KR102376984B1 - 피질 기능 뇌 네트워크를 이용한 뇌기능 이상부위 측정장치 및 그 방법 - Google Patents
피질 기능 뇌 네트워크를 이용한 뇌기능 이상부위 측정장치 및 그 방법 Download PDFInfo
- Publication number
- KR102376984B1 KR102376984B1 KR1020190103808A KR20190103808A KR102376984B1 KR 102376984 B1 KR102376984 B1 KR 102376984B1 KR 1020190103808 A KR1020190103808 A KR 1020190103808A KR 20190103808 A KR20190103808 A KR 20190103808A KR 102376984 B1 KR102376984 B1 KR 102376984B1
- Authority
- KR
- South Korea
- Prior art keywords
- brain
- nodes
- measuring
- mdd
- network
- Prior art date
- Legal status (The legal status 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 status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000005259 measurement Methods 0.000 title claims description 5
- 210000003710 cerebral cortex Anatomy 0.000 title 1
- 210000004556 brain Anatomy 0.000 claims abstract description 110
- 208000024714 major depressive disease Diseases 0.000 claims abstract description 63
- 230000003925 brain function Effects 0.000 claims abstract description 44
- 230000002159 abnormal effect Effects 0.000 claims abstract description 38
- 238000003012 network analysis Methods 0.000 claims abstract description 35
- 230000005856 abnormality Effects 0.000 claims abstract description 33
- 230000000694 effects Effects 0.000 claims abstract description 18
- 208000024891 symptom Diseases 0.000 claims abstract description 17
- 210000004761 scalp Anatomy 0.000 claims abstract description 9
- 230000000284 resting effect Effects 0.000 claims abstract description 8
- 208000020401 Depressive disease Diseases 0.000 claims abstract description 3
- 238000000692 Student's t-test Methods 0.000 claims description 6
- 230000007585 cortical function Effects 0.000 claims description 6
- 238000012353 t test Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 5
- 206010002869 Anxiety symptoms Diseases 0.000 claims description 4
- 206010012289 Dementia Diseases 0.000 claims description 4
- 230000005978 brain dysfunction Effects 0.000 claims 2
- 238000000691 measurement method Methods 0.000 claims 1
- 230000001054 cortical effect Effects 0.000 abstract description 5
- 208000020016 psychiatric disease Diseases 0.000 abstract description 4
- 230000008309 brain mechanism Effects 0.000 abstract description 3
- 238000006243 chemical reaction Methods 0.000 abstract description 3
- 208000019901 Anxiety disease Diseases 0.000 description 5
- 230000036506 anxiety Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000010365 information processing Effects 0.000 description 4
- 210000002442 prefrontal cortex Anatomy 0.000 description 4
- 230000002123 temporal effect Effects 0.000 description 3
- 101001034314 Homo sapiens Lactadherin Proteins 0.000 description 2
- 102100039648 Lactadherin Human genes 0.000 description 2
- 230000005821 brain abnormality Effects 0.000 description 2
- 210000001652 frontal lobe Anatomy 0.000 description 2
- 230000004751 neurological system process Effects 0.000 description 2
- 230000001575 pathological effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000010183 spectrum analysis Methods 0.000 description 2
- 230000000638 stimulation Effects 0.000 description 2
- 208000020925 Bipolar disease Diseases 0.000 description 1
- 206010054089 Depressive symptom Diseases 0.000 description 1
- 208000019022 Mood disease Diseases 0.000 description 1
- 206010029897 Obsessive thoughts Diseases 0.000 description 1
- 208000000810 Separation Anxiety Diseases 0.000 description 1
- 208000013738 Sleep Initiation and Maintenance disease Diseases 0.000 description 1
- 230000004596 appetite loss Effects 0.000 description 1
- 239000000090 biomarker Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000994 depressogenic effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 208000013403 hyperactivity Diseases 0.000 description 1
- 206010022437 insomnia Diseases 0.000 description 1
- 235000021266 loss of appetite Nutrition 0.000 description 1
- 208000019017 loss of appetite Diseases 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000004498 neuroglial cell Anatomy 0.000 description 1
- 238000002610 neuroimaging Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000007310 pathophysiology Effects 0.000 description 1
- 208000025874 separation anxiety disease Diseases 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 210000000857 visual cortex Anatomy 0.000 description 1
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
-
- 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
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—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
- A61B5/72—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
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Psychiatry (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Psychology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Developmental Disabilities (AREA)
- Educational Technology (AREA)
- Hospice & Palliative Care (AREA)
- Social Psychology (AREA)
- Child & Adolescent Psychology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
본 발명은 피질 기능 뇌 네트워크를 이용한 뇌기능 이상부위 측정장치 및 그 방법에 대한 것이다.
본 발명에 따르면, 휴식상태에서 피검자의 두피에 밀착된 복수의 노드로부터 측정된 뇌파 신호를 수신받는 수신부, 상기 수신된 뇌파신호를 이용하여 상호 연결된 노드간의 연결 정도 및 강도에 대한 뇌 네트워크 값을 산출하고, 상기 산출된 뇌 네트워크 값에 FDR(false discovery rate) 방식을 적용하여 주파수 대역에 대한 각 노드의 유의한 차이 값을 획득하는 제어부, 그리고 상기 각 노드의 유의한 차이 값에 따라 뇌의 이상부위에 대응하는 노드 정보를 획득하고, 획득한 이상부위에 대응하는 노드의 개수에 따라 주요 우울증 장애(MDD, Major depressive Disorder) 증상의 심각도를 분류하는 뇌 네트워크 분석부를 포함한다.
이와 같이 본 발명에 따른 뇌기능 이상부위 측정장치는 복수의 주파수 대역에서 각각 측정된 뇌파를 이용하여 네트워크 값을 산출하고, 산출된 네트워크 값을 이용하여 이상반응이 발생된 부위를 검출할 수 있으므로 주요 우울증 장애(MDD)를 포함한 모든 정신 질환의 뇌 메커니즘을 이해할 수 있는 효과를 지닌다.
본 발명에 따르면, 휴식상태에서 피검자의 두피에 밀착된 복수의 노드로부터 측정된 뇌파 신호를 수신받는 수신부, 상기 수신된 뇌파신호를 이용하여 상호 연결된 노드간의 연결 정도 및 강도에 대한 뇌 네트워크 값을 산출하고, 상기 산출된 뇌 네트워크 값에 FDR(false discovery rate) 방식을 적용하여 주파수 대역에 대한 각 노드의 유의한 차이 값을 획득하는 제어부, 그리고 상기 각 노드의 유의한 차이 값에 따라 뇌의 이상부위에 대응하는 노드 정보를 획득하고, 획득한 이상부위에 대응하는 노드의 개수에 따라 주요 우울증 장애(MDD, Major depressive Disorder) 증상의 심각도를 분류하는 뇌 네트워크 분석부를 포함한다.
이와 같이 본 발명에 따른 뇌기능 이상부위 측정장치는 복수의 주파수 대역에서 각각 측정된 뇌파를 이용하여 네트워크 값을 산출하고, 산출된 네트워크 값을 이용하여 이상반응이 발생된 부위를 검출할 수 있으므로 주요 우울증 장애(MDD)를 포함한 모든 정신 질환의 뇌 메커니즘을 이해할 수 있는 효과를 지닌다.
Description
본 발명은 피질 기능 뇌 네트워크를 이용한 뇌기능 이상부위 측정장치 및 그 방법에 관한 것으로서, 더욱 상세하게는 안정상태에서 피검자로부터 측정된 뇌파 신호를 이용하여 주요 우울증 장애에서 뇌기능이 저하되는 이상부위를 검출하는 피질 기능 뇌 네트워크를 이용한 뇌기능 이상부위 측정장치 및 그 방법에 관한 것이다.
주요 우울증 장애(MDD, Major depressive disorder)는 기분장애의 하나로서, 양극성장애에 대비하여 단극성장애라고도 불린다. 대체로 서서히 발생하며 수년간 과다활동, 분리불안장애 혹은 간헐적인 우울증상을 나타낸다. 불면증, 슬픈 감정, 과거에 대한 집착, 주의산만, 절망감, 피로감, 식욕감퇴 등의 증상이 나타난다
현재까지 주요우울장애의 병태생리를 이해하기 위한 다양한 연구가 시도되었고, 신경내분비, 신경면역학 그리고 뇌영상학 분야에서 주요우울장애와 관련된 여러 이상 소견이 보고되었으나, 아직까지 생물학적인 원인론(기전)에 대해서는 명확히 밝혀진 바가 없었다.
또한 주요우울장애의 진단 및 치료 과정에 있어서 객관적인 평가를 위한 생물학적 표지자(biological marker)가 개발되어 있지 않아서 임상 진료의 표준화에 어려움이 있었다.
한편, 최근 주요 우울증 장애(MDD)에 대한 연구들을 살펴보면, 환자의 배외측 전전두피질(frontocortical)에서 신경세포와 신경교세포의 크기와 밀도가 감소되어 있는 것으로 보고되었다. 그러나 이러한 세포구조적인 이상 변화들과 각각의 요인들과의 상호관계에 대해서는 아직까지 알려진 바가 없다.
본 발명의 배경이 되는 기술은 대한민국 등록특허공보 제10-1535352호(2015.07.02. 공고)에 개시되어 있다.
본 발명이 이루고자 하는 기술적 과제는, 안정상태에서 피검자로부터 측정된 뇌파 신호를 이용하여 주요 우울증 장애에서 뇌기능이 저하되는 이상부위를 검출하는 피질 기능 뇌 네트워크를 이용한 뇌기능 이상부위 측정장치 및 그 방법을 제공하는데 목적이 있다.
이러한 기술적 과제를 이루기 위한 본 발명의 실시예에 따르면, 피질 기능 뇌 네트워크를 이용한 뇌기능 이상부위 측정장치 및 그 방법에 있어서, 휴식상태에서 피검자의 두피에 밀착된 복수의 노드로부터 측정된 뇌파 신호를 수신받는 수신부, 상기 수신된 뇌파신호를 이용하여 상호 연결된 노드간의 연결 정도 및 강도에 대한 뇌 네트워크 값을 산출하고, 상기 산출된 뇌 네트워크 값에 FDR(false discovery rate) 방식을 적용하여 주파수 대역에 대한 각 노드의 유의한 차이 값을 획득하는 제어부, 그리고 상기 각 노드의 유의한 차이 값에 따라 뇌의 이상부위에 대응하는 노드 정보를 획득하고, 획득한 이상부위에 대응하는 노드의 개수에 따라 주요 우울증 장애(MDD, Major depressive Disorder) 증상의 심각도를 분류하는 뇌 네트워크 분석부를 포함한다.
상기 제어부는, 상기 복수의 노드로부터 수신된 뇌파신호를 5개의 주파수 대역으로 분류하고, 상기 분류된 5개의 주파수 대역 대해 각각의 뇌 네트워크 값을 산출할 수 있다.
상기 주파수 대역은, 델타(delta)[1-4 Hz], 세타(Theta)[4-8 Hz], 알파(alpha)[8-12 Hz], 베타(beta)[12-30 Hz], 감마(gamma)[30-55 Hz])로 구분될 수 있다.
상기 제어부는, 상기 복수의 노드에 대한 기능적 연결성을 확인하기 위한 위상 동기화 지수(PLV, Phase locking value)을 산출하고, 상기 산출된 PLV를 기반으로 클러스터링 계수(Clustering coefficients), 경로 길이(Path length) 및 효율성에 대한 뇌 네트워크 값을 산출할 수 있다.
상기 뇌 네트워크 분석부는, 주요 우울증 장애(MDD)를 가진 그룹과 정상인 그룹에서 각각 획득한 네트워크 값에 t-테스트를 수행하여 임계값을 획득하고, 획득한 임계값을 기준으로 유의하게 차이가 발생된 노드에 대한 정보를 획득할 수 있다.
상기 뇌 네트워크 분석부는, 주요 우울증 장애(MDD)를 가진 그룹과 정상인 그룹으로부터 획득한 뇌 네트워크 값에서 유의하게 상이한 효과 크기를 갖는 노드를 추출하고, 추출된 노드의 효과 크기에 대한 평균값을 통해 상기 임계값을 획득할 수 있다.
상기 뇌 네트워크 분석부는, 5가지 주파수 대역에서 상기 임계값을 기준으로 유의하게 차이가 발생된 노드가 적어도 3개 이상일 경우, 뇌에 이상부위가 있는 것으로 판단할 수 있다.
상기 뇌 네트워크 분석부는, 알파 대역에서 상기 임계값을 기준으로 유의하게 차이가 발생된 노드의 개수가 4개 이상인 경우에는 우울증으로 진단할 수 있다.
상기 뇌 네트워크 분석부는, 베파 대역에서 상기 임계값을 기준으로 유의하게 차이가 발생된 노드의 개수가 4개 이상인 경우에는 불안증상으로 진단하고, 세파 대역에서 상기 임계값을 기준으로 유의하게 차이가 발생된 노드의 개수가 4개 이상인 경우에는 치매증상으로 진단할 수 있다.
본 발명의 다른 실시예에 따르면, 뇌기능 이상부위 측정장치를 이용한 피질 기능 뇌 네트워크의 뇌기능 이상부의 측정방법에 있어서, 휴식상태에서 피검자의 두피에 밀착된 복수의 노드로부터 측정된 뇌파 신호를 수신받는 단계, 상기 수신된 뇌파신호를 이용하여 상호 연결된 노드간의 연결 정도 및 강도에 대한 뇌 네트워크 값을 산출하고, 상기 산출된 뇌 네트워크 값에 FDR(false discovery rate) 방식을 적용하여 주파수 대역에 대한 각 노드의 유의한 차이 값을 획득하는 단계, 그리고 상기 각 노드의 유의한 차이 값에 따라 뇌의 이상부위에 대응하는 노드 정보를 획득하고, 획득한 이상부위에 대응하는 노드의 개수에 따라 주요 우울증 장애(MDD, Major depressive Disorder) 증상의 심각도를 분류하는 단계를 포함한다.
이와 같이 본 발명에 따르면, 뇌기능 이상부위 측정장치는 복수의 주파수 대역에서 각각 측정된 뇌파를 이용하여 네트워크 값을 산출하고, 산출된 네트워크 값을 이용하여 이상반응이 발생된 부위를 검출할 수 있으므로 주요 우울증 장애(MDD)를 포함한 모든 정신 질환의 뇌 메커니즘을 이해할 수 있는 효과를 지닌다.
또한, 본 발명에 따르면, 뇌기능 이상부위 측정장치는 전기 자극(EGG)을 이용하여 빠르게 변화되는 신경 과정을 관찰할 수 있고, EGG 신호의 스펙트럼 분석을 정량화시킬 수 있으며, 특히 안정 상태에서 복수의 주파수 대역에서 발생되는 비정상적인 변화를 MDD의 병리학적 특징과 연관되어 분석될 수 있다.
도 1은 본 발명의 실시예에 따른 뇌기능 이상부위 측정장치를 설명하기 위한 구성도이다.
도 2는 본 발명의 실시예에 따른 뇌기능이 저하된 이상부위를 측정하는 방법을 설명하기 위한 순서도이다.
도 3은 본 발명의 실시예에 따른 뇌기능 이상부위 측정장치를 통해 알파 대역에서 획득한 클러스터링 계수를 이용하여 이상부위를 나타내는 노드에 대해 설명하기 위한 예시도이다.
도 2는 본 발명의 실시예에 따른 뇌기능이 저하된 이상부위를 측정하는 방법을 설명하기 위한 순서도이다.
도 3은 본 발명의 실시예에 따른 뇌기능 이상부위 측정장치를 통해 알파 대역에서 획득한 클러스터링 계수를 이용하여 이상부위를 나타내는 노드에 대해 설명하기 위한 예시도이다.
이하 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하기로 한다. 이 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다.
또한 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서, 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로 이러한 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
이하에서는 도 1를 이용하여 본 발명의 실시예에 따른 뇌기능 이상부위 측정장치에 대해 더욱 상세하게 설명한다.
도 1은 본 발명의 실시예에 따른 뇌기능 이상부위 측정장치를 설명하기 위한 구성도이다.
도 1에 도시된 바와 같이, 본 발명의 실시예에 따른 뇌기능 이상부위 측정장치(100)는 수신부(110), 제어부(120) 및 뇌 네트워크 분석부(130)를 포함한다.
먼저 수신부(110)는 안정 상태를 취하고 있는 복수의 피검자로부터 측정된 뇌파신호를 수신한다.
이에 대해 상세하게 설명하면, 검사자는 피검자의 두피에 국제 10-20시스템에 따라 복수개의 노드를 부착시킨다. 그리고 검사자는 피검자의 눈을 감게 하여 안정 상태를 취하게 하고, 대략 5분 정도의 시간 동안의 뇌파(electroencephalogram: EEG)를 측정한다.
그리고, 피검자에게 부착된 노드는 대략 66개이다. 노드의 개수는 뇌 깊숙한 곳에 위치한 영역을 제외하고 브로드만 영역(Brodmann Areas)을 기준으로 반구당 33개씩 선택된다. 그리고, 66개의 노드를 통해 측정된 뇌파는 5개의 주파수 대역으로 분류된다. 이때, 5개의 주파수 대역은 델타(delta)[1-4 Hz], 세타(Theta)[4-8 Hz], 알파(alpha)[8-12 Hz], 베타(beta)[12-30 Hz], 감마(gamma)[30-55 Hz])로 구분된다.
한편, 본 발명의 실시예에서는 66개의 노드를 이용하여 뇌파를 측정하였으나, 이에 한정하지 않고 효율적인 뇌파 측정을 위해서는 노드의 개수를 증가 또는 감소하여 사용할 수도 있다.
그리고, 제어부(120)는 수신된 뇌파를 이용하여 피질 기능에 대한 네트워크 값을 산출한다.
부연하자면, 제어부(120)는 66개의 노드를 통해 측정된 뇌파신호에 포함된 노이즈를 제거하고, 각 노드와 노드간의 기능적 연결성(functional connectivity)을 위상 동기화 지수(PLV, Phase locking value)를 통해 획득한다.
그리고 제어부(120)는 산출된 PLV를 기반으로 클러스터링 계수(Clustering coefficients), 경로 길이(Path length) 및 효율성에 대한 뇌 네트워크 값을 산출한다.
마지막으로, 뇌 네트워크 분석부(130)는 산출된 네트워크 값을 이용하여 피질 네트워크의 특성들의 차이를 분석한다. 그리고 뇌 네트워크 분석부(130)는 분석된 특성의 유의한 차이를 이용하여 뇌의 이상부위에 대응하는 노드 정보를 획득한다. 그 다음, 뇌 네트워크 분석부(130)는 노드의 개수에 따른 주요 우울증 장애(MDD) 증상의 심각도 예측한다.
이하에서는 도 2를 이용하여 본 발명의 실시예에 따른 뇌기능 이상부위 측정방법에 대해 더욱 상세하게 설명한다.
도 2는 본 발명의 실시예에 따른 뇌기능이 저하된 이상부위를 측정하는 방법을 설명하기 위한 순서도이다.
도 2에 도시된 바와 같이, 수신부(110)는 피검자의 두피에 밀착된 복수개의 노드로부터 뇌파에 대한 신호를 수신한다(S210).
피검자는 주요 우울증 장애(MDD)를 가진 그룹과 정상인 그룹으로 구성된다. 이때, 주요 우울증 장애(MDD)를 가진 그룹과 정상인 그룹은 유사한 성별 및 연령을 가지는 사람들로 선별한다.
그리고, 검사자는 두 그룹으로 구성된 복수의 피검자에게 대략 66개의 노드를 부착시킨다. 이때, 노드는 국제 10-20 시스템에 따라 복수의 피검자들의 두피에 밀착되어 부착되되, 피검자의 좌측 반구와 우측 반구에 33개씩 분리하여 부착된다.
그리고, 검사자는 안정 상태를 취하고 있는 복수의 피검자들의 두피에 전극을 제공하여 뇌파를 측정한다.
그러면, 수신부(110)는 노드에 의해 측정된 뇌파신호를 수신하고, 수신된 뇌파 신호를 제어부(120)에 전달한다.
그 다음, 제어부(120)는 수신된 뇌파신호를 통해 네트워크 값을 산출한다(S220).
한편, 노드는 5개의 주파수 대역에서 각각의 뇌파를 측정한다. 여기서, 주파수 대역은 델타(delta)[1-4 Hz], 세타(Theta)[4-8 Hz], 알파(alpha)[8-12 Hz], 베타(beta)[12-30 Hz], 감마(gamma)[30-55 Hz])를 포함한다.
그리고, 제어부(120)는 복수의 주파수 대역에 대해 각각의 네트워크 값을 산출한다.
부연하자면, 먼저 제어부(120)는 각 노드간의 기능적 연결성을 확인하기 위해 위상 동기화 지수(PLV, Phase locking value)을 산출한다.
즉, 제어부(120)는 노드로부터 수신된 신호에 Hilbert transform을 적용하여 주파수 수준의 진폭(amplitude)과 위상(phase)으로 변환한다. 그 다음 제어부(120)는 각 노드로부터 수신된 신호들의 위상(phase)이 서로 얼마나 동기화되어 있는지를 판별한다. 이때 제어부(120)는 하기의 수학식 1을 이용하여 PLV 값을 산출한다.
그리고, 제어부(120)는 PLV 값을 기반으로 하여 뇌 네트워크 값을 계산한다. 여기서, 뇌 네트워크란 뇌의 연결성을 정량화한 값을 나타낸다. 따라서, 제어부(120)는 그래프 이론(graph theory)을 기반으로 하여 클러스터링 계수(Clustering coefficients), 경로 길이(Path length), 효율성(Efficiency) 및 아이겐벡터 중심성(Eigenvector centrality)에 대한 값들을 산출한다.
먼저, 제어부(120)는 클러스터링 계수(Clustering coefficients)를 수학식 2에 적용하여 산출한다.
클러스터링 계수(Clustering coefficients)는 노드가 인접 노드와 함께 클러스터되는 정도를 나타낸다.
그 다음, 제어부(120)는 경로 길이(Path length)를 수학식 3에 적용하여 산출한다.
여기서, 경로 길이는 뇌 네트워크 내의 두 노드 사이의 길이를 합한 것을 나타낸다. 이때, 경로 길이는 뇌의 정보처리 속도와 관련된다. 따라서, 노드와 노드 사이의 경로 길이가 길면 뇌의 정보처리 속도가 늦다는 것이고, 노드와 노드 사이의 경로 길이가 짧으면 뇌의 정보처리 속도가 빠르다는 것을 알 수 있다.
그리고, 제어부(120)는 하기의 수학식 4에 의해 효율성(Efficiency)을 산출한다.
여기서, 효율성은 두뇌에서 정보처리의 효과로서, 효율성이 낮다는 것은 네트워크가 적은 작업률로 수행한다는 것을 나타낸다.
마지막으로, 제어부(120)는 하기의 수학식 5에 의해 아이겐벡터 중심성(Eigenvector centrality)을 산출한다.
여기서, 아이겐벡터 중심성은 네트워크의 허브에 영향을 미치는 힘을 나타낸다. 따라서, 아이겐벡터 중심성은 뇌 네트워크 연결의 정도와 강도를 모두 고려하여 계산된다.
S220단계에서 네트워크 값에 대한 산출이 완료되면, 뇌 네트워크 분석부(130)는 산출된 네트워크 값을 이용하여 유의한 차이가 발생된 노드를 추출한다(S230).
이에 대해 더욱 상세하게 설명하면, 먼저 뇌 네트워크 분석부(130)는 주요 우울증 장애(MDD)를 가진 그룹과 정상인 그룹에서 각각 획득한 네트워크 값에 t-테스트를 수행한다.
t-테스트는 두 집단 간의 평균을 비교하는 검정 방법으로서, 뇌 네트워크 분석부(130)는 t-테스트를 수행된 결과에 따라 임계값을 획득한다. 즉, 주요 우울증 장애(MDD)를 가진 그룹과 정상인 그룹으로부터 획득한 뇌 네트워크 값에서 유의하게 상이한 효과 크기를 갖는 노드를 추출하고, 추출된 노드의 효과 크기에 대한 평균값을 임계값으로 설정한다.
그리고, 뇌 네트워크 분석부(130)는 66개의 노드로부터 산출된 네트워크값에 FDR(false discovery rate)을 적용한다. 여기서. FDR는 다중비교문제에서 1종 오류를 조절하는 방법을 나타낸다.
즉, 뇌 네트워크 분석부(130)는 66개의 노드로부터 산출된 네트워크 값에 조정된 p-값, 즉 임계값을 적용한다. 그러면, 뇌 네트워크 분석부(130)는 유의하게 차이가 발생된 노드에 대한 정보를 획득할 수 있다.
마지막으로, 뇌 네트워크 분석부(130)는 유의하게 차이가 발생된 노드의 정보를 이용하여 뇌 이상부위를 검출하고, 검출된 뇌 이상부위에 대한 주요 우울증 장애(MDD) 증상의 심각도를 분류한다(S240).
부연하자면, 뇌 네트워크 분석부(130)는 5가지 주파수 대역 전체를 대상으로 66개의 노드 중에서 유의하게 차이가 발생되는 노드를 추출한다. 그리고, 추출된 노드가 적어도 3 개 이상을 포함할 경우, 뇌 네트워크 분석부(130)는 뇌에 이상부위가 있는 것으로 판단한다.
예를 들어, 도 3의 BA 45 영역에 대응하는 5개의 대역 중에서 델타(delta) 대역, 베타(beta) 대역, 감마(gamma) 대역에서 측정된 효과 크기(Effect size)가 임계값보다 큰 경우, 뇌 네트워크 분석부(130)는 BA 45 영역을 이상 부위로 판단한다.
또한, 뇌 네트워크 분석부(130)는 33개의 영역 중에서 알파(alpha) 대역에서 효과 크기(Effect size)가 임계값보다 큰 노드가 4개 이상이 검출이 되면 해당 피검자는 우울증으로 판단할 수 있다.
또한, 뇌 네트워크 분석부(130)는 33개의 영역 중에서 베타(beta) 대역에서 효과 크기(Effect size)가 임계값보다 큰 노드가 4개 이상이 검출이 되면 해당 피검자는 불안증상으로 판단할 수 있다.
그리고, 뇌 네트워크 분석부(130)는 33개의 영역 중에서 세타(Theta) 대역에서 효과 크기(Effect size)가 임계값보다 큰 노드가 4개 이상이 검출이 되면 해당 피검자는 치매증상으로 판단할 수 있다.
도 3은 본 발명의 실시예에 따른 뇌기능 이상부위 측정장치를 통해 알파 대역에서 획득한 클러스터링 계수를 이용하여 이상부위를 나타내는 노드에 대해 설명하기 위한 예시도이다.
도 3에 도시된 바와 같이, 뇌 네트워크 분석부(130)는 주요 우울증 장애(MDD)를 가진 그룹과 정상인 그룹으로부터 알파 대역에서의 클러스터링 계수를 산출한다.
그리고, 뇌 네트워크 분석부(130)는 산출된 클러스터링 계수에 FDR를 적용한다. 이때, p-값은 0.06으로 적용된다.
그러면, 뇌 네트워크 분석부(130)는 0.06의 효과 크기를 초과하는 뇌 부위에 대한 정보를 획득한다. 이때, 0.06의 효과 크기를 초과하는 노드는 전두엽(inferior frontal gyrus : BA45), 이차시각피질(secondary visual cortex : BA18), 상측두회(superior temporal gyrus : BA22) 및 배외측전전두엽(dorsolateral prefrontal cortex : BA46)을 포함한다.
그리고, 뇌 네트워크 분석부(130)는 이상 부위에 대한 노드가 4개이고 알파 대역에서 측정되었으므로 우울증으로 진단한다.
한편, 배외측전전두엽(dorsolateral prefrontal cortex : BA46)의 우울증척도(Beck Depression Inventory : BDI)값은 rho=-0.332, p=0.002나타내고, 불안척도(Beck Anxiety Inventory :BAI)값은 rho=-0.259, p=0.018을 나타낸다.
그리고, 상측두회(superior temporal gyrus : BA22)의 우울증척도(Beck Depression Inventory : BDI)값은 rho=-0.326, p=0.003나타내고, 불안척도(Beck Anxiety Inventory :BAI)값은 rho=-0.278, p=0.010을 나타낸다.
마지막으로 전두엽(inferior frontal gyrus : BA45) 의 우울증척도(Beck Depression Inventory : BDI)값은 rho=-0.377, p=0.001나타내고, 불안척도(Beck Anxiety Inventory :BAI)값은 rho=-0.314, p=0.004을 나타낸다.
이와 같이, 본 발명의 실시예에 따른 뇌기능 이상부위 측정장치는 뇌 네트워크에서 발생된 이상부위에 대한 정보를 구체적으로 제시한다. 즉, MDD 환자의 배외측전전두엽피질(dorsolateral prefrontal cortex), 전두엽(inferior frontal gyrus) 및 상측두회(superior temporal gyrus)에서 측정된 클러스터링 계수는 현저하게 감소된 것으로 나타났다. 이는 노드의 대한 클러스터링 계수를 통해 우울증과 불안점수 사이가 음의 상관관계로 이루어진다는 것을 나타낸다.
이와 같이 본 발명에 따른 뇌기능 이상부위 측정장치는 복수의 주파수 대역에서 각각 측정된 뇌파를 이용하여 네트워크 값을 산출하고, 산출된 네트워크 값을 이용하여 이상반응이 발생된 부위를 검출할 수 있으므로 주요 우울증 장애(MDD)를 포함한 모든 정신 질환의 뇌 메커니즘을 이해할 수 있는 효과를 지닌다.
또한, 본 발명에 따른 뇌기능 이상부위 측정장치는 전기 자극(EGG)을 이용하여 빠르게 변화되는 신경 과정을 관찰할 수 있고, EGG 신호의 스펙트럼 분석을 정량화시킬 수 있으며, 특히 안정 상태에서 복수의 주파수 대역에서 발생되는 비정상적인 변화를 MDD의 병리학적 특징과 연관되어 분석될 수 있다.
본 발명은 도면에 도시된 실시예를 참고로 하여 설명되었으나 이는 예시적인 것에 불과하며, 당해 기술이 속하는 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 진정한 기술적 보호범위는 아래의 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.
100 : 뇌기능 이상부위 측정장치
110 : 수신부
120 : 제어부
130 : 뇌 네트워크 분석부
110 : 수신부
120 : 제어부
130 : 뇌 네트워크 분석부
Claims (18)
- 피질 기능 뇌 네트워크를 이용한 뇌기능 이상부위 측정장치에 있어서,
휴식상태에서 피검자의 두피에 밀착된 복수의 노드로부터 측정된 뇌파 신호를 수신받는 수신부,
상기 수신된 뇌파신호를 이용하여 상호 연결된 노드간의 연결 정도 및 강도에 대한 뇌 네트워크 값을 산출하고, 상기 산출된 뇌 네트워크 값에 FDR(false discovery rate) 방식을 적용하여 주파수 대역에 대한 각 노드의 유의한 차이 값을 획득하는 제어부, 그리고
상기 각 노드의 유의한 차이 값에 따라 뇌의 이상부위에 대응하는 노드 정보를 획득하고, 획득한 이상부위에 대응하는 노드의 개수에 따라 주요 우울증 장애(MDD, Major depressive Disorder) 증상의 심각도를 분류하는 뇌 네트워크 분석부를 포함하며,
상기 뇌 네트워크 분석부는,
주요 우울증 장애(MDD)를 가진 그룹과 정상인 그룹으로부터 획득한 뇌 네트워크 값에서 유의하게 상이한 효과 크기를 갖는 노드를 추출하고, 추출된 노드의 효과 크기에 대한 평균값을 통해 임계값을 획득하는 뇌기능 이상부위 측정장치. - 제1항에 있어서,
상기 제어부는,
상기 복수의 노드로부터 수신된 뇌파신호를 5개의 주파수 대역으로 분류하고, 상기 분류된 5개의 주파수 대역 대해 각각의 뇌 네트워크 값을 산출하는 뇌기능 이상부위 측정장치. - 제2항에 있어서,
상기 주파수 대역은,
델타(delta)[1-4 Hz], 세타(Theta)[4-8 Hz], 알파(alpha)[8-12 Hz], 베타(beta)[12-30 Hz], 감마(gamma)[30-55 Hz])로 구분되는 뇌기능 이상부위 측정장치. - 제2항에 있어서,
상기 제어부는,
상기 복수의 노드에 대한 기능적 연결성을 확인하기 위한 위상 동기화 지수(PLV, Phase locking value)을 산출하고, 상기 산출된 PLV를 기반으로 클러스터링 계수(Clustering coefficients), 경로 길이(Path length) 및 효율성에 대한 뇌 네트워크 값을 산출하는 뇌기능 이상부위 측정장치. - 제2항에 있어서,
상기 뇌 네트워크 분석부는,
주요 우울증 장애(MDD)를 가진 그룹과 정상인 그룹에서 각각 획득한 네트워크 값에 t-테스트를 수행하여 임계값을 획득하고, 획득한 임계값을 기준으로 유의하게 차이가 발생된 노드에 대한 정보를 획득하는 뇌기능 이상부위 측정장치. - 삭제
- 제3항에 있어서,
상기 뇌 네트워크 분석부는,
5가지 주파수 대역에서 상기 임계값을 기준으로 유의하게 차이가 발생된 노드가 적어도 3개 이상일 경우, 뇌에 이상부위가 있는 것으로 판단하는 뇌기능 이상부위 측정장치. - 제3항에 있어서,
상기 뇌 네트워크 분석부는,
알파 대역에서 상기 임계값을 기준으로 유의하게 차이가 발생된 노드의 개수가 4개 이상인 경우에는 우울증으로 진단하는 뇌기능 이상부위 측정장치. - 제3항에 있어서,
상기 뇌 네트워크 분석부는,
베파 대역에서 상기 임계값을 기준으로 유의하게 차이가 발생된 노드의 개수가 4개 이상인 경우에는 불안증상으로 진단하고, 세파 대역에서 상기 임계값을 기준으로 유의하게 차이가 발생된 노드의 개수가 4개 이상인 경우에는 치매증상으로 진단하는 뇌기능 이상부위 측정장치. - 뇌기능 이상부위 측정장치를 이용한 피질 기능 뇌 네트워크의 뇌기능 이상부위 측정방법에 있어서,
휴식상태에서 피검자의 두피에 밀착된 복수의 노드로부터 측정된 뇌파 신호를 수신받는 단계,
상기 수신된 뇌파신호를 이용하여 상호 연결된 노드간의 연결 정도 및 강도에 대한 뇌 네트워크 값을 산출하고, 상기 산출된 뇌 네트워크 값에 FDR(false discovery rate) 방식을 적용하여 주파수 대역에 대한 각 노드의 유의한 차이 값을 획득하는 단계, 그리고
상기 각 노드의 유의한 차이 값에 따라 뇌의 이상부위에 대응하는 노드 정보를 획득하고, 획득한 이상부위에 대응하는 노드의 개수에 따라 주요 우울증 장애(MDD, Major depressive Disorder) 증상의 심각도를 분류하는 단계를 포함하며,
상기 우울증 장애(MDD) 증상의 심각도를 분류하는 단계는,
주요 우울증 장애(MDD)를 가진 그룹과 정상인 그룹으로부터 획득한 뇌 네트워크 값에서 유의하게 상이한 효과 크기를 갖는 노드를 추출하고, 추출된 노드의 효과 크기에 대한 평균값을 통해 임계값을 획득하는 뇌기능 이상부위 측정방법. - 제10항에 있어서,
상기 각 노드의 유의한 차이 값을 획득하는 단계는,
상기 복수의 노드로부터 수신된 뇌파신호를 5개의 주파수 대역으로 분류하고, 상기 분류된 5개의 주파수 대역 대해 각각의 뇌 네트워크 값을 산출하는 뇌기능 이상부위 측정방법. - 제11항에 있어서,
상기 주파수 대역은,
델타(delta)[1-4 Hz], 세타(Theta)[4-8 Hz], 알파(alpha)[8-12 Hz], 베타(beta)[12-30 Hz], 감마(gamma)[30-55 Hz])로 구분되는 뇌기능 이상부위 측정방법. - 제11항에 있어서,
상기 각 노드의 유의한 차이 값을 획득하는 단계는,
상기 복수의 노드에 대한 기능적 연결성을 확인하기 위한 위상 동기화 지수(PLV, Phase locking value)을 산출하고, 상기 산출된 PLV를 기반으로 클러스터링 계수(Clustering coefficients), 경로 길이(Path length) 및 효율성에 대한 뇌 네트워크 값을 산출하는 뇌기능 이상부위 측정방법. - 제11항에 있어서,
상기 주요 우울증 장애(MDD) 증상의 심각도를 분류하는 단계는,
주요 우울증 장애(MDD)를 가진 그룹과 정상인 그룹에서 각각 획득한 네트워크 값에 t-테스트를 수행하여 임계값을 획득하고, 획득한 임계값을 기준으로 유의하게 차이가 발생된 노드에 대한 정보를 획득하는 뇌기능 이상부위 측정방법. - 삭제
- 제12항에 있어서,
상기 주요 우울증 장애(MDD) 증상의 심각도를 분류하는 단계는,
5가지 주파수 대역에서 상기 임계값을 기준으로 유의하게 차이가 발생된 노드가 적어도 3개 이상일 경우, 뇌에 이상부위가 있는 것으로 판단하는 뇌기능 이상부위 측정방법. - 제12항에 있어서,
상기 주요 우울증 장애(MDD) 증상의 심각도를 분류하는 단계는,
알파 대역에서 상기 임계값을 기준으로 유의하게 차이가 발생된 노드의 개수가 4개 이상인 경우에는 우울증으로 진단하는 뇌기능 이상부위 측정방법. - 제12항에 있어서,
상기 주요 우울증 장애(MDD) 증상의 심각도를 분류하는 단계는,
베파 대역에서 상기 임계값을 기준으로 유의하게 차이가 발생된 노드의 개수가 4개 이상인 경우에는 불안증상으로 진단하고, 세파 대역에서 상기 임계값을 기준으로 유의하게 차이가 발생된 노드의 개수가 4개 이상인 경우에는 치매증상으로 진단하는 뇌기능 이상부위 측정방법.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR20190069204 | 2019-06-12 | ||
| KR1020190069204 | 2019-06-12 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200142441A KR20200142441A (ko) | 2020-12-22 |
| KR102376984B1 true KR102376984B1 (ko) | 2022-03-22 |
Family
ID=74086604
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190103808A Active KR102376984B1 (ko) | 2019-06-12 | 2019-08-23 | 피질 기능 뇌 네트워크를 이용한 뇌기능 이상부위 측정장치 및 그 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102376984B1 (ko) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115414050B (zh) * | 2021-05-12 | 2025-05-02 | 西安邮电大学 | 一种实现情绪识别的eeg脑网络最大团检测方法 |
| KR102731029B1 (ko) * | 2021-09-27 | 2024-11-15 | 비웨이브 주식회사 | 감소된 수의 전극 채널 세트를 이용하여 주요 우울증에 대한 정보를 제공하는 방법 및 이를 이용한 정보 제공용 디바이스 |
| CN116313131B (zh) * | 2023-05-24 | 2023-09-15 | 山东大学 | 基于仿造变量的脑网络差异识别系统、设备及存储介质 |
| CN120305568B (zh) * | 2025-06-11 | 2025-08-29 | 脉景（杭州）健康管理有限公司 | 具有自动调节功能的经颅交流电刺激方法及系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101535352B1 (ko) * | 2013-09-12 | 2015-07-09 | 세종대학교산학협력단 | 전두엽 뇌파를 이용한 우울증 심도 측정 방법 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6452612B2 (ja) * | 2012-11-13 | 2019-01-16 | エルミンダ リミテッド | 神経生理学的データを分析するシステム、神経生理学的データからデータベースを構築する方法、コンピュータ可読媒体 |
-
2019
- 2019-08-23 KR KR1020190103808A patent/KR102376984B1/ko active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101535352B1 (ko) * | 2013-09-12 | 2015-07-09 | 세종대학교산학협력단 | 전두엽 뇌파를 이용한 우울증 심도 측정 방법 |
Non-Patent Citations (2)
| Title |
|---|
| Lorena Santamaria et al. "Emotional valence modulates the topology of the parent-infant inter-brain network." BioRxiv(2019.04.) 1부.* |
| Pablo Billeke et al. "Functional cortical network in alpha band correlates with social bargaining." PLoS One, Vol. 9(10), pp. e109829(2014.) 1부.* |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20200142441A (ko) | 2020-12-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102376984B1 (ko) | 피질 기능 뇌 네트워크를 이용한 뇌기능 이상부위 측정장치 및 그 방법 | |
| Boroujeni et al. | Diagnosis of attention deficit hyperactivity disorder using non‐linear analysis of the EEG signal | |
| EP2498676B1 (en) | Brain activity as a marker of disease | |
| CN111093471B (zh) | 用于根据头皮脑电图识别病理性脑活动的方法 | |
| Catrambone et al. | Functional brain–heart interplay extends to the multifractal domain | |
| US20220079507A1 (en) | System and method to measure and monitor neurodegeneration | |
| US20150245800A1 (en) | Method for Detection Of An Abnormal Sleep Pattern In A Person | |
| WO2012021789A1 (en) | Methods and apparatus for risk assessment of developmental disorders during early cognitive development | |
| US20180279938A1 (en) | Method of diagnosing dementia and apparatus for performing the same | |
| Askari et al. | Modeling the connections of brain regions in children with autism using cellular neural networks and electroencephalography analysis | |
| Tang et al. | Detection of emotional sensitivity using fNIRS based dynamic functional connectivity | |
| KR20180002102A (ko) | 뇌파 기반 주의력 결핍 과잉 행동 장애 진단 시스템 | |
| Cura et al. | Detection of alzheimer’s dementia by using signal decomposition and machine learning methods | |
| Kim et al. | Resting-state electroencephalographic characteristics related to mild cognitive impairments | |
| Höller et al. | Do EEG-biometric templates threaten user privacy? | |
| Li | Multifractal detrended fluctuation analysis of congestive heart failure disease based on constructed heartbeat sequence | |
| Busonera et al. | EEG spectral coherence analysis in nocturnal epilepsy | |
| Thangavel et al. | Improving automated diagnosis of epilepsy from EEGs beyond IEDs | |
| Coşgun et al. | FPGA based real-time epileptic seizure prediction system | |
| George et al. | Predicting Autonomic Dysfunction in Anxiety Disorder from ECG and Respiratory Signals Using Machine Learning Models. | |
| Mahmud et al. | What brain connectivity patterns from EEG tell us about hearing loss: a graph theoretic approach | |
| Toural et al. | A new method for classification of subjects with major cognitive disorder, Alzheimer type, based on electroencephalographic biomarkers | |
| KR20180086995A (ko) | 경련뇌파 조기탐지 방법 | |
| Göğüş et al. | Identification of apnea-hypopnea index subgroups based on multifractal detrended fluctuation analysis and nasal cannula airflow signals | |
| KR101887182B1 (ko) | 실시간 경련뇌파 조기탐지 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PA0109 | Patent application |
Patent event code: PA01091R01D Comment text: Patent Application Patent event date: 20190823 |
|
| PA0201 | Request for examination | ||
| PG1501 | Laying open of application | ||
| E902 | Notification of reason for refusal | ||
| PE0902 | Notice of grounds for rejection |
Comment text: Notification of reason for refusal Patent event date: 20210622 Patent event code: PE09021S01D |
|
| N231 | Notification of change of applicant | ||
| PN2301 | Change of applicant |
Patent event date: 20210914 Comment text: Notification of Change of Applicant Patent event code: PN23011R01D |
|
| E701 | Decision to grant or registration of patent right | ||
| PE0701 | Decision of registration |
Patent event code: PE07011S01D Comment text: Decision to Grant Registration Patent event date: 20220128 |
|
| GRNT | Written decision to grant | ||
| PR0701 | Registration of establishment |
Comment text: Registration of Establishment Patent event date: 20220316 Patent event code: PR07011E01D |
|
| PR1002 | Payment of registration fee |
Payment date: 20220317 End annual number: 3 Start annual number: 1 |
|
| PG1601 | Publication of registration | ||
| PR1001 | Payment of annual fee |
Payment date: 20250305 Start annual number: 4 End annual number: 4 |