
Original Assignee
주식회사 아이메디신
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 주식회사 아이메디신 filed Critical 주식회사 아이메디신
Publication of WO2019103186A1 publication Critical patent/WO2019103186A1/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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/25—Bioelectric electrodes therefor
    • A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
    • A61B5/291—Bioelectric electrodes therefor specially adapted for particular uses for electroencephalography [EEG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A61B5/372—Analysis of electroencephalograms
    • A61B5/374—Detecting the frequency distribution of signals, e.g. detecting delta, theta, alpha, beta or gamma waves
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A61B5/377—Electroencephalography [EEG] using evoked responses
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • G01R23/005—Circuits for comparing several input signals and for indicating the result of this comparison, e.g. equal, different, greater, smaller (comparing phase or frequency of 2 mutually independent oscillations in demodulators)
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • G01R23/16—Spectrum analysis; Fourier analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • G01R23/16—Spectrum analysis; Fourier analysis
    • G01R23/20—Measurement of non-linear distortion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/22—Social work
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Definitions

  • the present invention relates to a brain age estimation method and system using EEG analysis, and more particularly, to a method and system for estimating the brain age by comparing brain EEG indicators with healthy EEG indices constructed by ages and genders will be.
  • the step a) can measure the steady state and event-induced potential brain waves.
  • EEG is an electrical signal generated when a signal is transmitted between brain cells.
  • a measurement sensor also referred to as a recording electrode 11
  • S10 the scalp
  • F is the frequency
  • Sxy (f) is the cross-spectrum between X and Y
  • Sxx (f) and Syy (f) are the spectra of X and Y, respectively.
  • im means imaginary part of coherence
  • () is the mean of the interval described in ().
  • the value of iCo xy is determined between 0 and 1.
  • iCoh xy If the value of iCoh xy is 0, it means that the two signals at the positions of X and Y at a given frequency are linearly independent. Conversely, a value of 1 means that the two signals are at maximum correlated at a given frequency.
  • the indicator analyzer 22 of the analyzer 20 analyzes not only the power spectrum but also the association and the network, and the comparator 24 compares the indicators stored in the indicator database 23 with the indicators And the analysis results of the index analyzing unit 22 are compared.
  • the corresponding contents can be tagged to the visualized image of brain wave data according to the result of classifying brain age.
  • An example of a visualized image of EEG data is shown in Fig.
  • the present invention is industrially applicable to detect the brain waves and to compare the characteristics of the detected brain waves with the standard EEG characteristics according to the age and sex of the healthy person to estimate the brain age and to confirm the health state of the brain.

Abstract

본 발명은 뇌파 분석을 통한 뇌 나이 추정 방법 및 시스템에 관한 것으로, 안정 상태 및 사건 유발 전위 뇌파를 측정하는 측정부와, 측정부에서 측정된 뇌파에서 잡음을 제거하고, 파워 스펙트럼, 주파수 대역별 절대 및 상대 파워, 연결성 및 네트워크 지표를 분석하고, 성별 및 연령별로 분류된 건강인 표준 뇌파 지표와 비교하여 뇌 나이 추정 값을 산출하는 분석부와, 상기 분석부의 분석결과를 출력하는 출력부를 포함한다.

Description

뇌파 분석을 통한 뇌 나이 추정 방법 및 시스템
본 발명은 뇌파 분석을 통한 뇌 나이 추정 방법 및 시스템에 관한 것으로, 더 상세하게는 뇌파 지표를 측정하여 연령대 및 성별로 구축된 건강인 표준 뇌파 지표와 비교하여 뇌 나이를 추정하는 방법 및 시스템에 관한 것이다.
일반적으로, 사람의 뇌는 나이가 듦에 따라 성장하고 노화하는 과정을 거치게 된다. 뇌가 정상적인 성장과정을 밟지 못하여 연령에 비해 늦은 성장을 보이는 경우, 뇌 발달 지연과 같은 질환과 연결될 가능성이 있다. 반대로 연령에 비해 뇌가 빠른 노화를 보일 경우에는 치매 등 퇴행성 질환이 발생할 가능성이 있다.
따라서 객관적인 뇌 나이를 측정하는 것은 개인의 뇌 성장 및 노화 진행 정도를 정확하게 판단하여 상황에 맞는 처방 또는 관리를 할 수 있도록 하는 척도가 된다.
이와 관련하여 공개특허 10-2017-0073557호(생체신호 노화도 분석을 이용한 치매 조기 진단 장치, 2017년 6월 28일 공개)에는 뇌파, 안전도, 맥파 신호를 측정하여 생체신호 노화도를 분석할 수 있다는 내용이 기재되어 있다.
위의 공개특허에는, 뇌파 측정으로 얻어지는 파워 스펙트럼의 주요 피크 위치의 저주파 편향성을 반영하여 뇌 연령을 추정하는 방법에 대하여 기술되어 있다.
그러나 이와 같은 종래의 뇌 연령 추정방법은 단편적인 결과만을 이용하여 뇌 연령을 추정하는 것이기 때문에 객관적인 지표로 보기 어렵고, 이를 이용하여 진단한 뇌 연령에 대한 신뢰성이 부족할 수 있는 문제점이 있었다.
상기와 같은 종래의 문제점들을 감안한 본 발명이 해결하고자 하는 과제는, 다양한 지표들을 이용하여 객관적이고 신뢰성이 높은 뇌 나이 추정 방법 및 시스템을 제공함에 있다.
또한, 본 발명이 해결하고자 하는 다른 과제는, 성별에 따른 뇌파의 특성 차이를 이용하여 더욱 객관적이고 신뢰성이 높은 뇌 나이 추정 방법 및 시스템을 제공함에 있다.
아울러 본 발명이 해결하고자 하는 다른 과제는, 자동 태깅에 의하여 뇌 나이의 추정 결과 보고서를 생성할 수 있는 방법 및 시스템을 제공함에 있다.
상기와 같은 과제를 해결하기 위한 본 발명의 일측면에 따른 뇌파 분석을 통한 뇌 나이 추정 시스템은, 안정 상태 및 사건 유발 전위 뇌파를 측정하는 측정부와, 측정부에서 측정된 뇌파에서 잡음을 제거하고, 파워 스펙트럼, 주파수 대역별 절대 및 상대 파워, 연결성 및 네트워크 지표를 분석하고, 성별 및 연령별로 분류된 건강인 표준 뇌파 지표와 비교하여 뇌 나이 추정 값을 산출하는 분석부와, 상기 분석부의 분석결과를 출력하는 출력부를 포함할 수 있다.
본 발명의 일실시예에 따르면, 상기 측정부는, 뇌파를 측정하기 위한 측정센서들과, 측정센서들의 측정 신호를 증폭하는 증폭부와, 사건 유발 전위 뇌파를 측정하기 위하여 자극을 발생시키는 자극발생부를 포함할 수 있다.
본 발명의 일실시예에 따르면, 분석부는, 상기 측정부에서 측정된 뇌파 신호들에서 잡음을 제거하는 필터부와, 상기 필터부에서 잡음이 제거된 뇌파 신호들의 파워 스펙트럼과 연관성 및 네트워크를 분석하는 지표분석부와, 건강인의 뇌파 데이터를 저장하는 지표 데이터베이스와, 상기 지표분석부의 분석결과를 지표 데이터베이스에 저장된 건강인의 뇌파 데이터와 비교하는 비교부와, 상기 비교부의 비교 결과를 연산하여 뇌 나이 추정 값을 산출하는 연산부를 포함할 수 있다.
본 발명의 일실시예에 따르면, 상기 지표분석부는, 주파수 대역별 절대 파워와 상대 파워를 의미하는 파워 스펙트럼 분석, 뇌의 기능적 연결성 및 네트워크 분석을 포함하며, 뇌파의 파워 스펙트럼은 뇌파의 구성 주파수별 전력의 크기를 검출하여, ㎶2/Hz 또는 dB/Hz 단위로 표시하고, 상기 주파수 대역별 절대 파워는 주파수 대역별로 구성 주파수 파워를 가산하여 산출하고, 상기 상대 파워는 특정 주파수 대역에서 절대 파워를 전체 주파수 대역에서 계산된 전체 파워로 나누어 산출할 수 있다.
본 발명의 일실시예에 따르면, 상기 지표분석부는, 주파수 대역별 절대 파워와 상대 파워를 의미하는 파워 스펙트럼 분석, 뇌의 기능적 연결성 및 네트워크 분석을 포함하며, 상기 기능적 연결성은, 디폴트 모드 네트워크(default mode network, DMN), 어텐션 모드 네트워크(attention network, AN), 프론토 패리에탈 네트워크(fronto-parietal network, FPN) 및 감각운동기 네트워크(sensorimotor network, SMN)으로 정의된 네트워크의 구성 영역들 사이의 기능적 연결성(functional connectivity)을 계산할 수 있다.
본 발명의 일실시예에 따르면, 상기 기능적 연결성은, 아래의 수학식 1로 표현될 수 있다.
수학식 1
Figure PCTKR2017013453-appb-I000001
상기 수학식 1에서 f는 주파수, Sxy(f)는 X와 Y 사이의 크로스 스펙트럼(cross-spectrum), Sxx(f)와 Syy(f)는 각각 X와 Y의 스펙트럼을 나타낸다. im은 허수부 코히어런스(imaginary part of coherence)를 의미하고, ()는 () 내에 기재된 구간의 평균이다.
본 발명의 일실시예에 따르면, 상기 연산부는, 아래의 수학식 2를 통해 뇌 나이 추정 연산을 수행할 수 있다.
Figure PCTKR2017013453-appb-I000002
X는 검출된 뇌파 데이터의 분석 지표 값이며,
Figure PCTKR2017013453-appb-I000003
는 건강인 표준 뇌파 데이터베이스로부터 산출한 동일 연령대 및 성별 데이터베이스 평균값이고, σ는 건강인 표준 뇌파 데이터베이스로부터 산출한 동일 연령대 및 성별 데이터베이스 표준편차값
본 발명의 일실시예에 따르면, 상기 출력부는, 측정 대상자의 뇌파 데이터의 시각화된 이미지에 텍스트 데이터를 태깅하여 함께 출력할 수 있다.
또한, 본 발명의 다른 측면에 따른 뇌파 분석을 통한 뇌 나이 추정 방법은, a) 뇌파 데이터를 측정하는 단계와, b) 뇌파 데이터를 필터링하여 잡음을 제거하는 단계와, c) 파워 스펙트럼, 주파수 대역별 절대 파워 및 상대 파워, 연결성 및 네트워크 지표를 산출하는 단계와, d) 동일 성별 건강인 표준 뇌파 지표와 비교하여, 측정 대상자의 추정 뇌 나이를 산출하는 단계를 포함할 수 있다.
본 발명의 일실시예에 따르면, e) 추정된 뇌 나이에 따라 분류된 텍스트 데이터를 태깅하여 측정 대상자의 뇌파 데이터의 시각화된 이미지와 함께 출력하는 단계를 더 포함할 수 있다.
본 발명의 일실시예에 따르면, 상기 a) 단계는, 안정 상태 및 사건 유발 전위 뇌파를 측정할 수 있다.
본 발명의 일실시예에 따르면, 상기 c) 단계는, 상기 b) 단계를 통해 잡음이 제거된 뇌파 신호들에서, 파워 스펙트럼과 연관성 및 네트워크를 분석할 수 있다.
본 발명의 일실시예에 따르면, 상기 c) 단계는, 주파수 대역별 절대 파워와 상대 파워를 의미하는 파워 스펙트럼 분석, 뇌의 기능적 연결성 및 네트워크 분석을 포함하며, 뇌파의 파워 스펙트럼은 뇌파의 구성 주파수별 전력의 크기를 검출하여, ㎶2/Hz 또는 dB/Hz 단위로 표시하고, 상기 주파수 대역별 절대 파워는 주파수 대역별로 구성 주파수 파워를 가산하여 산출하고, 상기 상대 파워는 특정 주파수 대역에서 절대 파워를 전체 주파수 대역에서 계산된 전체 파워로 나누어 산출할 수 있다.
본 발명의 일실시예에 따르면, 상기 c) 단계는, 주파수 대역별 절대 파워와 상대 파워를 의미하는 파워 스펙트럼 분석, 뇌의 기능적 연결성 및 네트워크 분석을 포함하며, 상기 기능적 연결성은, 디폴트 모드 네트워크(default mode network, DMN), 어텐션 모드 네트워크(attention network, AN), 프론토 패리에탈 네트워크(fronto-parietal network, FPN) 및 감각운동기 네트워크(sensorimotor network, SMN)으로 정의된 네트워크의 구성 영역들 사이의 기능적 연결성(functional connectivity)을 계산할 수 있다.
본 발명의 일실시예에 따르면, 상기 d) 단계는, 아래의 수학식 2를 통해 뇌 나이 추정 연산을 수행할 수 있다.
수학식 2
Figure PCTKR2017013453-appb-I000004
X는 검출된 뇌파 데이터의 분석 지표 값이며,
Figure PCTKR2017013453-appb-I000005
는 건강인 표준 뇌파 데이터베이스로부터 산출한 동일 연령대 및 성별 데이터베이스 평균값이고, σ는 건강인 표준 뇌파 데이터베이스로부터 산출한 동일 연령대 및 성별 데이터베이스 표준편차값
본 발명은, 뇌파의 파워 스펙트럼 외에 기능적 연결성 및 네트워크 지표를 이용하여 뇌 나이를 추정하여 보다 객관적이고 신뢰성이 높은 뇌 나이 추정이 가능한 효과가 있다.
특히, 본 발명은 성별에 따른 뇌파의 특이성을 고려하여 측정 대상자의 성별을 고려하여 더 객관적이고 신뢰성이 높은 뇌 나이 추정이 가능한 효과가 있다.
아울러 본 발명은 뇌 나이 추정 결과에 따라 보고서를 자동으로 생성할 수 있어, 보고서 작성시 오류의 발생을 방지할 수 있으며, 보고서 작성에 전문 인력이 투입되지 않도록 하며, 보고서 작성 시간을 단축할 수 있는 효과가 있다.
도 1은 본 발명의 바람직한 실시예에 따른 뇌파 분석을 통한 뇌 나이 추정 시스템의 구성도이다.
도 2는 본 발명의 바람직한 실시예에 따른 뇌파 분석을 통한 뇌 나이 추정 방법의 순서도이다.
도 3은 측정 센서의 전극 배치도이다.
도 4는 안정상태에서 검출한 뇌파의 주파수 대역별 절대 파워맵이다.
도 5 남성과 여성의 후두부 영역 상대 세타 밴드 지표의 분포그래프이다.
도 6은 남성과 여성의 후두부 영역 세타-베타비(TBR) 지표의 분포그래프이다.
도 7은 세타 네트워크 지표의 분포그래프이다.
도 8은 네트워크 구성 영역 정보이다.
도 9는 도 2에서 S70단계의 순서도이다.
도 10은 뇌파 데이터의 시각화된 이미지의 예시도이다.
-부호의 설명-
10:측정부 11:측정센서
12:증폭부 13:자극발생부
20:분석부 21:필터부
22:지표 분석부 23:지표 데이터베이스
24:비교부 25:연산부
30:출력부
이하, 본 발명의 바람직한 실시예에 따른 뇌파 분석을 통한 뇌 나이 추정 방법 및 시스템에 대하여 첨부한 도면을 참조하여 상세히 설명한다.
본 발명의 실시 예들은 다양한 변경을 가할 수 있고 여러 가지 실시 예를 가질 수 있는바, 특정 실시 예들을 도면에 예시하여 상세하게 설명한다. 그러나 이는 본 발명의 실시 예들을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 실시 예들의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 실시 예들의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
본 발명의 실시 예들에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명의 실시 예들을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 발명의 실시 예들에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명의 실시 예들이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 발명의 실시 예들에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
도 1은 본 발명의 바람직한 실시예에 따른 뇌파 분석을 통한 뇌 나이 추정 시스템의 구성도이다.
도 1을 참조하면 본 발명의 바람직한 실시예에 따른 뇌파 분석을 통한 뇌 나이 추정 시스템은, 안정 상태 및 사건 유발 전위 뇌파를 측정하는 측정부(10)와, 측정부(10)에서 측정된 뇌파에서 잡음을 제거하고, 파워 스펙트럼, 주파수 대역별 절대 및 상대 파워, 연결성 및 네트워크 지표를 분석하고, 건강인 표준 뇌파 지표와 비교하는 분석부(20)와, 상기 분석부(20)의 분석결과를 출력하는 출력부(30)를 포함하여 구성된다.
이하 상기와 같이 구성되는 본 발명의 바람직한 실시예에 따른 뇌파 분석을 통한 뇌 나이 추정 시스템의 구성과 작용에 대하여 더 상세히 설명하며, 도 2에 도시한 본 발명의 바람직한 실시예에 따른 뇌파 분석을 통한 뇌 나이 추정 방법의 순서도를 참조한다.
먼저, 측정부(10)는 뇌파를 측정하기 위한 측정센서(11), 측정센서(11)의 측정 신호를 증폭하는 증폭부(12)를 포함하며, 또한 안정상태가 아닌 사건 유발 전위 뇌파를 측정하기 위한 자극발생부(13)를 포함한다.
뇌파는 뇌신경세포 사이에 신호가 전달될 때 발생하는 전기적 신호를 측정한 것으로, 측정센서(또는 기록 전극이라고도 함, 11)을 두피에 붙여 측정한다(S10).
상기 측정센서(11)의 부착위치는 국제표준 10-20 시스템(Nuwer, 1987)에 따른다.
도 3에 측정센서(11)의 전극배치도를 도시하였다.
총 19개의 전극(Fp1, Fp2, F7, F8, F3, F4, Fz, T3, T4, C3, C4, Cz, T5, T6, P3, P4, Pz, O1, O2)를 사용하여 배치된 것이며, 뇌파는 다양한 주파수 성분이 포함된 신호이므로 구성 주파수 성분의 특성을 관찰하기 위해 주파수 대역별로 구분하여 관찰한다.
본 발명에서는 델타파(Delta, δ, 1~4 Hz), 세타파(Theta, θ, 4~8 Hz), 알파파(Alpha, α, 8~13 Hz), 베타파1(Beta1, β1, 13~21Hz), 베타파2(Beta2, β2, 21~30Hz)로 구분한 주파수 대역을 사용할 수 있다.
통상 안정 상태의 뇌파인 뇌전도(Electroencephalogram, EGG)는 50㎶ 정도의 진폭을 가지며, 이를 증폭부(12)를 통해 증폭하여 분석부(20)에서 분석이 용이하도록 한다.
이와 같은 안정상태의 뇌파의 측정과는 별도로 자극과 관련된 사건 유발 전위(Event Related Potentials, ERP)는 개별적인 사건에 대한 반응시 발생 되는 뇌활동의 표현인 특정 정신 과정의 표현이다.
사건 유발 전위의 측정은 상기 측정센서(11)와는 별도의 전극을 가지는 자극발생부(13)를 이용한다. 즉, ERP의 측정은 측정센서(11)인 기록 전극과 함께 기준 전극을 사용하여, 두 전극 사이의 전위차를 측정하는 방식을 사용하기 때문에 부적 정점(negative peak)과 정적 정점(positive peak)은 두개골의 부위와 그 극성, 그리고 잠복기(latency)에 의해 기술된다.
예를 들어 P300은 300ms의 잠복기를 가지는 정적 정점의 파를 의미하고, P3는 파형에서 세 번째 나타나는 파를 뜻한다. 외부 자극에 의해 유발된 뇌 전위는 감각적 또는 외인성이라고 한다.
본 발명에서는 안정상태와 함께 사건 유발 전위를 측정하여 더 정확한 뇌나이의 추정이 가능하다.
상기 ERP의 진폭은 0.1 내지 0.5㎶이기 때문에 역시 증폭부(12)를 통해 증폭하여 평균화 과정을 포함한 분석부(20)에서 분석할 수 있도록 한다.
이처럼 본 발명은 안정상태의 뇌파의 측정과 함께 사건 유발 전위를 측정하며, 측정된 뇌파들이 증폭된 전기적인 신호들은 도 2의 S20단계와 같이 분석부(20)로 입력된다.
분석부(20)는 상기 측정부(10)에서 입력된 신호들에서 잡음을 제거하는 필터부(21)를 포함하여, S30단계의 뇌파 전처리를 수행한다.
상기 필터부(21)는 단순히 신호의 잡음을 제거하는 것일 수 있으나, 심층신경망 분석을 통해 뇌파를 제외한 다른 성분들을 제거할 수 있다.
심층신경망의 각 노드 층위는 측정된 뇌파 데이터로부터 각자 다른 특징들을 추출할 수 있으며, 층마다 다른 층위의 특징이 학습될 수 있다. 낮은 층위의 특징은 단순하고 구체적일 수 있으며 높은 층위로 갈수록 더욱 복잡하고 추상적인 특징을 가질 수 있다.
이러한 심층신경망의 특징을 이용하여 상기 측정부(10)에서 측정된 잡음이 포함된 뇌파 신호를 순수 뇌파 성분, 수평 눈 움직임 성분, 수직 눈 움직임 성분, 근육 움직임 성분, 기타 노이즈 성분 등으로 분류할 수 있다.
그리고 분류된 신호를 바탕으로 뇌파 성분 이외의 나머지 잡음 성분을 입력된 뇌파 데이터로부터 제거하여 잡음이 제거된 뇌파를 최종적으로 출력할 수 있다.
이때 심층신경망 분석에 사용될 수 있는 심층신경망으로는 콘벌루션 신경망(CNN), 리커런트 신경망(RNN) 또는 하이브리드 신경망(HNN)일 수 있다.
이처럼 심층신경망을 통해 순수한 뇌파 성분을 분석부(20)에 입력할 수 있다.
상기 분석부(20)는 PC, 노트북 등 컴퓨터일 수 있으며, 별도로 제작된 하드웨어를 사용할 수 있다. 위의 잡음 제거를 수행하는 필터부(21)는 필터링 가능한 하드웨어 또는 소프트웨어일 수 있으며, 입력된 측정부(10)의 전기적신호를 필터링하여 유효한 신호만을 추출하는 역할을 한다.
상기 분석부(20)는 지표 분석부(22), 지표 데이터베이스(23), 비교부(24) 및 연산부(25)를 더 포함한다.
상기 필터부(21)에서 필터링된 뇌파들이 증폭된 전기적인 신호들은 S40단계와 같이 지표 분석부(22)에서 분석된다. 이때의 분석은 주파수 대역별 절대 및 상대 파워를 의미하는 파워 스펙트럼 분석, 뇌의 기능적 연결성 및 네트워크 분석을 포함한다.
뇌파의 파워 스펙트럼은 뇌파의 구성 주파수별 전력의 크기를 검출하여, ㎶2/Hz 또는 dB/Hz 단위로 표시한다.
그리고 주파수 대역별 절대 및 상대 파워를 산출하는데, 절대 파워는 주파수 대역별로 구성 주파수 파워를 가산한 값이며, 상대 파워는 특정 주파수 대역에서 절대 파워를 전체 주파수 대역에서 계산된 전체 파워로 나눈 값이다.
이와 같은 산출 값들은 뇌의 나이를 판단하는 근거 지표의 일부가 된다.
도 4에 안정상태에서 검출한 뇌파의 주파수 대역별 절대 파워맵을 도시하였다.
도 4에서는 주파수 대역별 절대 파워를 성별 및 연령대로 구분하여 표시한 것으로, 동일 연령대이더라도 성별에 따라 주파수 대역별 절대 파워에 차이가 있음을 알 수 있다.
이러한 성별에 따른 뇌파의 차이는 여러 측정 결과에서 확인할 수 있으며, 아래에서는 동일 연령대의 다른 성별간 뇌파의 특성 차이를 설명한다.
도 5 남성과 여성의 후두부 영역 상대 세타 밴드 지표의 분포그래프이며, 도 6은 남성과 여성의 후두부 영역 세타-베타비(TBR) 지표의 분포그래프이고, 도 7은 세타 네트워크 지표의 분포그래프이다.
도 5 내지 도 7에서 확인할 수 있는 바와 같이, 도면에 도시된 각 지표들의 남성과 여성의 평균을 나타내는 곡선은 서로 차이가 있으며, 이러한 특징에 의하여 성별을 구분하지 않고 분석된 지표들만으로 뇌 나이를 추정하는 것은 오류가 발생할 수 있다.
또한, 본 발명에서는 검출된 뇌파의 파워 스펙트럼을 이용할 뿐만 아니라 뇌의 기능적인 연결성 및 네트워크를 뇌 나이 판단의 지표로 사용한다.
뇌의 기능적 연결성은 대뇌 피질의 5810개 위치에서 뇌파 발생 신호원을 계산한 후, 디폴트 모드 네트워크(default mode network, DMN), 어텐션 모드 네트워크(attention network, AN), 프론토 패리에탈 네트워크(fronto-parietal network, FPN), 감각운동기 네트워크(sensorimotor network, SMN)으로 정의된 네트워크의 구성 영역들 사이의 기능적 연결성(functional connectivity)을 계산한다.
기능적 연결성 지표로는 다양한 지표가 사용 가능하며, 본 발명에서는 imaginary coherence(iCoh)를 사용한다. 기능적 연결성 지표는 아래의 수학식 1로 산출할 수 있다.
Figure PCTKR2017013453-appb-M000001
수학식 1에서 f는 주파수, Sxy(f)는 X와 Y 사이의 크로스 스펙트럼(cross-spectrum), Sxx(f)와 Syy(f)는 각각 X와 Y의 스펙트럼을 나타낸다. im은 허수부 코히어런스(imaginary part of coherence)를 의미하고, ()는 () 내에 기재된 구간의 평균이다. 상기 iCohxy의 값은 0과 1 사이에서 결정된다.
iCohxy의 값이 0이면 주어진 주파수에서 X와 Y의 위치의 두 신호는 선형적으로 독립인 것을 의미한다. 반대로 1이면 주어진 주파수에서 두 신호는 최대로 상관되어 있음을 의미한다.
이처럼 기능적 연결성을 이용하여 네트워크 구성 영역을 확인할 수 있으며, 이러한 네트워크 구성 영역 정보를 도 8에 도시하였다.
뇌 네트워크의 산출은 뇌 연결성을 각 네트워크 구성 영역 사이에서 계산한 후, 전체 연결성 지표의 평균값을 계산한 전체 연결 강도(total connection strength) 지표이며, 클러스터링 상수(clustering coefficient), 연결길이(path length), 집중성(centrality) 지표를 포함할 수 있다.
이와 같이 분석부(20)의 지표 분석부(22)에서는 파워 스펙트럼뿐만 아니라 연관성 및 네트워크를 분석하며, 비교부(24)에서는 도 2의 S50단계와 같이 지표 데이터베이스(23)에 저장된 지표들과 상기 지표 분석부(22)의 분석결과를 비교한다.
S50단계의 처리를 통해 모든 지표별 뇌 나이의 추정이 가능하다.
그 다음, S60단계와 같이 분석부(20)의 연산부(25)는 각 지표별 뇌 나이의 평균을 구하여 뇌 나이를 추정한다.
뇌 나이 추정의 산출식은 아래의 수학식 2로 표현할 수 있다.
Figure PCTKR2017013453-appb-M000002
상기 수학식 2에서 X는 검출된 뇌파 데이터의 분석 지표 값이며,
Figure PCTKR2017013453-appb-I000006
는 건강인 표준 뇌파 데이터베이스로부터 산출한 동일 연령대 및 성별 데이터베이스 평균값이고, σ는 건강인 표준 뇌파 데이터베이스로부터 산출한 동일 연령대 및 성별 데이터베이스 표준편차값이다.
뇌 나이 추정 값(Z)은 0이거나, 양의 정수 또는 음의 정수의 값이며, 따라서 건강인 표준 뇌 나이와 같음, 또는 많거나 적음을 알 수 있다.
위의 평균값을 이용하는 방법 이외의 다른 뇌 나이 추정 방법으로는, 신뢰성이 높은 특정한 주파수 대역이 나타내는 지표에 대해서는 더 높은 가중치를 두어 평균값에 영향을 주는 보정을 할 수 있다. 특히 세타파는 시험상 뇌 나이 추정의 결과와 매우 유사한 결과를 나타내는 신뢰성이 높은 주파수 대역이며, 세타파의 파워 스펙트럼에 더 높은 가중치를 부여할 수 있다.
이처럼 분석부(20)에서 분석된 뇌 나이는 S70단계와 같이 출력부(30)를 통해 출력된다. 여기서 출력이라 함은 측정 대상자가 쉽게 이해할 수 있는 보고서의 출력을 뜻하며, 이는 디스플레이 장치상의 표시 또는 종이 등에 직접 인쇄를 포함하는 개념일 수 있으며, 통신을 이용하여 다른 장치로 전송하는 것을 포함하는 개념으로 이해되어야 한다.
본 발명에서는 S70단계의 수행을 위하여 자동화된 방법을 제안한다.
좀 더 구체적으로, 출력부(30)에서 출력을 하는 과정에서 뇌파 데이터에 컨텐츠를 태깅하여 함께 출력한다.
도 9는 상기 S70단계의 상세 순서도이다.
상기 분석부(20)에서 분석된 최종 뇌 나이 추정 값(Z)이 점수가 소정의 범위 값 이하인지를 판단하여 뇌파 데이터가 정상 범위 내에 있는지를 판단한다(S71).
위의 뇌 나이 추정 값(Z)이 정상 범위 내인 경우, 뇌파 데이터의 상태를 '정상' 상태로 파악하고, 뇌파 데이터의 시각화된 이미지에 '정상' 상태에 대응하는 컨텐츠를 태깅한다(S72).
여기서 '정상'은 뇌 나이 추정 값(Z)이 0으로 건강인 표준 뇌 나이와 동일함을 뜻하며, 정상범위는 0을 기준으로 소정의 뇌 나이 범위를 정하여 해당 범위 내이면 측정 대상자의 뇌 나이가 정상 범위에 있는 것으로 판단할 수 있다.
상기 뇌 나이 추정 값(Z)이 정상 범위가 아닌 경우 뇌 나이 추정 값(Z)이 수가 양수인지 음수인지 확인한다.
즉, 뇌 나이 추정 값(Z)이 건강인 뇌파 데이터 베이스 평균보다 큰지 작은지를 판단한다(S73).
뇌 나이 추정 값(Z)이 양수이면, 측정 대상자의 뇌 나이 상태를 '증가'로 파악하여 증가 상태에 대응하는 컨텐츠를 태깅한다(S74).
반대로 음수이면 뇌 나이 상태를 '감소'로 파악하고, 뇌파 데이터의 시각화된 이미지에 '감소' 상태에 대응하는 컨텐츠를 태깅한다(S75).
이에 따라, 뇌 나이를 분류한 결과에 따라서 해당하는 컨텐츠를 뇌파 데이터의 시각화된 이미지에 태깅할 수 있다. 뇌파 데이터의 시각화된 이미지의 예를 도 10에 도시하였다.
위에서 컨텐츠라 함은 각 뇌파 데이터를 설명하는 텍스트 데이터 일 수 있으며, 출력부(30)는 측정 대상자의 뇌파 데이터의 시각화된 이미지에 텍스트 데이터를 태깅하여 함께 출력할 수 있다.
또한, 상기 컨텐츠는 추정된 뇌 나이에 따라 임상적 해석 정보를 포함할 수 있다. 컨텐츠는 추정된 뇌 나이와 측정 대상자의 나이의 차에 따라 식별 번호 등 고유값을 할당하여 구성할 수 있으며, 뇌 나이 추정 결과에 따라 컨텐츠를 검색 및 태깅할 수 있다. 임상적 해석 정보는 뇌 나이 추정결과 생물학적 나이와 비교하여 추정된 뇌 나이가 높거나 낮은 경우 건강한 뇌 나이 유지를 위한 제안을 포함할 수 있다. 예를 들어 상태에 맞는 운동 또는 식이요법을 제안할 수 있다.
본 발명은 상기 실시예에 한정되지 않고 본 발명의 기술적 요지를 벗어나지 아니하는 범위 내에서 다양하게 수정, 변형되어 실시될 수 있음은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 있어서 자명한 것이다.
본 발명은 뇌파 검출하고, 검출된 뇌파의 특성을 건강인의 연령 및 성별에 따른 표준 뇌파 특성과 비교하여 뇌나이를 추정하고, 뇌의 건강 상태를 확인할 수 있도록 하는 것으로 산업상 이용 가능성이 있다.

Claims (15)

  1. 안정 상태 및 사건 유발 전위 뇌파를 측정하는 측정부;
    측정부에서 측정된 뇌파에서 잡음을 제거하고, 파워 스펙트럼, 주파수 대역별 절대 및 상대 파워, 연결성 및 네트워크 지표 중 선택된 둘 이상을 분석하고, 성별 및 연령별로 분류된 건강인 표준 뇌파 지표와 비교하여 뇌 나이 추정 값을 산출하는 분석부; 및
    상기 분석부의 분석결과를 출력하는 출력부를 포함하여 된 것을 특징으로 하는 뇌파 분석을 통한 뇌 나이 추정 시스템.
  2. 제1항에 있어서,
    상기 측정부는,
    뇌파를 측정하기 위한 측정센서들;
    측정센서들의 측정 신호를 증폭하는 증폭부; 및
    사건 유발 전위 뇌파를 측정하기 위하여 자극을 발생시키는 자극발생부를 포함하는 뇌파 분석을 통한 뇌 나이 추정 시스템.
  3. 제1항에 있어서,
    분석부는,
    상기 측정부에서 측정된 뇌파 신호들에서 잡음을 제거하는 필터부;
    상기 필터부에서 잡음이 제거된 뇌파 신호들의 파워 스펙트럼과 연관성 및 네트워크를 분석하는 지표분석부;
    건강인의 뇌파 데이터를 저장하는 지표 데이터베이스;
    상기 지표분석부의 분석결과를 상기 지표 데이터베이스에 저장된 건강인의 뇌파 데이터와 비교하는 비교부; 및
    상기 비교부의 비교 결과를 연산하여 상기 측정 대상자의 뇌 나이 추정 값을 산출하는 연산부를 포함하는 뇌파 분석을 통한 뇌 나이 추정 시스템.
  4. 제3항에 있어서,
    상기 지표분석부는,
    주파수 대역별 절대 파워와 상대 파워를 의미하는 파워 스펙트럼 분석, 뇌의 기능적 연결성 및 네트워크 분석을 포함하며,
    뇌파의 파워 스펙트럼은 뇌파의 구성 주파수별 전력의 크기를 검출하여, ㎶2/Hz 또는 dB/Hz 단위로 표시하고,
    상기 주파수 대역별 절대 파워는 주파수 대역별로 구성 주파수 파워를 가산하여 산출하고,
    상기 상대 파워는 특정 주파수 대역에서 절대 파워를 전체 주파수 대역에서 계산된 전체 파워로 나누어 산출하는 것을 특징으로 하는 뇌파 분석을 통한 뇌 나이 추정 시스템.
  5. 제3항에 있어서,
    상기 지표분석부는,
    주파수 대역별 절대 파워와 상대 파워를 의미하는 파워 스펙트럼 분석, 뇌의 기능적 연결성 및 네트워크 분석을 포함하며,
    상기 기능적 연결성은, 디폴트 모드 네트워크(default mode network, DMN), 어텐션 모드 네트워크(attention network, AN), 프론토 패리에탈 네트워크(fronto-parietal network, FPN) 및 감각운동기 네트워크(sensorimotor network, SMN)으로 정의된 네트워크의 구성 영역들 사이의 기능적 연결성(functional connectivity)을 계산하는 것을 특징으로 하는 뇌파 분석을 통한 뇌 나이 추정 시스템.
  6. 제5항에 있어서,
    상기 기능적 연결성은,
    아래의 수학식 1로 표현되는 것을 특징으로 하는 뇌파 분석을 통한 뇌 나이 추정 시스템.
    (수학식 1)
    Figure PCTKR2017013453-appb-I000007
    상기 수학식 1에서 f는 주파수, Sxy(f)는 X와 Y 사이의 크로스 스펙트럼(cross-spectrum), Sxx(f)와 Syy(f)는 각각 X와 Y의 스펙트럼, im은 허수부 코히어런스(imaginary part of coherence)를 의미하고, ()는 () 내에 기재된 구간의 평균
  7. 제3항에 있어서,
    상기 연산부는,
    아래의 수학식 2를 통해 뇌 나이 추정 연산을 수행하는 것을 특징으로 하는 뇌파 분석을 통한 뇌 나이 추정 시스템.
    (수학식 2)
    Figure PCTKR2017013453-appb-I000008
    X는 검출된 뇌파 데이터의 분석 지표 값이며,
    Figure PCTKR2017013453-appb-I000009
    는 건강인 표준 뇌파 데이터베이스로부터 산출한 동일 연령대 및 성별 데이터베이스 평균값이고, σ는 건강인 표준 뇌파 데이터베이스로부터 산출한 동일 연령대 및 성별 데이터베이스 표준편차값
  8. 제1항에 있어서,
    상기 출력부는,
    측정 대상자의 뇌파 데이터의 시각화된 이미지에 텍스트 데이터를 태깅하고, 생물학적 나이와 비교하여 높거나 낮은 경우 건강한 뇌 나이 유지를 위한 제안을 함께 출력하는 것을 특징으로 하는 뇌파 분석을 통한 뇌 나이 추정 시스템.
  9. a) 뇌파 데이터를 측정하는 단계;
    b) 뇌파 데이터를 필터링하여 잡음을 제거하는 단계;
    c) 파워 스펙트럼, 주파수 대역별 절대 파워 및 상대 파워, 연결성 및 네트워크 지표를 산출하는 단계;
    d) 동일 성별 건강인 표준 뇌파 지표와 비교하여, 측정 대상자의 추정 뇌 나이를 산출하는 단계를 포함하는 뇌파 분석을 통한 뇌 나이 추정 방법.
  10. 제9항에 있어서,
    e) 추정된 뇌 나이에 따라 분류된 텍스트 데이터를 태깅하여 측정 대상자의 뇌파 데이터의 시각화된 이미지와 함께 출력하는 단계를 더 포함하는 뇌파 분석을 통한 뇌 나이 추정 방법.
  11. 제10항에 있어서,
    상기 a) 단계는,
    안정 상태 및 사건 유발 전위 뇌파를 측정하는 것을 특징으로 하는 뇌파 분석을 통한 뇌 나이 추정 방법.
  12. 제11항에 있어서,
    상기 c) 단계는,
    상기 b) 단계를 통해 잡음이 제거된 뇌파 신호들에서, 파워 스펙트럼과 연관성 및 네트워크를 분석하는 것을 특징으로 하는 뇌파 분석을 통한 뇌 나이 추정 방법.
  13. 제12항에 있어서,
    상기 c) 단계는,
    주파수 대역별 절대 파워와 상대 파워를 의미하는 파워 스펙트럼 분석, 뇌의 기능적 연결성 및 네트워크 분석을 포함하며,
    뇌파의 파워 스펙트럼은 뇌파의 구성 주파수별 전력의 크기를 검출하여, ㎶2/Hz 또는 dB/Hz 단위로 표시하고,
    상기 주파수 대역별 절대 파워는 주파수 대역별로 구성 주파수 파워를 가산하여 산출하고,
    상기 상대 파워는 특정 주파수 대역에서 절대 파워를 전체 주파수 대역에서 계산된 전체 파워로 나누어 산출하는 뇌파 분석을 통한 뇌 나이 추정 방법.
  14. 제12항에 있어서,
    상기 c) 단계는,
    주파수 대역별 절대 파워와 상대 파워를 의미하는 파워 스펙트럼 분석, 뇌의 기능적 연결성 및 네트워크 분석을 포함하며,
    상기 기능적 연결성은, 디폴트 모드 네트워크(default mode network, DMN), 어텐션 모드 네트워크(attention network, AN), 프론토 패리에탈 네트워크(fronto-parietal network, FPN) 및 감각운동기 네트워크(sensorimotor network, SMN)으로 정의된 네트워크의 구성 영역들 사이의 기능적 연결성(functional connectivity)을 계산하는 것을 특징으로 하는 뇌파 분석을 통한 뇌 나이 추정 방법.
  15. 제12항에 있어서,
    상기 d) 단계는,
    아래의 수학식 2를 통해 뇌 나이 추정 연산을 수행하는 것을 특징으로 하는 뇌파 분석을 통한 뇌 나이 추정 시스템.
    (수학식 2)
    Figure PCTKR2017013453-appb-I000010
    X는 검출된 뇌파 데이터의 분석 지표 값이며,
    Figure PCTKR2017013453-appb-I000011
    는 건강인 표준 뇌파 데이터베이스로부터 산출한 동일 연령대 및 성별 데이터베이스 평균값이고, σ는 건강인 표준 뇌파 데이터베이스로부터 산출한 동일 연령대 및 성별 데이터베이스 표준편차값
PCT/KR2017/013453 2017-11-23 2017-11-24 뇌파 분석을 통한 뇌 나이 추정 방법 및 시스템 WO2019103186A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2017-0156906 2017-11-23
KR1020170156906A KR20190059364A (ko) 2017-11-23 2017-11-23 뇌파 분석을 통한 뇌 나이 추정 방법 및 시스템

Publications (1)

Publication Number Publication Date
WO2019103186A1 true WO2019103186A1 (ko) 2019-05-31

Family

ID=66631541

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2017/013453 WO2019103186A1 (ko) 2017-11-23 2017-11-24 뇌파 분석을 통한 뇌 나이 추정 방법 및 시스템

Country Status (2)

Country Link
KR (1) KR20190059364A (ko)
WO (1) WO2019103186A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117393167A (zh) * 2023-12-11 2024-01-12 中国人民解放军军事科学院军事医学研究院 一种基于人工智能模型的大脑健康评估方法

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022005091A1 (ko) * 2020-06-29 2022-01-06 주식회사 뷰노 골 연령 판독 방법 및 장치
KR102452201B1 (ko) 2021-05-18 2022-10-12 주식회사 아이메디신 자동 잡음신호 구간 검출 방법 및 장치
KR102654738B1 (ko) 2022-05-30 2024-04-04 전북대학교병원 자기공명영상을 이용한 뇌 연령 측정 시스템 및 방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080068003A (ko) * 2005-08-02 2008-07-22 브레인스코프 컴퍼니 인코퍼레이티드 뇌기능 평가를 위한 방법 및 휴대용 자동 뇌기능 평가 장치
US20120271148A1 (en) * 2011-04-20 2012-10-25 Medtronic, Inc. Brain condition monitoring based on co-activation of neural networks
JP2014525787A (ja) * 2011-07-20 2014-10-02 エルミンダ リミテッド 脳震盪を推定するための方法およびシステム
US20160367812A1 (en) * 2015-03-24 2016-12-22 Dirk De Ridder Methods of neuromodulation

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080068003A (ko) * 2005-08-02 2008-07-22 브레인스코프 컴퍼니 인코퍼레이티드 뇌기능 평가를 위한 방법 및 휴대용 자동 뇌기능 평가 장치
US20120271148A1 (en) * 2011-04-20 2012-10-25 Medtronic, Inc. Brain condition monitoring based on co-activation of neural networks
JP2014525787A (ja) * 2011-07-20 2014-10-02 エルミンダ リミテッド 脳震盪を推定するための方法およびシステム
US20160367812A1 (en) * 2015-03-24 2016-12-22 Dirk De Ridder Methods of neuromodulation

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
NOLTE, GUIDO ET AL.: "Identifying True Brain Interaction from EEG Data Using the Imaginary Part of Coherency", CLINICAL NEUROPHYSIOLOGY, vol. 115, no. 10, October 2004 (2004-10-01), pages 2292 - 2307, XP004559973 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117393167A (zh) * 2023-12-11 2024-01-12 中国人民解放军军事科学院军事医学研究院 一种基于人工智能模型的大脑健康评估方法
CN117393167B (zh) * 2023-12-11 2024-03-12 中国人民解放军军事科学院军事医学研究院 一种基于人工智能模型的大脑健康评估方法

Also Published As

Publication number Publication date
KR20190059364A (ko) 2019-05-31

Similar Documents

Publication Publication Date Title
WO2019103187A1 (ko) 뇌파를 통한 뇌 인지기능 평가 플랫폼 및 방법
WO2019103186A1 (ko) 뇌파 분석을 통한 뇌 나이 추정 방법 및 시스템
Dingle et al. A multistage system to detect epileptiform activity in the EEG
WO2010032929A2 (ko) 뇌파 분석을 이용한 치매 진단 장치 및 방법
CN100427031C (zh) 视觉检查的系统和方法
WO2021107309A1 (ko) 뇌파 분석과 관련된 관심 구간을 뇌파 신호에서 레이블링하는 방법 및 이를 수행하는 뇌파 분석 시스템
WO2018135693A1 (ko) 스트레스 측정을 위한 이어 헤드셋 장치 및 이를 이용한 스트레스 측정 방법
WO2012153965A2 (ko) 뇌-컴퓨터 접속 장치, 그리고 그의 분류 방법
WO2017111342A1 (en) Oxygen saturation measuring apparatus and oxygen saturation measuring method thereof
WO2019103188A1 (ko) 뇌파 분석을 통한 외상성 뇌손상 평가 시스템 및 방법
WO2005002420A3 (en) Method and apparatus for an automated procedure to detect and monitor early-stage glaucoma
WO2015046806A1 (ko) 질병 관리 애플리케이션 제공 방법 및 이를 구현한 장치
US20220148728A1 (en) System and method for analyzing stress of user and managing individual mental health, using hmd device having biosignal sensors mounted therein
WO2013077558A1 (ko) 뇌전도를 이용한 로봇기반 자폐진단 장치 및 그 방법
WO2021040181A1 (ko) 선호도 결정 방법 및 이를 이용한 선호도 결정용 디바이스
WO2018048072A1 (ko) Ppg 신호를 이용한 동잡음 제거 장치 및 그 방법
WO2019014955A1 (zh) 血糖检测的移动终端
WO2021107362A1 (ko) 뇌파 측정 기술을 이용하여 언어 능숙도를 진단하는 방법
WO2017010832A1 (ko) 맥파 전달 시간을 이용한 수축기 혈압 산출 장치 및 그 방법
Carrie et al. A small computer system for EEG wavelength-amplitude profile analysis
WO2021194197A1 (ko) 주요 우울증에 대한 정보 제공 방법 및 이를 이용한 주요 우울증에 대한 정보 제공용 디바이스
WO2014112824A1 (ko) 생체 정보 측정 장치 및 생체 정보 측정 방법
WO2020036256A1 (ko) 의식 상태 모니터링 방법 및 장치
KR100689987B1 (ko) 뇌전도 및 자기공명영상 검출 시스템에서 뇌전도 신호에포함된 잡음을 제거하기 위한 장치 및 방법
JP2023020273A (ja) 情報処理装置、プログラムおよび情報処理方法

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: 17932618

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 17932618

Country of ref document: EP

Kind code of ref document: A1