KR20080082665A - 뇌파 수치를 이용한 우울증 및 기타 기분 장애 분석 및평가 시스템 및 방법 - Google Patents
뇌파 수치를 이용한 우울증 및 기타 기분 장애 분석 및평가 시스템 및 방법 Download PDFInfo
- Publication number
- KR20080082665A KR20080082665A KR1020087016114A KR20087016114A KR20080082665A KR 20080082665 A KR20080082665 A KR 20080082665A KR 1020087016114 A KR1020087016114 A KR 1020087016114A KR 20087016114 A KR20087016114 A KR 20087016114A KR 20080082665 A KR20080082665 A KR 20080082665A
- Authority
- KR
- South Korea
- Prior art keywords
- asymmetry
- static
- dynamic
- data
- eeg data
- 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.)
- Ceased
Links
- 238000000034 method Methods 0.000 title claims abstract description 178
- 208000019022 Mood disease Diseases 0.000 title claims abstract description 74
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 17
- 108090000623 proteins and genes Proteins 0.000 claims abstract description 8
- 208000020925 Bipolar disease Diseases 0.000 claims abstract description 7
- 230000003068 static effect Effects 0.000 claims description 150
- 230000003595 spectral effect Effects 0.000 claims description 91
- 238000004458 analytical method Methods 0.000 claims description 40
- 210000004556 brain Anatomy 0.000 claims description 31
- 238000011282 treatment Methods 0.000 claims description 21
- 238000013480 data collection Methods 0.000 claims description 19
- 238000011156 evaluation Methods 0.000 claims description 18
- 208000035475 disorder Diseases 0.000 claims description 15
- 239000013598 vector Substances 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 230000002996 emotional effect Effects 0.000 claims description 6
- 208000024891 symptom Diseases 0.000 claims description 5
- 239000000306 component Substances 0.000 description 152
- 230000008569 process Effects 0.000 description 21
- 238000007405 data analysis Methods 0.000 description 19
- 238000012545 processing Methods 0.000 description 18
- 238000004891 communication Methods 0.000 description 13
- 238000007726 management method Methods 0.000 description 13
- 238000001228 spectrum Methods 0.000 description 13
- 230000000694 effects Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 230000001154 acute effect Effects 0.000 description 5
- 238000007796 conventional method Methods 0.000 description 5
- 210000003128 head Anatomy 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 208000020401 Depressive disease Diseases 0.000 description 4
- 230000000994 depressogenic effect Effects 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000003542 behavioural effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000008827 biological function Effects 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 230000003001 depressive effect Effects 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000004070 electrodeposition Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 238000010197 meta-analysis Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000035790 physiological processes and functions Effects 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 description 2
- 241000612703 Augusta Species 0.000 description 1
- 208000014644 Brain disease Diseases 0.000 description 1
- 208000032170 Congenital Abnormalities Diseases 0.000 description 1
- 206010010356 Congenital anomaly Diseases 0.000 description 1
- 206010012289 Dementia Diseases 0.000 description 1
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 102000001554 Hemoglobins Human genes 0.000 description 1
- 108010054147 Hemoglobins Proteins 0.000 description 1
- 206010049816 Muscle tightness Diseases 0.000 description 1
- 229920002334 Spandex Polymers 0.000 description 1
- 229940035674 anesthetics Drugs 0.000 description 1
- 230000004071 biological effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007698 birth defect Effects 0.000 description 1
- 239000012503 blood component Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000015271 coagulation Effects 0.000 description 1
- 238000005345 coagulation Methods 0.000 description 1
- 230000001054 cortical effect Effects 0.000 description 1
- 238000013497 data interchange Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 239000003193 general anesthetic agent Substances 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000029849 luteinization Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002969 morbid Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000027758 ovulation cycle Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 210000004761 scalp Anatomy 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 239000004759 spandex Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000011410 subtraction method Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 238000002562 urinalysis Methods 0.000 description 1
- 238000010200 validation analysis Methods 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
- 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
- A61B5/16—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
- A61B5/72—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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Psychiatry (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Psychology (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Educational Technology (AREA)
- Hospice & Palliative Care (AREA)
- Social Psychology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
본 발명은 우울증을 분석하는 시스템 및 방법에 관한 것으로 특히 뇌파 수치를 이용한 개인의 우울증 및 기분 장애를 분석하고 평가하기 위한 시스템 및 방법에 관한 것이다. 본 발명의 실시 예들은 우울증에 제한되는 것이 아니라, 양극 장애 및 적어도 하나의 유전자 관련 성분을 지닌 그 밖의 장애들과 같은 기타 기분 장애들을 포함할 수 있다.
뇌파수치, 비대칭성, 우울증, 분석, 평가
Description
[관련 출원]
본 출원은 2005년 12월 1일 미국에 가출원된 뇌파 수치를 이용한 우울증 분석 및 진단 시스템 및 방법(Systems and Methods for Analyzing and Diagnosing Depression Using Electroencephalographic (EEG) Measurements) (Serial No. 60/741,843)에 대한 우선권을 주장한다.
본 발명은 우울증을 분석하는 시스템 및 방법에 관한 것으로, 특히 뇌파 수치를 이용하여 개인의 우울증 및 기타 기분 장애를 분석하고 평가하는 시스템 및 방법에 관한 것이다.
2002년 미국의 정신 건강에 관한 건강과 인간 서비스(USHHS) 보고에 따르면, 5-17세 아이들의 대략 3.7%가 해당 년도에 우울증 진단을 받을 것이라고 한다. 이는 만일 환자 한 명당 평균 1회의 스캐닝이 이루어진다면, 연간 44억이라는 어린이/청소년 시장에 대해 대략 220만을 의미한다. 미국 국립 정신 건강 연구소에 따르면, 매년 인구의 9.5%가 하나 이상의 우울증 장애를 겪고 있고, 여성은 남성의 두 배에 해당하는 우울증을 겪고 있다. 미국에서 평균 1회의 스캐닝이 환자 한 명당 이루어진다면, 대략 56억 2천만 달러 가치의 일반적인 인구 시장에 대해 연간 2810만을 의미한다. 진단이 오직 한 번의 스캐닝을 필요로 하는 반면, 치료의 추적(tracking)은 다수의 스캐닝을 필요로 할 수 있다.
정량화 뇌파(quantitative EEG) 수치가 소정의 정신 병리학적 조건들을 분석하고 진단하기 위해 일부 건강 관리 전문가들에 의해 이용되어 왔다. 예를 들어, 감정 및 관련 정신 병리학과 관련하여 정량화 뇌파를 검사한 거의 100개의 연구사례를 보고했다 (2004년 Allen&Kline, 2004년 Coan&Allen을 참조). 상기 연구 중 일부에서, 좌측 및 우측 전방 정량화 뇌파 수치들 사이의 비대칭성이 우울증 정신 병리학을 보여주거나 우울증 정신 병리학 위험에 노출되어 있는 개인들과 관련되어 있음이 관찰되었다. 비대칭성 판단을 위한 정량화 뇌파 수치에 대한 분석은 잡음조작(artifacting) 이후 받아들여진 모든 시간에 대한 평균적 결과를 제공할 수 있는 고속 푸리에 변환(FFT)을 이용하여 수행될 수 있다. 적어도 두 연구 경우에 있어서, 각 개인 시간의 FFT와 이후의 좌측 또는 우측 선호 비대칭성을 가지고 백분율 시간을 판단하는 과정을 포함하는 분석을 이용하여, 실험 그룹들 사이에서 보다 큰 통계적 차이가 관찰되었다(1998년, Baehr, Rosenfeld,Baehr& Earnest, 2004년 Baehr, Rosenfeld, Miller & Baehr 참조).
환자에 대한 마취제의 효과 모니터링과 같은 기타 유형의 모니터링을 위해, 정량화 뇌파 수치가 그 밖의 건강관리 전문가들 또는 요원(personnel)에 의해 이용되어 왔다. 예를 들어, 판별적 분석을 이용한 정량화 뇌파 수치에 대한 분석이 'cordance'라고 불리는 판별적 변수(discriminant variable)를 제공할 수 있다. 이러한 유형의 분석은 또한 뇌 장애를 연구하고 치매환자들을 특징 짓는데 이용될 수 있다.
전두부 알파 뇌파 수치 비대칭성이 우울증 장애를 조사하기 위해 건강 관리 전문가들 및 연구원들에 의해 일반적으로 이용되어 왔다. 우울증을 확인하기 위한 두 개의 반구들의 파워 값들 사이의 단순한 산술 차이와 같은, 비대칭성의 계산을 이용하는 종래의 기술들이 건강관리 전문가들에 의해 이용되어 왔다. 뉴로 피드백, 바이오 피드백, 또는 신경 치료학과 같은 한 방법은 우울증을 치료하기 위한 마커(marker) 변수와 같은 정량화 뇌파 비대칭성을 이용한다. 이러한 기술은 좌측 및 우측 반구 파워 변수들에 대한 단순 감산(subtraction)법을 이용한다. 기타 유사한 방법들에 따르면, 조합된 세트들 내에서 평균화된 모든 포함된 시간(epoch)에 대한FFT를 이용하여 판단된 상기 좌측 및 우측 반구들의 전두부 영역들의 파워 값들 사이의 산술적 차이가 검사된다. 각 반구의 전두부에서의 파워가 실질적으로 변할 수 있다. 종래 기술의 경우, 상기 가변성으로부터의 중요한 정보가 평준화 공정 내에서 손실될 수 있고, 상기 평균값들로부터의 중요한 정보가 상기 가변성을 설명하지 않을 때 감소 될 수 있다. 종래의 기술을 이용한 다양한 문헌들에 대한 메타 분석은 대략 0.6 효과 사이즈를 생성할 수 있는데, 이는 대략 60% 정확도의 분류를 추정한다. 즉, 종래의 기술을 이용한 우울증에 대한 확인 및 진단은 대략 60% 정확할 수 있다.
종래의 한 방법은 우울증을 진단하기 위해 판별적 분석 및 클러스 터(cluster) 분석을 이용한다. 이러한 기술은 절대력, 상대력, 코히어런스(coherence), 비대칭성을 포함하는 특정 정량화 뇌파 변수들에 대한 판별적 분석을 필요로 할 수 있다. 그러나, 이러한 방법은 상술한 분야에 대해 전형적인 방법으로 상기 정량화 뇌파 변수를 또한 활용할 수 있는데, 이는 상기 가변성으로부터 중요한 정보의 손실을 가져올 수 있다.
비대칭성을 분석 또는 조사하기 위해 정량화 뇌파 수치의 단일 기록들이 활용될 수 있다. 일부 연구는 상대적으로 안정된 정량화 뇌파 성분을 분리(isolate)시키기 위한 상대적으로 단순한 방법과 결부된 반복된 수치(measures) 디자인을 활용해 왔다. 이러한 정적(static) 유형의 방법은 상기 반복된 수치를 갖는 기본적인 평균 방법을 포함하고, 비대칭적인 정량화 뇌파 수치 및 결과에 대한 조사 및 분석 에서의 정확도를 향상시킬 수 있다 (1998년, Davidson 참조).
한 수학적인 방법에 따르면, 정량화 뇌파 수치를 각 정적(static) 성분과 동적(dynamic) 성분으로 분리할 수 있다. 이러한 방법의 종래 애플리케이션은 정량화 뇌파 수치 및 유전학에 대한 연구로 제한되어 왔는데, 이는 이러한 유형의 분석에 대한 정량화 뇌파 수치의 안정된 유전적 성분들 에서의 효과를 증명해 주었다. 이러한 방법을 직계 가족 구성원들 및 일반 대중뿐만 아니라 이란성 및 일란성 쌍둥이들에 대한 연구에서 이용할 경우, 개인들 사이의 유전적 유사성이 상기 정량화 뇌파 데이터의 상기 안정된 성분들의 스펙트럼 패턴 유사성과 연관되어 왔다(1988년, Stassen, Lykken, Propping, & Bomben 참조).
따라서, 뇌파 수치를 이용하여 개인의 우울증을 분석하고 평가하기 위한 시 스템 및 방법에 대한 필요성이 제기된다. 뇌파 수치를 이용하여 개인의 기분 장애를 분석하고 평가하기 위한 시스템 및 방법에 대한 또 다른 필요성이 제기된다.
뇌파 수치를 이용하여 개인의 양극의 기분장애를 분석하고 평가하기 위한 시스템 및 방법에 대한 필요성이 또한 제기된다.
뇌파 수치를 이용하여 개인의 적어도 하나의 유전자 관련 성분을 지닌 기분 장애를 분석하고 평가하기 위한 시스템 및 방법에 대한 필요성이 또한 제기된다.
[본 발명에 대한 요약]
본 발명의 다양한 양상들 및 실시예들에 따른 시스템 및 프로세스는 상기 이슈들의 일부 또는 전부 및 그것들 사이의 조합으로 구현된다. 뇌파 수치를 이용하여 개인의 우울증을 분석하고 평가하기 위한 적어도 하나의 시스템 및 방법을 제공함으로써 구현된다. 본 발명의 실시 예들은 우울증으로만 제한되는 것이 아니라, 양극 기분장애 및 적어도 하나의 유전자 관련 성분을 지닌 그 밖의 기분장애들과 같은 다른 기분 장애들을 포함할 수 있다.
본 발명의 실시 예들은 개별 정량화 뇌파 데이터 세트들의 가변성을 설명하기 위한 다양한 방법들을 통합할 수 있다. 본 발명의 실시 예들은 또한 개별 뇌파 데이터 세트들의 가변성과 관련된 정보를 획득하기 위한 다양한 방법들을 통합할 수 있는데, 이는 뇌파의 기분 장애 평가로의 적용시, 메타 분석적 방법에 의해 매우 중요한 값으로 추정될 수 있다. 본 발명의 실시 예들은 종래의 방법들에 의해 손실되고, 버려지고, 또는 이용되지 않을 수 있는 상기 뇌파 데이터의 가변성으로부터 상대적으로 중요한 정보를 보유할 수 있다. 비대칭성 값들이 상기 정적이고 동적인 정량화 뇌파 성분들로부터 유도될 수 있다. 예를 들어, 정적 성분들(정적 스펙트럼 비대칭성 'static spectral asymmetry')이 우울증 개인들을 평가하기 위해 적용될 수 있다. 상기 동적 성분들로부터 유도된 비대칭성 값들 ('dynamic spectral asymmetry')이 치료의 존재 및 부재 하에서 우울증 개인들의 시간에 대한 증상(symptomology) 변화에 대한 추적에 적용될 수 있다. 종래의 방법들은 정량화 뇌파의 상기 정적 및 동적 성분들을 구별하지 않거나, 분리하지 않는다. 메타 분석적인 보간법(extrapolation)을 이용하여, 본 발명의 실시 예들이 대략 90%의 분류 정확도에 대해 대략 2.6의 효과 사이즈를 생성할 수 있다고 추정된다. 상술한 종래의 대략 60%의 정확도가 임상(clinic) 애플리캐이션 에서의 이용에 불충분한 반면, 본 발명의 일부 실시 예들에 있어서 대략 90%의 정확도는 진단적 표준(diagnostic standards)을 충족시킬 수 있다.
본 발명의 일 실시 예는 반복된 기준선 (baseline) 정량화 뇌파 수치를 수집하고, 스펙트럼 패턴 수학적 기술에 적어도 부분적으로 기초하여, 정적 및 동적 정량화 뇌파 성분들로부터 비대칭성의 단일 시간(single epochs)을 분석하는 과정을 제공한다. 스펙트럼 패턴들은 잡음(artifact) 제거, 시간의 분할 및 개별 시간(individual epochs)에 대한 고속 푸리에 변환의 수행에 의해 상기 정량화 뇌파 데이터 세트들로부터 얻어진, 각 전극 위치에 대해 얻어질 수 있다. 각 세트의 스펙트럼으로부터, 가변성 플롯들이 생성될 수 있는데, 여기서 각 세트의 범위 및 주파수 지점들이 상기 스펙트럼 패턴의 특징 벡터(feature vector)를 정의할 수 있다. 일 예에 있어서, 상기 정량화 뇌파 데이터의 정적 성분은 각 전극에 대한 상기 세트의 스펙트럼 패턴들의 교차점(intersection)으로 계산될 수 있다. 다른 예에 있어서, 특정 단일 스펙트럼 패턴에 대한 동적 성분은 전체적인 정적 성분이 제거된 이후의 상기 스펙트럼 패턴의 나머지(remainder)로 판단될 수 있다.
상기 정적 성분들로부터 유도된 비대칭성 값들은 우울증 및 기타 관련 감정적 정신 병리학을 겪는 개인들에 대한 평가로 적용될 수 있다. 상기 동적 성분들로부터 유도된 비대칭성 값들이 치료의 존재 및 부재 하에서 시간에 따른 개인들의 증상(symptomology) 변화에 대한 추적에 적용될 수 있다.
본 발명에 따른 시스템, 방법, 및 장치들에 대한 실시 예들이 다음의 기능들 중 일부 또는 전부를 수행할 수 있다. (1) 반복된 정량화 뇌파 수치 분석, (2) 개별 시간에 대한 FFT 분석, (3) 정적 및 동적 정량화 뇌파 성분들의 분리, (4) 스펙트럼 패턴 분석에 적어도 부분적으로 기초한, 정적이고 동적인 비대칭성 변수들의 계산, 및 (5) 정적이고 동적인 변수들의 각 장애 위험 및 장애 추적으로의 애플리케이션. 예를 들어, 일 실시 예에 있어서, 상기 기능 및 방법의 조합이 환자의 우울증을 분석하고 진단하기 위해 이용될 수 있다.
본 발명의 일 실시 예는 개인의 기분 장애를 분석하고 평가하기 위한 방법을 포함한다. 상기 방법은 상기 개인과 관련된 복수의 뇌파 데이터를 수신하는 단계를 포함한다. 또한, 상기 방법은 상기 복수의 뇌파 데이터의 일 부분의 적어도 하나의 정적 성분을 판단하는 단계를 포함한다. 또한, 상기 방법은 상기 복수의 뇌파 데이터의 상기 부분의 상기 정적 성분 에서의 정적 비대칭성을 판단하는 단계를 포함한다. 또한, 상기 방법은 상기 복수의 뇌파 데이터의 상기 부분들의 상기 정적 성분 에서의 상기 정적 비대칭성에 적어도 부분적으로 기초하여, 상기 개인이 상기 기분 장애의 위험에 있는지의 여부에 대한 지시를 판단하는 단계를 포함한다.
본 발명의 일 실시 예의 일 양상에 따르면, 상기 방법은 상기 복수의 뇌파 데이터의 일부의 적어도 하나의 동적 성분을 판단하는 단계를 포함할 수 있다. 상기 방법은 또한 상기 복수의 뇌파 데이터의 상기 부분의 상기 동적 성분 에서의 동적 비대칭성을 판단하는 단계를 포함할 수 있다. 또한, 상기 방법은 또한 상기 복수의 뇌파 데이터의 상기 부분들의 상기 동적 성분 에서의 상기 동적 비대칭성에 적어도 부분적으로 기초하여, 상기 기분 장애의 치료 응답을 예측하고 평가하기 위한 지시를 판단하는 단계를 포함할 수 있다.
본 발명의 일 실시 예의 다른 양상에 따르면, 상기 복수의 뇌파 데이터의 상기 부분의 적어도 하나의 정적 성분을 판단하는 단계는, 정적 스펙트럼 패턴을 판단하는 단계를 포함할 수 있다.
본 발명의 일 실시 예의 또 다른 양상에 따르면, 상기 복수의 뇌파 데이터의 상기 부분의 상기 동적 성분 에서의 동적 비대칭성을 판단하는 단계는, 동적 스펙트럼 패턴을 판단하는 단계를 포함할 수 있다.
본 발명의 일 실시 예의 또 다른 양상에 따르면, 상기 복수의 뇌파 데이터의 상기 부분의 상기 정적 성분 에서의 정적 비대칭성을 판단하는 단계는, 원래의 좌측 및 우측 정적 스펙트럼 패턴으로부터 좌측 및 우측 스펙트럼 패턴의 교차점을 제거하는 단계를 포함할 수 있다.
본 발명의 일 실시 예의 또 다른 양상에 따르면, 상기 복수의 뇌파 데이터의 상기 부분의 상기 동적 성분 에서의 동적 비대칭성을 판단하는 단계는, 원래의 좌측 및 우측 동적 스펙트럼 패턴으로부터 좌측 및 우측 동적 스펙트럼 패턴의 교차점을 제거하는 단계를 포함할 수 있다.
본 발명의 일 실시 예의 또 다른 양상에 따르면, 상기 복수의 뇌파 데이터의 상기 부분의 상기 정적 성분 에서의 정적 비대칭성을 판단하는 단계는, 원래의 좌측 및 우측 정적 스펙트럼 패턴으로부터 좌측 및 우측 스펙트럼 패턴의 교차점을 제거하는 단계를 포함할 수 있다.
본 발명의 일 실시 예의 또 다른 양상에 따르면, 상기 복수의 뇌파 데이터의 상기 부분의 상기 정적 성분 에서의 정적 비대칭성을 판단하는 단계는, 좌측 및 우측 정적 성분의 최대 및 최소 파워 값들의 평균값을 판단하는 단계를 더 포함할 수 있다.
본 발명의 일 실시 예의 또 다른 양상에 따르면, 상기 뇌파 데이터의 상기 동적 성분 에서의 동적 비대칭성을 판단하는 단계는, 좌측 및 우측 동적 성분의 최대 및 최소 파워 값들의 평균값을 판단하는 단계를 더 포함할 수 있다.
본 발명의 일 실시 예의 또 다른 양상에 따르면, 상기 기분 장애는 우울증, 양극 장애, 또는 적어도 하나의 유전자 관련 성분을 지닌 장애 중 적어도 하나를 포함할 수 있다.
본 발명의 다른 실시 예에 따르면, 뇌파 데이터를 이용하여 개인의 기분 장애를 분석하고 평가하기 위한 방법이 제공된다. 상기 방법은 상기 개인으로부터 뇌파 데이터를 수집하는 단계를 포함한다. 또한, 상기 방법은 상기 뇌파 데이터의 적 어도 일부와 관련된 정적 성분을 판단하는 단계를 포함한다. 또한, 상기 방법은 상기 뇌파 데이터의 적어도 일부와 관련된 동적 성분을 판단하는 단계를 포함한다. 또한, 상기 방법은 상기 정적 및 동적 성분 중 한 성분 에서의 비대칭성을 판단하는 단계를 포함한다. 또한, 상기 방법은 상기 정적 성분 또는 동적 성분 에서의 비대칭성에 적어도 부분적으로 기초하여, 상기 기분 장애와 관련된 특성을 평가(evaluate)하는 단계를 포함한다.
본 발명의 일 실시 예의 일 양상에 따르면, 상기 방법은 좌측 스펙트럼 패턴을 판단하는 단계를 포함할 수 있다. 또한, 상기 방법은 상기 뇌파 데이터에 적어도 부분적으로 기초하여, 우측 스펙트럼 패턴을 판단하는 단계를 포함할 수 있다. 또한, 상기 방법은 전체적인 비대칭성 스펙트럼 패턴을 획득하기 위해 좌측 및 우측 스펙트럼 패턴들의 교차점을 제거하는 단계를 포함할 수 있다.
본 발명의 일 실시 예의 다른 양상에 따르면, 상기 정적 및 동적 성분 중 한 성분 에서의 비대칭성을 판단하는 단계는, 상기 좌측 스펙트럼 패턴 및 우측 스펙트럼 패턴의 합집합에 대한 상기 좌측 및 우측 스펙트럼 패턴들의 상기 교차점의 비율을 평가하는(valuate) 단계를 더 포함할 수 있다.
본 발명의 일 실시 예의 또 다른 양상에 따르면, 상기 정적 및 동적 성분 중 한 성분 에서의 비대칭성을 판단하는 단계는, 상기 뇌파 데이터와 관련된 각 주파수 밴드 사이의 유사성을 확인하기 위한 하나 또는 다수의 가중 인자(weighting factors)를 정의하기 위한 학습형 알고리즘을 구현하는 단계를 포함할 수 있다.
본 발명의 일 실시 예의 또 다른 양상에 따르면, 상기 정적 및 동적 성분 둘 중 한 성분 에서의 비대칭성을 판단하는 단계는, 환자의 좌측이 환자의 우측에 비해 선호 또는 혐오 되는 시간의 백분율을 판단하는 단계; 및 환자의 좌측이 환자의 우측에 비해 선호 또는 혐오 되는 상기 시간의 백분율을 비교하는 단계를 포함할 수 있다.
본 발명의 일 실시 예의 다른 양상에 따르면, 상기 정적 및 동적 성분 둘 중 한 성분 에서의 비대칭성을 판단하는 단계는, 각 전두부 영역에 대한 각 파워를 유도하기 위한 적어도 하나의 벡터를 이용하는 단계; 및 각 전두부 영역에 대한 상기 파워들을 비교하는 단계를 포함할 수 있다.
본 발명의 일 실시 예의 또 다른 양상에 따르면, 상기 특성은 상기 기분 장애의 위험, 또는 상기 기분 장애의 증상 중 적어도 하나를 포함할 수 있다.
본 발명의 다른 실시 예에 따르면, 뇌파 데이터를 이용한 개인의 기분 장애 분석 및 평가 방법이 제공된다. 상기 방법은 상기 개인으로부터 뇌파 데이터를 수집하는 단계를 포함한다. 또한, 상기 방법은 상기 뇌파 데이터의 적어도 일부와 관련된 정적 성분을 판단하는 단계를 포함한다. 또한, 상기 방법은 상기 정적 성분 에서의 비대칭성을 판단하는 단계를 포함한다. 또한, 상기 방법은 상기 정적 성분 에서의 상기 비대칭성에 적어도 부분적으로 기초하여, 상기 기분 장애와 관련된 특성을 평가하는 단계를 포함한다.
본 발명의 또 다른 실시 예에 따르면, 뇌파 데이터를 이용한 개인의 기분 장애 분석 및 평가 방법이 제공된다. 상기 방법은 상기 개인으로부터 뇌파 데이터를 수집하는 단계를 포함한다. 또한, 상기 방법은 상기 뇌파 데이터의 적어도 일부와 관련된 동적 성분을 판단하는 단계를 포함한다. 또한, 상기 방법은 상기 동적 성분 에서의 비대칭성을 판단하는 단계를 포함한다. 또한, 상기 방법은 상기 동적 성분 에서의 상기 비대칭성에 적어도 부분적으로 기초하여, 상기 기분 장애와 관련된 특성을 평가하는 단계를 포함한다.
본 발명의 또 다른 실시 예에 따르면, 개인의 기분 장애 분석 및 평가 시스템이 제공된다. 상기 시스템은 데이터 수집 모듈 및 보고서 생성 모듈을 포함한다. 상기 데이터 수집 모듈은 상기 개인과 관련된 복수의 뇌파 데이터를 수신한다. 상기 보고서 생성 모듈은 상기 복수의 뇌파 데이터의 일부의 적어도 하나의 정적 성분을 판단하고, 상기 복수의 뇌파 데이터의 상기 부분의 상기 정적 성분 에서의 정적 비대칭성을 추가로 판단한다. 상기 보고서 생성 모듈은 복수의 뇌파 데이터의 상기 부분들의 상기 정적 성분 에서의 상기 정적 비대칭성에 적어도 부분적으로 기초하여, 상기 개인이 상기 기분 장애의 위험에 있는지의 여부에 대한 지시(indication)를 추가로 출력한다.
본 발명의 일 실시 예의 또 다른 양상에 따르면, 상기 시스템은 상기 보고서 생성 모듈이 상기 복수의 뇌파 데이터의 일부의 적어도 하나의 동적 성분을 추가로 판단하도록 구성될 수 있다. 상기 보고서 생성 모듈은 상기 복수의 뇌파 데이터의 상기 부분의 상기 동적 성분에서의 동적 비대칭성을 추가로 판단할 수 있다. 또한, 상기 보고서 생성 모듈은 상기 뇌파 데이터의 상기 부분들의 상기 동적 성분 에서의 상기 동적 비대칭성에 적어도 부분적으로 기초하여, 상기 기분 장애의 치료 응답을 예측하기 위한 지시를 추가로 출력할 수 있다. 또한, 상기 보고서 생성 모듈 은 상기 뇌파 데이터의 상기 부분들의 상기 동적 성분 에서의 상기 동적 비대칭성에 적어도 부분적으로 기초하여, 상기 기분 장애의 치료를 평가하기 위한 지시를 추가로 출력할 수 있다.
따라서, 본 발명의 다양한 실시 예들에 따른 다양한 시스템 및 프로세스는 다음의 시스템 및 방법들을 포함할 수 있다.
(1) 뇌파 수치를 이용한 개인의 우울증에 대한 분석 및 평가 시스템 및 방법;
(2) 뇌파 수치를 이용한 개인의 기분 장애에 대한 분석 및 평가 시스템 및 방법;
(3) 뇌파 수치를 이용한 개인의 양극 장애에 대한 분석 및 평가 시스템 및 방법;
(4) 뇌파 수치를 이용한 개인의 적어도 하나의 유전자 관련 성분을 지닌 장애에 대한 분석 및 평가 시스템 및 방법;
(5) 정량화 뇌파 절차를 이용하여 감정적 정신 병리학의 상태 및 기질 존재(trait presence) 둘 다를 평가하는 향상된 정량화 비침습적(non-invasive) 방법을 제공하는 시스템 및 방법;
(6) 숙련자들이 편향되지 않은 정확한 방법을 이용하여 감정적 정신 병리학을 테스트할 수 있도록 해 주는 정량화 뇌파(qEEG) 절차를 제공하는 시스템 및 방법;
(7) 숙련자들이 편향되지 않은 정확한 방법을 이용하여 감정적 정신 병리 학의 치료(therapy) 응답, 약물(medication) 응답, 및 시간 과정을 예측하고 추적할 수 있도록 해 주는 정량화 뇌파(qEEG) 절차를 제공하는 시스템 및 방법.
본 발명의 다양한 실시 예들에 따른 기타의 시스템 및 프로세스들이 본 명세서의 나머지 내용과 관련하여 명백해질 것이다.
[도면에 대한 간단한 설명]
도 1은 본 발명의 일 실시 예에 따른 방법의 일 예를 보여주는 흐름도이다.
도 2는 본 발명의 일 실시 예에 따른 방법의 다른 예를 보여주는 흐름도이다.
도 3은 본 발명의 일 실시 예에 따른 방법의 다른 예를 보여주는 흐름도이다.
도 4는 본 발명의 일 실시 예에 따른 방법의 다른 예를 보여주는 흐름도이다.
도 5는 본 발명의 일 실시 예에 따른 방법의 다른 예를 보여주는 흐름도이다.
도 6은 본 발명의 일 실시 예에 따른 시스템의 일예이다.
도 7은 본 발명의 일 실시 예와 관련하여 얻어진 데이터 분석 결과를 포함하는 보고서(report)를 나타내는 예시도이다.
본 발명은 뇌파 수치를 이용한 개인의 우울증에 대한 분석 및 평가 시스템 및 프로세스에 관한 것이다. 본 발명의 일 실시 예는 우울증에 대한 분석 및 평가 시스템 및 프로세스에 관한 것이다. 본 발명의 다른 실시 예는 기분 장애에 대한 분석 및 평가 시스템 및 프로세스에 관한 것이다. 본 발명의 다른 실시 예는 양극 장애(bipolar disorder)에 대한 분석 및 평가 시스템 및 프로세스에 관한 것이다. 본 발명의 다른 실시 예는 적어도 하나의 유전자 관련 성분을 지닌 장애에 대한 분석 및 평가 시스템 및 프로세스에 관한 것이다.
실시 예들의 도면과 예시들을 좀 더 자세히 기술하기 이전에, 몇 개의 용어들이 이하 본 문서에서 이용된 용어를 명확히 하기 위해 기술된다. 본 용어들에 대한 부가적이고 보다 완전한 이해가 본 문서 전체를 정독함과 동시에 분명해질 것이다.
"정량화 뇌파 데이터(QEEG DATA)": 장치들 또는 프로세스들을 이용하여 환자로부터 수집된 뇌파 및 기타 등등을 포함하는(그러나 반드시 이에 제한되는 것은 아님) 임의의 데이터.
"지시자(INDICATOR)": 건강한 상태 또는 병적인 상태의 특수한 양상을 확인하는 특성. "지시자 변수(indicator variable)"라고 또한 알려진 지시자는 연구 또는 기타의 제공될 데이터와 결합되거나, 문맥(context)을 생물학적 측정으로 제공하고, 특수 상태와 관련된 상기 생물학적 수치의 해석을 쉽게 해준다. 일반적으로, 지시자는 연구되고(researched), 검증되고(verified), 검사되어(tested), 특수한 양상의 상태에 대해 일반적으로 신뢰 가능하고, 반복 가능하고, 또한 통계적으로 중요한 특성(characteristic)이 된다.
"건강 상태(HEALTH CONDITION)": 건강한 상태 또는 그렇지 못한 상태, 건강한 상태 또는 그렇지 못한 상태를 포함하는 만성 또는 급성 상태, 하나 또는 다수의 장애, 콤플렉스, 질병, 감염, 출생 결함, 사고 2차 결과(accident sequella), 병리학 관련 문제 또는 고통을 포함하는(그러나 반드시 이에 한정되는 것은 아님) 환자의 육체적 또는 정신적 상태.
"소정의 시간(EPOCH)": 시간 구간 상에서 수집된, 전기 생리학적 데이터 파일과 같은 로(raw) 데이터 파일 에서의 임의의 단위 또는 데이터 양. 로 데이터 파일은 일련의 시간으로 분해될 수 있다. 각 시간은 임의의 시간 구간 상에서 임의의 개수 채널들의 로 전기 생리학적 멀티채널 활동과 같은 로 생물학적 활동과 관련된 정보를 포함할 수 있다.
"잡음(ARTIFACT)": 전기생리학적 로(raw) 데이터 파일과 같은 로 데이터 파일 에서의 일부 또는 모든 신호들 또는 활동으로, 해당 분야의 전문가 또는 당업자에 의해 특수 환자, 피검자(subject)의 몸, 및/또는 환자 또는 피검자와 관련된 임의의 환경적 출처(origin)의 움직임으로 야기된다고 간주할 수 있다. 잡음의 기여자(contributors)는 심전도(heart electrical activity: EKG), 안전도(eye movement: EOG), 근전도(muscle tension: EMG), 및 호흡(그러나 반드시 이에 한정되는 것은 아님)을 포함할 수 있다. 일부의 실시 예들에 있어서, 잡음은 시간과 주파수 영역 중 하나 또는 두 영역 내에서 관심거리인 다른 생리적인 신호들과 종종 중첩(overlap)될 수 있다.
"잡음조작(ARTIFACTING": 사람 또는 컴퓨터 프로그램과 같은 컴퓨터 실행가능한 명령어들 세트에 의해 수행될 수 있는 프로세스 또는 방법으로, 잡음을 포함하는 특정 시간의 일부 또는 모든 부분들에 대한 스캐닝을 포함하고, 만일 잡음이 존재한다면, 임의의 특정 시간의 일부 또는 전부를 '포함된' 또는 '삭제된'으로 표시할 수 있다.
본 발명의 실시 예들은 우울증, 기분 장애, 또는 적어도 하나의 유전자 관련 성분을 지닌 장애를 갖는 개인들이 일반적으로 기초라인(baseline)의 탑(top) 상부에 중첩된 간헐적 및 급성 레벨의 행동 표출을 갖는 행동 기능의 기초라인 레벨을 지니고 있다는 인식에 근거할 수 있다. 본 발명의 실시 예들은 또한 정량화 뇌파 데이터 또는 수치가 상기 기초라인의 상부 위에 중첩된 급성 정량화 뇌파 특성들을 지닌 기초라인 정보 세트, 즉, 정량화 뇌파 데이터 또는 수치의 정적 기초라인 및 동적(중첩된) 성분으로 분리될 수 있다.
본 발명의 실시 예들은 환자의 정량화 뇌파 데이터 또는 수치의 상기 정적 및 동적 성분들을 분리하여, 특수 장애의 기초라인 존재 또는 특수 장애의 위험을 확인할 수 있다. 본 발명의 실시 예들은 상기 동적인 정량화 뇌파 성분을 이용하여 상기 환자의 행동 표출의 급성 레벨을 시간에 대해 추적할 수 있는데, 이는 예를 들어, 약물 반응, 치료 반응, 및 특수 장애의 시간 과정(time course)으로의 애플리케이션을 포함할 수 있다.
일 실시 예에 있어서, 정량화 뇌파 데이터 수치의 적어도 두 개의 세션들은 단일 환자 또는 단일 피검자로부터 얻어질 수 있는데, 일부의 경우에 있어서, 이는 상기 환자 또는 피검자에 대한 하나의 임상 방문(clinical visit) 이상으로 해석된 다. 일부 실시 예들에 있어서, 적합한 정량화 뇌파 데이터 수치가 상기 환자 또는 피검자로부터의 정량화 뇌파 데이터 수치의 하나의 세션을 지닌 하나의 임상 방문 내에서 얻어질 수 있다. 그와 같은 실시 예들에 있어서, 단일 세션으로부터의 충분한 다량의 데이터 세트를 가지고서, 상기 정량화 뇌파 데이터 수치의 가변성이 여기에 기술되는 스펙트럼 패턴 기술을 이용하여 판단될 수 있다. 일부의 경우에 있어서, 단일 세션으로부터의 정량화 뇌파 데이터 수치의 적합한 이용은 임상 학습 에서의 반복된 수치 검증 데이터에 대한 수집과 분석으로 확인될 수 있다.
본 발명의 실시 예들은 정량화 뇌파 데이터 수치 세트의 비대칭성을 측정하거나 판단할 수 있다. 비대칭성은 두 세트의 데이터 수치 사이의 차이로 정의될 수 있다. 비대칭성은 다음의 방법들 중 일부 또는 전부를 이용하여 측정되거나 판단될 수 있다.
한 방법에 있어서, 스펙트럼 비대칭성이 좌측 및 우측 전극 스펙트럼 패턴들 세트로부터 계산될 수 있다. 예를 들어, 좌측 및 우측 전극 스펙트럼 패턴들로부터의 교차 데이터(intersecting data)는 원래의 각 패턴으로부터 제거될 수 있다. 각 패턴으로부터 잔존하는 데이터는 상기 두 세트의 데이터 또는 패턴들 사이의 스펙트럼 비대칭성을 산출한다. 스펙트럼 패턴들 사이의 유사성에 대한 분석은 상기 세트들의 교차점의 상기 세트들의 합집합에 대한 비(ratio)를 이용하여 행해질 수 있다. 일 실시 예에 있어서, 전체적인 유사성이 상기 기여자를 각 주파수 밴드의 유사성과 합산하는 데 있어서, 하나 또는 다수의 가중 인자(weighting factors)를 정의하기 위한 학습형(learning type) 최적 알고리즘, 또는 다른 유사한 방법을 이용 하여 계산될 수 있다.
다른 방법에 있어서, 특징 벡터들(feature vectors)이 알파 주파수 범위 에서의 상기 정적이고 동적인 성분들의 표준 전두부(frontal) 파워 및 비대칭성 정량화 뇌파 값들의 유도에서 이용될 수 있다.
또 다른 방법에 있어서, 좌측 및 우측 선호(favored) 비대칭성의 퍼센트 시간은 상기 정적이고 동적인 정량화 뇌파 성분들을 개별적으로 이용하여 계산될 수 있다.
비대칭성 판단과 연관된 상기 방법의 일부 또는 전부를 이용하여, 상기 정적 성분들(정적 스펙트럼 비대칭성:"static spectral asymmetry")로부터 유도된 비대칭성 값들이 우울증 환자들에 대한 평가 및 진단에 적용될 수 있다. 상기 동적 성분들(동적 스펙트럼 비대칭성:"dynamic spectral asymmetry")로부터 유도된 비대칭성 값들이 치료의 존재 또는 부재 하에서 시간에 따른 우울증 환자들의 증상에 대한 예측 및 추적에 적용될 수 있다.
정량화 뇌파 수치를 이용하여 개인의 우울증을 분석하고 평가하는 방법의 일 예가 도 1에 도시된다. 상기 예시적인 방법(100)은 우울증에 제한되는 것은 아니고, 양극 장애 및 적어도 하나의 유전자 관련 성분을 지닌 기타의 장애와 같은 그 밖의 기분 장애를 포함할 수 있다. 상기 예시적인 방법(100)은 도 6의 602와 같은 시스템에 의해 수행될 수 있다.
도 1에 도시된 상기 방법(100)은 블록(102)에서 시작한다. 블록(102)에서, 피검자 또는 환자와 관련된 뇌파 신호가 수신된다. 즉, 피검자 또는 환자와 관련된 정량화 뇌파 데이터 수치가 도 6의 602와 같은 시스템에 의해 수신된다. 예를 들어, 복수의 전극 위치가 정량화 뇌파 데이터 수집 장치, 시스템, 또는 전극 배치 방법 및 인터내셔널(10-20) 시스템을 이용하여, 환자의 머리와 같은 환자의 몸에 대하여 위치될 수 있다. 정량화 뇌파 데이터 수치들을 수집할 수 있는 전극들과 관련된 적합한 시스템이 도 6을 참조하여 이하에서 기술된다. 환자의 몸, 예를 들어, 환자의 머리 상부(on) 영역들이 적절한 정량화 데이터 준비 세척기 및 알코올을 이용하여 세척될 수 있다. 예를 들어, 환자는 적절한 전극들이 상술한 단계 내에 위치한 상기 위치들 상부에(over) 위치하도록 조정될 수 있는 스트레치 라이크라(LycraTM) 캡을 타이트하게 착용할 수 있다. 일단 상기 전극 캡이 적절하게 위치되면, 주사기를 이용하여 도전성 겔을 상기 선택된 위치(sites) 에서의 환자의 머릿가죽(scalp)으로 적용할 수 있다. 이후, 각 전극 시간은 건강 관리 전문가 또는 직원에 의해 체크되어 정확한 정량화 뇌파 데이터 수치가 상기 위치로부터 얻어질 수 있음을 확신시킬 수 있다.
일 실시 예에 있어서, 정량화 뇌파 수치가 상기 피검자가 눈을 감은 상태 및 상기 피검자가 눈을 뜬 상태에서 수집될 수 있다. 예를 들어, 정량화 뇌파 수치들이 대략 20분 동안 피검자가 눈을 감은 상태에서(대략 630 시간), 및 상기 피검자가 눈을 뜬 상태에서(대략 315 시간) 수집될 수 있다.
블록(102) 이후에 블록(104)이 수반되는데, 여기서 상기 정량화 뇌파 데이터가 디지털화되고 잡음에 대해 스크리닝 된다. 일 실시 예에 있어서, 상기 정량화 뇌파 데이터는 도 6의 602와 같은 시스템에 의해 디지털화되고 스크리닝 될 수 있고, 상기 정량화 뇌파 데이터는 잡음을 구별하기 위해 분석될 수 있다. 일례에 있어서, 정량화 뇌파 데이터의 영향을 받은 시간은 관심거리의 특정 데이터 세트로부터 제거될 수 있다. 다른 실시 예에 있어서, 잡음에 의해 최소한의 영향을 받을 수 있는 데이터의 적어도 15시간은 눈을 감은 상태 및 눈을 뜬 상태의 특정 환자로부터 수집될 수 있다. 다른 실시 예에 있어서, 데이터의 적어도 45시간은 눈을 감은 상태의 특정 환자로부터 수집될 수 있다.
블록(104) 이후에 블록(106)이 수반되는데, 여기서 시간 서브세트들이 처리된다. 예를 들어, 일단 충분한 개수의 상대적으로 잡음이 없는 정량화 뇌파 데이터 시간이 특정 환자로부터 얻어지면, 정량화 뇌파 데이터의 하나 또는 다수의 서브세트들이 추가로 처리될 수 있다. 본 실시 예에 있어서, 각 포함된 쌍의 전극 위치들(예를 들어, F3, F4, CZ 참고)로부터의 정량화 뇌파 데이터는 각 시간에 대해 블록들(108, 110) 내에서 고속 푸리에 변환(FFT)을 이용하여 시간 대 시간(epoch-by-epoch) 기준으로 주파수 도메인으로 변형될 수 있다. 상기 방법에 따르면, 각 주파수 간격(상기 데이터의 상기 주파수 해상도에 의해 정의됨)에 대해, 상기 모든 변환된 시간으로부터의 나온 상기 데이터를 이용하여, 상기 계산된 파워 값들의 총체적(overall) 최대 및 총체적 최소를 얻을 수 있다. 본 실시 예에서 보인 바와 같이, 상기 변환된 시간으로부터의 각 데이터 세트가 하나 또는 다수의 스펙트럼 패턴들을 생성하기 위해 이용될 수 있다. 다른 실시 예들에 있어서, 보다 적은 수의 또는 더욱 많은 수의 데이터 세트들이 하나 또는 다수의 스펙트럼 패턴들을 생성하 기 위한 고속 푸리에 변환(FFT) 또는 기타의 방법들을 이용하여 처리될 수 있다.
블록들(108, 110) 이후에 블록(112)이 수반되는데, 여기서 적어도 상기 정량화 뇌파 데이터에 부분적으로 기초하여, 스펙트럼 패턴들이 생성된다. 스펙트럼 패턴은 한 세트의 최대 및 최소 파워 지점들 사이에 포함된 상기 영역으로 정의될 수 있고, 특징 벡터, 예를 들어, 주파수 간격에 의해 정의된 각 주파수 간격에 대한 스펙트럼 패턴, 최대 파워 및 최소 파워에 의해 기술될 수 있다. 상기 주파수 간격을 선행하는 정보는 상기 환자, 실험 횟수(trial number), 및 상기 데이터 분석을 위해 요구되는 임의의 부가적인 정보를 포함할 수 있다. 스펙트럼 패턴들을 이용한 데이터 분석을 위한 상기 방법들은 수학적 세트 이론으로부터 유도될 수 있고, 일부 또는 모든 애플리케이션들 및 추후의 방정식들이 관련 용어들로 정의될 수 있다.
또한, 본 실시 예에 있어서, 둘 또는 다수의 스펙트럼 패턴들이 단일 피검자 또는 환자를 위해 획득되었을 때, 상기 스펙트럼 패턴들의 상기 정적이고 동적인 부분들이, 예를 들어, 상기 특징 벡터(feature vectors) 및 수학적인 세트 이론적인 방법을 이용하여 분리될 수 있다. 상기 특정 환자로부터의 상기 스펙트럼 패턴들 각각은 p(i)로 지칭될 수 있는데, 여기서 (i)는 '1'에서 'n'까지의 패턴들에 대한 가변 인덱싱이고, 'n'은 상기 환자에 대한 스펙트럼 패턴들의 전체 개수이다. 이후, 상기 스펙트럼 패턴의 상기 정적 성분은 상기 모든 획득된 스펙트럼 패턴들의 교차점, 즉, 각 주파수 간격에서의 모든 p(i)에 대한 최대 파워 값들 중 최소값 및 최소 파워 값들 중 최대값에 의해 정의된 영역으로 정의될 수 있다. 세트 이론 적 표기법(set theoretical notation)에 있어서, 상기 정의는 
와 동등한데, 여기서 's'는 상기 뇌파 데이터의 상기 정적 성분을 지칭하고, 본질적으로 스펙트럼 패턴이다. 각 스펙트럼 패턴 p(i)의 상기 동적인 성분은 상기 스펙트럼 패턴과 위에서 정의한 상기 정적 성분 사이의 차이로써 정의될 수 있다. 다시 설명하는바, 세트 이론적 표기법의 이용은 di = p(i)-s와 동등한데, 여기서 di 는 j번째 스펙트럼 패턴의 상기 동적 성분을 지칭하고, p(i)는 이전처럼 상기 j번째 스펙트럼 패턴을 지칭하고, 's'는 위에서 정의된 바와 같이 상기 정적 성분을 지칭한다. 상기 정적 및 동적 성분들은 비대칭성 및 그 밖의 종류의 분석을 측정하기 위한 목적으로 개별 스펙트럼 패턴들로 취급될 수 있다. 일부 실시 예들에 있어서, 상기 특정 방법은 정량화 뇌파 데이터 에서의 상태 및 기질 현상들을 구별할 수 있다.
블록(110) 이후 판단 블록 (decision block: 112)이 수반되는데, 여기서 다른 실험 또는 테스트가 유효한지 또는 가능한지의 여부에 대한 판단이 행해진다. 즉, 필요할 경우, 부가적인 정량화 뇌파 데이터가 상기 환자 또는 피검자로부터 수집되어 처리될 수 있는지의 여부가 판단된다. 만일 다른 실험 또는 테스트가 유효 또는 가능하면, YES 브랜치가 블록(102)에 수반되어, 블록들(102-110)이 반복될 수 있다. 따라서, 필요할 경우, 부가적인 정량화 뇌파 데이터가 상기 환자 또는 피검자로부터 수집될 수 있다. 일 실시 예에 있어서, 며칠 또는 몇 주 간격의 2회 또는 그 이상의 방문(visits) 측정이 상기 피검자가 눈을 감은 상태에서 상기 피검자용 정량화 뇌파 데이터에 대한 반복적인 수치 분석을 위해 행해질 수 있다. 본 예에 있어서, 상기 정량화 뇌파 정적 및 동적 성분들 사이의 분열(split)은 더욱더 정확하고 보다 쉽게 구별될 수 있다. 일부의 실시 예들에 있어서, 만일 상기 피검자가 월경 주기에 있다면, 황체기(luteal phase) 동안 정량화 뇌파 데이터 수집을 하지 않을 수 있다.
판단 블록(112)으로 돌아가서, 만일 유효하거나 가능한 그 밖의 실험 또는 테스트가 없다는 판단이 나올 경우, NO 브랜치가 블록(114)을 수반된다. 블록(114)에서, 상기 정량화 뇌파 데이터를 포함하는 상기 뇌파 성분들이 분리되고 분석될 수 있다. 본 실시 예에 있어서, 상술한 바와 같이, 각 위치로부터의 상기 스펙트럼 패턴들을 이용하여, 상기 스펙트럼 패턴들이 정적이고 동적인 성분들로 분리될 수 있다. 예를 들어, 정량화 뇌파 데이터 또는 수치가 상기 기초라인의 상부(top) 위에 중첩된 급성 정량화 뇌파 특성들을 지닌 기초라인 정보 세트, 즉, 정적(기초라인) 및 동적(중첩된) 성분들로 분리될 수 있다.
본 실시 예에서 보인 바와 같이, 상기 패턴들 사이의 상기 정적 및 동적 비대칭성이 측정되거나 판단될 수 있다. 상기 정적 비대칭성 측정을 위해, 'STATIC'이라는 라벨이 붙은 상기 브랜치가 블록(114)으로부터 블록들(116, 118)로 수반될 수 있다. 상기 동적 비대칭성 측정을 위해, 'DYNAMIC'이라는 라벨이 붙은 상기 브랜치가 블록(114)으로부터 블록들(120, 122)로 수반될 수 있다.
블록들(116, 120)에 있어서, 상기 정적 비대칭성 및 동적 비대칭성이 각각 계산되거나 판단될 수 있다. 예를 들어, 각 스펙트럼 패턴을 위해(상기 정적 및 동적 성분들은 본 예시적 방법을 위한 분리된 스펙트럼 패턴들로써 해석이 된다는 것 을 다시 한 번 주지하라), 상술한 스펙트럼 패턴 방법은 상기 좌측 및 우측 스펙트럼 패턴들을 교차시킴으로써 비대칭성을 측정하거나 판단할 수 있고, 상기 교차점은 상기 데이터의 분석을 위한 원래의 각 패턴으로부터 제거될 수 있다. 도 7에서, 700은 스펙트럼 패턴들의 우측(F4) 및 좌측(F3) 정적 성분들의 교차점을 나타내는 샘플이다. 세트 이론적 표기법을 이용하여, 비대칭성이 P'(L)= P(L)-P(L)∩P(R)로 정의될 수 있다. 여기서, P'(L)은 좌측의 상기 비대칭성 패턴을 지칭하고, P(L) 및 P(R)은 각각 좌측 및 우측 스펙트럼 패턴들을 지칭한다. 상기 L 및 R'의 역(reversed)을 갖는 동일 방정식이 우측에 대한 비대칭성을 정의할 수 있다. 이러한 두 결과들은 다시 한 번 상기 스펙트럼 패턴들 자체로써, 이후, 알파 주파수 밴드 내, 즉, 8-13Hz 범위 내에서 비교되어 상기 비대칭성을 측정하거나 판단한다.
상기 스펙트럼 패턴 방법은 둘 또는 그 이상의 스펙트럼 패턴들, 예를 들어, 단일 개인으로부터의 서로 다른 시간 및 위치들 사이의 유사성 비교, 또는 한 그룹 에서의 두 명 사이의 유사성 비교를 허락할 수 있다. 상기 유사성 계수는 다시 한 번, 상술한 세트 이론적 표기 방법을 이용하여 계산될 수 있다. 상기 두 패턴들, 'm'과 'n'을 표기함으로써, 상기 패턴들 사이의 유사성을 
로써, 또는 벡터 대 벡터(vector-by-vector) 기준의 상기 두 패턴들의 교차점의 상기 두 패턴들의 합집합(union)에 대한 비율(ratio)로써 정의한다. 다시 말해서, 이는 상기 두 패턴들이 공유하는 영역 엘리먼트들의 개수의 상기 두 패턴들 내에 포함된 전체 개수에 대한 비율이다. 이후, 전체적인 유사성이 
로써 정의될 수 있는데, 여기서 상기 w(k)는 자신이 모든 포함된 k 값들 상에서(over) '1'로 합산된다는 조건 하의, k 번째 주파수 밴드에 대한 가중 인자이다. 초기에, w(k)는 1/k와 비례하지만, 학습형 최적 알고리즘 또는 기타 유사한 방법들이 상기 초기의 가중 인자를 조정할 수 있다. 상기 아래쪽 기호 k는 s'의 k 번째 주파수 밴드와의 유사성에 대한 제한을 지칭하고, 가중치 수행중인 모든 밴드들이 이후 합산되어 상기 분석중인 패턴들에 대한 전체적인 유사성 계수를 판단한다는 것을 주지하라.
쌍으로 된 좌측 및 우측 전극들의 스펙트럼 성분들에 대한 상기 계산을 이용하여, 각 전두부 영역에 대한 각 파워가 계산될 수 있다. 상기 파워들은 최대 파워과최소 파워의 평균을 이용하여 상기 각 정적이고 동적인 특징 벡터들로부터 계산될 수 있고, 이후 표준 비대칭성 방정식인 (R-L)/(R+L)로 적용될 수 있다. 여기서 R은 우측 전극 파워와 동등하고, L은 좌측 전극 파워와 동등하다. 비대칭성의 유사 방정식들이 본 방법에 적용될 수 있고, 진폭 또는 파워 값들이 이용될 수 있다는 것을 주지하라. 이전 연구로부터의 협약과 일치하기 위해, 상기 알파 밴드는 상기 8-13Hz 범위의 상기 변환된 데이터로 정의될 수 있다. 상기 알파 범위가 건강관리 분야에 의해 표준화되지 않았고, 다양한 범위들이 이용되어 유사한 효과를 낼 수 있다는 것을 주지하라.
쌍으로 된 좌측 및 우측 전극들의 시간 대 시간 파워 값들이 상기 알파 범 위(8-13Hz) 에서의 각 시간에 대한 비대칭성을 계산하기 위해 이용될 수 있다. 상기 세트의 개별적인 비대칭성 값들은 상술한 바와 같이, 비대칭성의 상기 정적 및 동적 성분들을 위한 특징 벡터들을 생성하면서, 비대칭성 판단을 위한 추가적인 스펙트럼 패턴을 계산하기 위해 이용될 수 있다. 상기 특징 벡터들의 최대값 및 최소값은 평균화되어 정적이고 동적인 비대칭성 결과를 생성할 수 있다. 또한, 시간 대 시간 비대칭성 값들은 상기 정적이고 동적인 특징 벡터들의 범위들에 의해 정의된 두 세트로 분리될 수 있다. 백분율 시간(percentage time)은 비대칭성이 제로 값 이상이라고 계산된 (시간 대 시간 기준) 전체 시간의 백분율로써, 이는 상기 정적 세트 와 동적 세트 둘 다의 비대칭성 값들에 대해 계산될 수 있다.
요약하면, 정량화 뇌파 데이터 에서의 비대칭성은 하기의 방법들 중 일부 또는 전부를 이용하여 계산될 수 있다.
1) 스펙트럼 비대칭성은 상기 좌측 및 우측(F3, F4) 스펙트럼 패턴들의 교차점을 상기 원래의 각 패턴들로부터 제거함으로써 계산될 수 있다. 상기 패턴들 사이의 유사성에 대한 분석은 상기 세트들의 교차점의 상기 세트들의 합집합(union)에 대한 비율을 이용하여 계산될 수 있다.
2) 특징 벡터들은 상기 알파 주파수 밴드 에서의 표준 전두부 파워 및 상기 정적이고 동적인 성분들의 뇌파 비대칭성 값들을 유도하는 데 있어서 이용될 수 있다.
3) 좌측 및 우측 선호된(favored) 비대칭성의 백분율 시간은 상기 스펙트럼 패턴들의 상기 정적이고 동적인 성분들을 개별적인 스펙트럼 패턴들로 취급함으 로써(treating) 계산될 수 있다.
또한, 본 발명의 실시 예들에서 정량화 뇌파 데이터와 관련된 하기의 지시자 변수들(indicator variables) 중 일부 또는 전체가 판단될 수 있다;
1) 좌측 및 우측 정적 성분들의 교차점에 의한 "정적 스펙트럼 비대칭성"
2) 좌측 및 우측 동적 성분들의 교차점에 의한 "동적 스펙트럼 비대칭성"
3) 상기 좌측 및 우측 정적 성분들의 최대 파워 및 최소 파워의 평균에 의한 "정적 파워"
4) 상기 좌측 및 우측 동적 성분들의 최대 파워 및 최소 파워의 평균에 의한 "동적 파워"
5) (R-L)/(R+L)로 적용된 상기 좌측 및 우측 정적 성분들의 최대 파워 및 최소 파워의 평균에 의한 정적 스펙트럼 비대칭성
6) (R-L)/(R+L)로 적용된 상기 좌측 및 우측 동적 성분들의 최대 파워 및 최소 파워의 평균에 의한 동적 스펙트럼 비대칭성
7) (R-L)/(R+L)에 의해 계산된 비대칭성의 스펙트럼 패턴 분석에 의한 정적 스펙트럼 비대칭성
8) (R-L)/(R+L)에 의해 계산된 비대칭성의 스펙트럼 패턴 분석에 의한 동적 스펙트럼 비대칭성
9) 제로 값보다 큰 비대칭성 (R-L)/(R+L)을 갖는 시간의 비율에 의한 좌측 및/또는 우측 선호된 비대칭성의 백분율 시간
10) 제로 값보다 큰 비대칭성 (R-L)/(R+L)을 갖는 정적 시간의 비율에 의 한 좌측 및/또는 우측 선호된 비대칭성의 "정적 백분율 시간"
11) 제로 값보다 큰 비대칭성 (R-L)/(R+L)을 갖는 동적 시간의 비율에 의한 좌측 및/또는 우측 선호된 비대칭성의 "동적 백분율 시간"
블록들(116, 120) 이후 블록들(118, 122)이 각각 수반된다. 블록(118) 내에서, 우울증과 같은 장애에 대한 위험 판단이 이루어질 수 있다. 즉, 환자 또는 피검자와 관련된 특정 세트의 정량화 뇌파 데이터에 대한 상기 정적 스펙트럼 비대칭에 기초하여, 상기 환자 또는 피검자가 특수한 장애를 지니고 있다는 위험이 판단될 수 있다. 예를 들어, 특정 세트의 정량화 뇌파 데이터 에서의 정적 스펙트럼 비대칭, 및 적어도 하나의 지시자 변수가 분석될 수 있다. 다른 실시 예들에 있어서, 상기의 지시자 변수들 또는 정량화 뇌파 데이터 관련 변수들 사이의 임의의 조합이 분석될 수 있다. 다른 실시 예들에 있어서, 상기의 지시자 변수들 또는 정량화 뇌파 데이터 관련 변수들 사이의 임의의 조합, 또는 기타 임상학적 데이터가 분석될 수 있다. 임의의 이벤트 내에서, 정량화 뇌파 데이터의 정적 성분들로부터 유도된 비대칭 값들이 우울증 또는 기타 관련 감정적 정신 병리학을 겪고 있는 개인의 진단, 예를 들어, 특정 개인이 우울증의 위험에 처해 있는가에 대한 판단에 적용될 수 있다.
블록(122) 내에서, 특수 장애 및 관련 치료가 환자 또는 피검자와 관련된 특정 세트의 정량화 뇌파 데이터에 대한 상기 동적 스펙트럼 비대칭에 적어도 부분적으로 기초하여 추적될 수 있다. 예를 들어, 정량화 뇌파 데이터의 동적 성분들로부터 유도된 상기 비대칭성 값들이 치료의 존재 또는 부재 하에서 시간에 따른 환자 의 증상 변화에 대한 추적, 예를 들어, 특정 환자의 우울증에 대한 추적, 및 임의의 치료의 효과에 대한 예측, 평가 및 판단에 적용될 수 있다.
따라서, 블록(118) 내에서 보인 일 실시 예에 있어서, 상기 정적 비대칭성 값들은 하나 또는 다수의 데이터베이스 에서의 이전에 저장된 하나 또는 다수의 값들 또는 기타의 데이터, 및/또는 상기 비대칭성 값들을 기초라인 존재 또는 우울증의 통계적 위험과 관련시킬 수 있는 임상학적 연구로부터 유도된 컷오프(cutoffs)와 비교될 수 있다. 블록(122) 내에서 보인 다른 실시 예에 있어서, 상기 동적 비대칭성 값들은 하나 또는 다수의 데이터베이스 에서의 이전에 저장된 하나 또는 다수의 값들 또는 기타의 데이터, 및/또는 치료(treatment) 또는 요법(therapy)에 의한 우울증 증상의 완화에 수반되는 동적 비대칭성의 정상화(normalization)를 추적할 수 있는 임상학적 연구로부터 유도된 컷오프(cutoffs)와 비교될 수 있다.
블록들(120, 124) 뒤에 블록(126)이 수반되는데, 여기서 상기 방법(100)은 종결된다. 기타의 예시적 방법들이 본 발명의 다른 실시 예들에 따른 보다 적은 개수 또는 더욱 많은 개수의 엘리먼트들 또는 단계들을 포함할 수 있다.
본 발명의 일 실시 예에 따른 뇌파 또는 정량화 뇌파 수치를 이용한 개인의 우울증 및 기타 기분 장애에 대한 분석 및 평가 방법의 다른 예시가 도 2에 도시된다. 상기 도시된 방법(200)은 도 6의 시스템(602)과 함께 구현될 수 있다. 상기 예시적 방법(200)은 블록(202)에서 시작한다.
블록(202) 내에서, 개인과 관련된 복수의 뇌파 데이터가 수신된다. 예를 들어, 정량화 뇌파 데이터가 도 6의 618과 같은 클라이언트 장치, 또는 도 6의 628과 같은 생물학적 데이터 수집기를 통해, 도 6의 614와 같은 환자로부터 수신될 수 있다. 본 발명의 다른 실시 예들은 도 1에서 상술한 바와 같이 개인과 관련된 뇌파 데이터를 수집할 수 있다.
블록(202) 이후에 블록(204)이 수반되는데, 여기에서 상기 복수의 뇌파 데이터의 일부와 관련된 적어도 하나의 정적 성분이 판단된다. 예를 들어, 상기 정량화 뇌파 데이터의 적어도 일부의 정적 성분이 도 6의 608과 같은 보고서 생성 모듈, 도 6의 638과 같은 프로세서, 또는 도 6의 상기 시스템(602)과 관련된 기타의 프로세싱 성분에 의해 판단될 수 있다. 본 발명의 다른 실시 예들에서, 도 1에서 상술한 바와 같이 뇌파 데이터와 관련된 적어도 하나의 정적 성분이 판단될 수 있다.
블록(204) 이후에 블록(206)이 수반되는데, 여기서 상기 복수의 뇌파 데이터의 상기 부분의 상기 정적 성분 에서의 정적 비대칭성이 판단된다. 예를 들어, 정적 비대칭성이 도 6의 608과 같은 보고서 생성 모듈, 도 6의 638과 같은 프로세서, 또는 도 6의 상기 시스템(602)과 관련된 기타의 프로세싱 성분에 의해 판단될 수 있다. 본 발명의 다른 실시 예들에서, 도 1에서 상술한 바와 같이 뇌파 데이터의 정적 비대칭성이 판단될 수 있다.
블록(206) 이후에 블록(208)이 수반되는데, 여기서 복수의 뇌파 데이터의 상기 부분의 상기 정적 비대칭성에 적어도 부분적으로 기초하여, 상기 개인이 기분 장애의 위험에 처해 있는가의 여부에 대한 지시(indication)가 판단된다. 예를 들어, 지시가 도 6의 608과 같은 보고서 생성 모듈, 도 6의 638과 같은 프로세서, 또는 도 6의 상기 시스템(602)과 관련된 기타 프로세싱 성분에 의해 판단될 수 있다. 추가적인 예를 거쳐 정적 비대칭성이 특정 개인에 대해 판단되는 방법에 의존하여, 상기 정적 비대칭성의 다양한 양상들이 활용되어 정도, 가능성, 또는 상기 특정 개인이 우울증과 같은 적어도 하나의 기분 장애에 대한 위험을 특징 지울 수 있다. 본 발명의 다른 실시 예들에서, 도 1에서 상술한 바와 같이 상기 정적 비대칭성에 기초하여 위험의 양이 판단될 수 있다.
블록(208) 이후에 블록(210)이 수반되는데, 여기서 상기 복수의 뇌파 데이터의 일부의 적어도 하나의 동적 성분이 판단된다. 예를 들어, 상기 정량화 뇌파 데이터의 적어도 일부와 관련된 동적 성분이 도 6의 608과 같은 보고서 생성 모듈, 도 6의 638과 같은 프로세서, 또는 도 6의 상기 시스템(602)과 관련된 기타 프로세싱 성분에 의해 판단될 수 있다. 본 발명의 다른 실시 예들에서, 도 1에서 상술한 바와 같이 뇌파 데이터와 관련된 적어도 하나의 동적 성분이 판단될 수 있다.
블록(210) 이후에 블록(212)이 수반되는데, 여기서 복수의 뇌파 데이터의 상기 일부의 상기 동적 성분 에서의 동적 비대칭성이 판단된다. 예를 들어, 동적 비대칭성이 도 6의 608과 같은 보고서 생성 모듈, 도 6의 638과 같은 프로세서, 또는 도 6의 상기 시스템(602)과 관련된 기타 프로세싱 성분에 의해 판단될 수 있다. 본 발명의 다른 실시 예들에서, 도 1에서 상술한 바와 같이 뇌파 데이터의 동적 비대칭성이 판단될 수 있다.
블록(212) 이후에 블록(214)이 수반되는데, 여기서 상기 뇌파 데이터의 상기 부분의 상기 동적 성분 에서의 상기 동적 비대칭성에 적어도 부분적으로 기초하여, 상기 기분 장애의 치료를 평가(evaluate)하기 위한 지시(indication)가 판단된다. 예를 들어, 지시가 도 6의 608과 같은 보고서 생성 모듈, 도 6의 638과 같은 프로세서, 또는 도 6의 상기 시스템(602)과 관련된 기타 프로세싱 성분에 의해 판단될 수 있다. 추가적인 예를 거쳐 동적 비대칭성이 특정 개인에 대해 판단되는 방법에 의존하여, 상기 동적 비대칭성의 다양한 양상들이 활용되어 우울증과 같은 관심거리 기분 장애의 특수 치료를 특징 지울 수 있다. 본 발명의 다른 실시 예들에서, 도 1에서 상술한 바와 같이 상기 정적 비대칭에 기초하여 위험의 양이 판단될 수 있다.
상기 방법(200)은 블록(214)에서 종결된다. 본 발명에 따른 다른 실시 예들의 방법들이 보다 적은 개수 또는 더욱 많은 개수의 엘리먼트들 또는 단계들을 포함할 수 있다. 또한, 다른 실시 예들은 상기 방법(200)의 상기 엘리먼트들 또는 단계들과 관련하여 다른 엘리먼트들 또는 단계들을 포함할 수 있다.
본 발명의 일 실시 예에 따른 뇌파 또는 정량화 뇌파 수치를 이용한 개인의 우울증 및 기타 기분 장애에 대한 분석 및 평가 방법의 다른 예시가 도 3에 도시된다. 상기 도시된 방법(300)은 도 6의 시스템(602)과 함께 구현될 수 있다. 상기 예시적 방법(300)은 블록(302)에서 시작한다.
블록(302) 내에서, 개인과 관련된 뇌파 데이터가 수신된다. 예를 들어, 정량화 뇌파 데이터가 도 6의 618과 같은 클라이언트 장치, 또는 도 6의 628과 같은 생물학적 데이터 수집기를 통해, 614와 같은 환자로부터 수신될 수 있다. 본 발명의 다른 실시 예들은 도 1에서 상술한 바와 같이 개인과 관련된 뇌파 데이터를 수집할 수 있다.
블록(302) 이후에 블록(304)이 수반되는데, 여기에서 상기 뇌파 데이터의 적어도 일부와 관련된 정적 성분이 판단된다. 예를 들어, 상기 정량화 뇌파 데이터의 적어도 일부의 정적 성분이 도 6의 608과 같은 보고서 생성 모듈, 도 6의 638과 같은 프로세서, 또는 도 6의 상기 시스템(602)과 관련된 기타의 프로세싱 성분에 의해 판단될 수 있다. 본 발명의 다른 실시 예들에서, 도 1에서 상술한 바와 같이 뇌파 데이터와 관련된 적어도 하나의 정적 성분이 판단될 수 있다.
블록(304) 이후에 블록(306)이 수반되는데, 여기서 상기 뇌파 데이터의 적어도 일부와 관련된 동적 성분이 판단된다. 예를 들어, 상기 정량화 뇌파 데이터의 적어도 일부와 관련된 동적 성분이 도 6의 608과 같은 보고서 생성 모듈, 도 6의 638과 같은 프로세서, 또는 도 6의 상기 시스템(602)과 관련된 기타의 프로세싱 성분에 의해 판단될 수 있다. 본 발명의 다른 실시 예들에서, 도 1에서 상술한 바와 같이 뇌파 데이터와 관련된 적어도 하나의 동적 성분이 판단될 수 있다.
블록(306) 이후에 블록(308)이 수반되는데, 여기서 상기 정적 성분과 동적 성분 둘 중 한 성분 에서의 비대칭성이 판단된다. 예를 들어, 정적 또는 동적 비대칭성이 도 6의 608과 같은 보고서 생성 모듈, 도 6의 638과 같은 프로세서, 또는 도 6의 상기 시스템(602)과 관련된 기타 프로세싱 성분에 의해 판단될 수 있다. 본 발명의 다른 실시 예들에서, 도 1에서 상술한 바와 같이 뇌파 데이터의 정적 또는 동적 비대칭성이 판단될 수 있다.
블록(308) 이후에 블록(310)이 수반되는데, 여기서 상기 정적 성분과 동적 성분 둘 중 한 성분의 상기 비대칭성에서 적어도 부분적으로 기초하여, 기분 장애 와 관련된 특징이 평가된다. 예를 들어, 비대칭성이 분석되고, 기분 장애와 관련된 특성(characteristic)이 도 6의 608과 같은 보고서 생성 모듈, 도 6의 638과 같은 프로세서, 또는 도 6의 상기 시스템(602)과 관련된 기타 프로세싱 성분에 의해 판단될 수 있다. 본 발명의 일부 실시 예들에 있어서, 특성(characteristic)은 우울증과 같은 기분 장애와 관련된 지시자(indicator) 또는 지시자 변수(indicator variable)일 수 있다. 본 발명의 다른 실시 예들에 있어서, 특성은 특정 개인이 우울증과 같은 기분 장애의 위험에 처해 있는지의 여부를 나타내주는 지시(indication)일 수 있다. 본 발명의 다른 실시 예들에 있어서, 특성(characteristic)은 우울증과 같은 기분 장애에 대한 특수 치료의 특성화(characterization) 또는 지시(indication)일 수 있다.
상기 방법(300)은 블록(310)에서 종결된다. 본 발명에 따른 다른 실시 예들의 방법들이 보다 적은 개수 또는 더욱 많은 개수의 엘리먼트들 또는 단계들을 포함할 수 있다. 또한, 다른 실시 예들은 상기 방법(300)의 상기 엘리먼트들 또는 단계들과 관련하여 다른 엘리먼트들 또는 단계들을 포함할 수 있다.
본 발명의 일 실시 예에 따른 뇌파 또는 정량화 뇌파 수치를 이용한 개인의 우울증 및 기타 기분 장애에 대한 분석 및 평가 방법의 다른 예시가 도 4에 도시된다. 상기 도시된 방법(400)은 도 6의 시스템(602)과 함께 구현될 수 있다. 상기 예시적 방법(400)은 블록(402)에서 시작한다.
블록(402) 내에서, 개인과 관련된 뇌파 데이터가 수집된다. 예를 들어, 정량화 뇌파 데이터가 도 6의 618과 같은 클라이언트 장치, 또는 도 6의 628과 같은 생 물학적 데이터 수집기를 통해, 도 6의 614와 같은 환자로부터 수집될 수 있다. 본 발명의 다른 실시 예들은 도 1에서 상술한 바와 같이 개인과 관련된 뇌파 데이터를 수집할 수 있다.
블록(402) 이후에 블록(404)이 수반되는데, 여기서 상기 뇌파의 적어도 일부와 관련된 정적 성분이 판단된다. 예를 들어, 상기 정량화 뇌파 데이터의 적어도 일부의 정적 성분이 도 6의 608과 같은 보고서 생성 모듈, 도 6의 638과 같은 프로세서, 또는 도 6의 상기 시스템(602)과 관련된 기타 프로세싱 성분에 의해 판단될 수 있다. 본 발명의 다른 실시 예들에서, 도 1에서 상술한 바와 같이 뇌파 데이터와 관련된 적어도 하나의 정적 성분이 판단될 수 있다.
블록(404) 이후에 블록(406)이 수반되는데, 여기서 상기 정적 성분 에서의 비대칭성이 판단된다. 예를 들어, 정적 비대칭성은 도 6의 608과 같은 보고서 생성 모듈, 도 6의 638과 같은 프로세서, 또는 도 6의 상기 시스템(602)과 관련된 기타 프로세싱 성분에 의해 판단될 수 있다. 본 발명의 다른 실시 예들에서, 도 1에서 상술한 바와 같이 뇌파 데이터의 정적 비대칭성이 판단될 수 있다.
블록(406) 이후에 블록(408)이 수반되는데, 여기서 상기 정적 성분의 상기 비대칭성에 적어도 부분적으로 기초하여, 기분 장애와 관련된 특성이 평가된다. 예를 들어, 비대칭성이 분석되고, 기분 장애와 관련된 특성이 도 6의 608과 같은 보고서 생성 모듈, 도 6의 638과 같은 프로세서, 또는 도 6의 상기 시스템(602)과 관련된 기타 프로세싱 성분에 의해 평가될 수 있다. 본 발명의 일부 실시 예들에 있어서, 특성(characteristic)은 우울증과 같은 기분 장애와 관련된 지시 자(indicator) 또는 지시자 변수(indicator variable)일 수 있다. 본 발명의 다른 실시 예들에 있어서, 특성은 특정 개인이 우울증과 같은 기분 장애의 위험에 처해 있는지의 여부를 나타내주는 지시(indication)일 수 있다.
상기 방법(400)은 블록(408)에서 종결된다. 본 발명에 따른 다른 실시 예들의 방법들이 보다 적은 개수 또는 더욱 많은 개수의 엘리먼트들 또는 단계들을 포함할 수 있다. 또한, 다른 실시 예들은 상기 방법(400)의 상기 엘리먼트들 또는 단계들과 관련하여 다른 엘리먼트들 또는 단계들을 포함할 수 있다.
본 발명의 일 실시 예에 따른 뇌파 또는 정량화 뇌파 수치를 이용한 개인의 우울증 및 기타 기분 장애에 대한 분석 및 평가 방법의 다른 예시가 도 5에 도시된다. 상기 도시된 방법(500)은 도 6의 시스템(602)과 함께 구현될 수 있다. 상기 예시적 방법(500)은 블록(502)에서 시작한다.
블록(502) 내에서, 개인과 관련된 뇌파 데이터가 수집된다. 예를 들어, 정량화 뇌파 데이터가 도 6의 618과 같은 클라이언트 장치, 또는 도 6의 628과 같은 생물학적 데이터 수집기를 통해, 도 6의 614와 같은 환자로부터 수집될 수 있다. 본 발명의 다른 실시 예들은 도 1에서 상술한 바와 같이 개인과 관련된 뇌파 데이터를 수집할 수 있다.
블록(502) 이후에 블록(504)이 수반되는데, 여기서 상기 뇌파 데이터의 적어도 일부와 관련된 동적 성분이 판단된다. 예를 들어, 상기 정량화 뇌파 데이터의 적어도 일부와 관련된 동적 성분이 도 6의 608과 같은 보고서 생성 모듈, 도 6의 638과 같은 프로세서, 또는 도 6의 상기 시스템(602)과 관련된 기타 프로세싱 성분 에 의해 판단될 수 있다. 본 발명의 다른 실시 예들에서, 도 1에서 상술한 바와 같이 뇌파 데이터와 관련된 적어도 하나의 동적 성분이 판단될 수 있다.
블록(504) 이후에 블록(506)이 수반되는데, 여기서 상기 동적 성분 에서의 비대칭성이 판단된다. 예를 들어, 동적 비대칭성이 도 6의 608과 같은 보고서 생성 모듈, 도 6의 638과 같은 프로세서, 또는 도 6의 상기 시스템(602)과 관련된 기타 프로세싱 성분에 의해 판단될 수 있다. 본 발명의 다른 실시 예들에서, 도 1에서 상술한 바와 같이 뇌파 데이터의 동적 비대칭성이 판단될 수 있다.
블록(506) 이후에 블록(508)이 수반되는데, 여기서 상기 동적 성분의 상기 비대칭성에 적어도 부분적으로 기초하여, 기분 장애의 치료와 관련된 특성이 평가된다. 예를 들어, 비대칭성이 분석되고, 기분 장애와 관련된 특성이 도 6의 608과 같은 보고서 생성 모듈, 도 6의 638과 같은 프로세서, 또는 도 6의 상기 시스템(602)과 관련된 기타 프로세싱 성분에 의해 평가될 수 있다. 본 발명의 일부 실시 예들에 있어서, 특성(characteristic)은 우울증과 같은 기분 장애와 관련된 지시자(indicator) 또는 지시자 변수(indicator variable)일 수 있다. 본 발명의 다른 실시 예들에 있어서, 특성은 우울증과 같은 기분 장애에 대한 특수 치료의 특성화(characterization) 또는 지시(indication)일 수 있다.
상기 방법(500)은 블록(508)에서 종결된다. 본 발명에 따른 다른 실시 예들의 방법들이 보다 적은 개수 또는 더욱 많은 개수의 엘리먼트들 또는 단계들을 포함할 수 있다. 또한, 다른 실시 예들은 상기 방법(500)의 상기 엘리먼트들 또는 단계들과 관련하여 다른 엘리먼트들 또는 단계들을 포함할 수 있다.
여기에 기재된 상기 방법들은 단지 예시적이고, 본 발명의 실시 예들과 관련된 다른 방법들은 다른 단계들, 또는 상기 방법들보다 적은 수 또는 많은 수의 단계들을 포함할 수 있다.
본 발명의 일 실시 예와 관련된 시스템의 예가 도 6의 602에 도시된다. 도 6은 본 발명의 다양한 실시 예들에 따른 시스템(602)을 위한 환경(600)의 예를 보여준다. 도 6에 도시된 시스템(602)을 이용하여, 도 1 내지 5의 상기 방법들 중 일부 또는 전부를 구현할 수 있다.
상기 도시된 환경(600)은 상기 시스템(602)과 통신하는 네트워크(604)를 포함한다. 차례로, 상기 시스템(602)은 본 발명의 실시 예들에 따라 동작하는 하나 또는 다수의 시스템 모듈(606, 607, 608, 610)을 포함한다. 상기 시스템 모듈(606, 607, 608, 610) 각각은 상기 네트워크(604), 또는 로컬 영역 네트워크(LAN)와 같은 관련 네트워크(612)를 통하여 서로 통신할 수 있다. 예를 들어, 상기 시스템 모듈들은 데이터 수집 모듈(606), 주파수 스펙트럼/ 신뢰도 모듈(607), 보고서 생성 모듈(608), 및 자료 분석 모듈(610)일 수 있다. 상기 데이터 수집 모듈(606) 및 주파수 스펙트럼/ 신뢰도 모듈(607)은 인터넷 또는 604와 같은 네트워크를 통해 상기 보고서 생성 모듈(608)과 통신할 수 있고, 상기 자료 분석 모듈(610)은 612와 같은 LAN을 통해 상기 보고서 생성 모듈(608)과 통신할 수 있다. 본 발명의 실시 예들에 따라 동작하는 다양한 구성을 지닌 다른 시스템 모듈들이 존재할 수 있다. 상기 시스템 모듈들(606, 607, 608, 610)의 구성 및 배열은 단지 예시적으로만 도시되었으며, 그 밖의 구성 및 배열을 지닌 시스템 모듈들이 본 발명의 다른 실시 예들에 따 라 존재할 수 있다.
상기 시스템 모듈들(606, 607, 608, 610) 각각은 윈도우즈 98, 윈도우즈 NT/2000, LINUX 기반 및/또는 UNIX 기반 연산 플랫폼에 의해 구현되는 플랫폼과 같은 하나 또는 다수의 프로세서 기반 플랫폼에 의해 호스팅될 수 있다. 또한, 상기 시스템 모듈들(606, 607, 608, 610) 각각은 본 발명에 따른 시스템 기능, 데이터 처리, 및 기능적 성분들 사이의 통신을 포함하는, 다양한 방법, 루틴, 서브루틴, 및 컴퓨터 실행가능한 명령어를 수행하기 위해, DB/C, C, C++, UNIX Shell, 및 구조적 질의어(Structured Query Language: SQL)와 같은 하나 또는 다수의 종래 프로그래밍 언어를 활용할 수 있다. 상기 각 시스템 모듈(606, 607, 608, 610) 및 그들의 기능이 이하 기술된다.
상기 데이터 수집 모듈(606)은 환자(614), 개인(person), 또는 사람(individual)과 같은 사용자로부터 생물학적 데이터를 수집한다. 예를 들어, 생물학적 데이터는 614와 같은 환자로부터 얻은 뇌파 또는 정량화 뇌파 데이터를 포함할 수 있다. 상기 데이터 수집 모듈(606)은 하나 또는 다수의 클라이언트(616, 618) 및/또는 인터넷과 같은 상기 네트워크(604)와 통신하는 원격 장치를 포함한다. 전형적으로, 각 클라이언트(616, 618)는 상기 네트워크(604)와 통신하도록 구성된 PC, PDA, 태블릿(tablet), 또는 기타 정지 또는 모바일 연산형(computing type) 장치와 같은 프로세서 기반 플랫폼이다. 각 클라이언트(616, 618)는 프로세서(620, 622), 메모리(624, 626) 또는 데이터 저장 장치, 생물학적 데이터 수집기(628), 및 송수신기(63)를 각각 포함할 수 있다. 다른 성분들이 본 발명의 다른 실시 예들에 따른 상기 데이터 수집 모듈(606)을 가지고 활용될 수 있다.
상기 생물학적 데이터 수집기(628)는 송수신기(630)를 통하여 적어도 하나의 클라이언트(616, 618)와 통신한다. 상기 도시된 실시 예에서, 의료용 장치(medical device)와 같은 생물학적 데이터 수집기(628)는 실시간으로 환자(614)와 같은 사용자로부터 생물학적 데이터를 획득하거나 수신한다. 상기 송수신기(630)는 상기 수신된 생물학적 데이터를 상기 생물학적 데이터 수집기(628) 또는 의료용 장치로부터 상기 클라이언트(618)로 전송한다. 차례로, 상기 클라이언트(618)는 상기 생물학적 데이터를 메모리(626) 내에 일시적으로 저장하거나, 상기 데이터를 상기 프로세서(622)를 이용해서 처리할 수 있다. 그리고 상기 클라이언트(618)는 상기 데이터를 상기 신뢰도 모듈(607) 및/또는 보고서 생성 모듈(608)로 상기 네트워크(604)를 통해 추가로 전송한다. 다른 실시 예들에 있어서, 생물학적 데이터 수집기(628)는 수집된 데이터를 국부(locally) 저장 및 처리할 수 있고, 상기 데이터를 상기 네트워크(604)를 통해 상기 신뢰도 모듈(607) 및/또는 보고서 생성 모듈(608)과 직접 통신시킬 수 있다.
예를 들어, 생물학적 데이터 수집기(628)는 Lexicor 의학 기술(medical technology) 주식회사에 의해 제공된 Lexicor Digital Cortical Scan 정량화 뇌파(QEEG) 데이터 획득 유닛 및 전극캡(Electrocap)("DCS 장치"로 언급됨)과 같은 의료용 장치일 수 있다. 이러한 유형의 의료용 장치 및 관련 구성은 사용자 또는 환자의 머리로 연결될 수 있고, 활성화되었을 경우, 상기 의료용 장치는 특허 디지털 인터페이스 및, 데이터가 호스트 플랫폼상에서 Lexicor 파일 형태와 같은 파 일 형태로 국부 저장되도록 하는 관련 소프트웨어를 통해, 디지털화된 뇌파 데이터를 제공한다.
대안적인 실시 예들에 있어서, 데이터가 USB와 같은 다른 인터페이스를 통해 서버와 같은 상기 호스트 플랫폼으로 실시간 전송될 수 있다. 저장된 뇌파 데이터는 필요할 경우 관련 서버 또는 클라이언트로 업로딩될 수 있다. 다른 예들에 있어서, 수집된 또는 저장된 데이터는 CD-R 디스크와 같은 디지털 포맷 상에서 연소하거나(burned onto), 상기 디지털 포맷 내에 저장되어 이후, 관련 서버 또는 클라이언트로 전송 또는 이송될 수 있다.
Lexicor 파일 포맷이 Lexicor 의학 기술 주식회사에 의해 개발된 Lexicor 로(raw) 뇌파 데이터 파일 포맷일 수 있다는 것을 주지하라. 이러한 특수 파일 포맷은 오프라인 데이터 분석을 쉽게 하기 위해 디지털화된 뇌파 데이터의 24개의 채널을 저장할 수 있는 데이터 구조를 지닌다. 다양한 뇌파 저장 포맷이 존재할 수 있을지라도, 상기 Lexicor 파일 포맷은 이러한 기타의 데이터 저장 포맷을 다루도록(handle) 구성될 수 있다. 예를 들어, 상기 Lexicor 파일 포맷은 샘플 비율, 전단(front end) DCS 증폭기의 이득(gain), 소프트웨어 개정(revision), 및 시간의 총 개수와 같은 정보를 다루기 위한 64개의 정수를 갖는 글로벌 헤더를 지닌다. 또한, 상기 Lexicor 파일 포맷은 특정 시간(particular epoch)에 대한 특정 획득 구간(particular acquisition period) 동안 DCS 장치에 의해 수집된 로(raw) 디지털화 뇌파 데이터를 다루기 위한 어레이, 및 상기 시간 개수와 상기 특정 시간의 상태를 포함하는 로컬 헤더뿐만 아니라, 코멘트 엔트리(comment entries)를 다루기 위한 256 바이트 텍스트 어레이를 포함하는 로(raw) 데이터의 하나 또는 다수의 시간(epochs) 또는 구간(sections)을 포함할 수 있다.
생물학적 데이터 수집기(628)는 또한 혈압 모니터, 몸무게 저울, 포도당 측정기, 산소 농도체 측정기, 호흡 측정기, 응고 측정기, 소변검사 장치, 헤모글로빈 장치, 온도계, 호기말 이산화탄소 측정기(capnometer), 심전도, 뇌파도, RS-232 포트 또는 유사 형 연결(similar type connection)을 통해 데이터를 출력할 수 있는 기타 디지털 의료용 장치, 및 생물학적 또는 생리학적 기능과 관련된 데이터를 제공하는 기타 장치 또는 방법을 포함할 수 있지만, 반드시 이에 한정되는 것은 아니다. 사용자, 환자, 또는 개인으로부터 수집되거나 또는 수신된 생물학적 데이터는 혈압, 몸무게, 혈액 성분 수치, 체액 성분 수치, 온도, 심장 수치, 뇌파 수치, 및 생물학적 또는 생리학적 기능과 관련된 다른 수치를 포함할 수 있지만, 반드시 이에 한정되는 것은 아니다.
상기 송수신기(630)는 일반적으로 상기 생물학적 데이터 수집기(628)와 클라이언트(618) 사이의 데이터 전송을 쉽게 한다. 상기 송수신기(630)는 스탠드 단독형(stand alone) 또는 내장형(built-in) 장치일 수 있다. 상기 송수신기(630)는 RS-232 호환장치, 무선 통신장치, 유선 통신장치, 또는 생물학적 데이터를 통신시키도록 구성된 임의의 장치 또는 방법을 포함할 수 있지만, 반드시 이에 한정되는 것은 아니다.
건강관리 서비스 공급자(632)와 같은 사용자는 클라이언트(616, 618)의 상기 환자(614)로의 접근도에 의거하여, 상기 클라이언트(616, 618)를 공유할 수 있거 나, 상기 네트워크(604)와 상호작용 또는 통신할 수 있도록 상기 클라이언트(616, 618)를 개별적으로 활용할 수 있다. 상기 건강관리 서비스 공급자(632) 및/또는 환자(614)는 동일 또는 각 클라이언트(616, 618)를 통해 상기 보고서 생성 모듈(608)로부터 특정 명령어를 수신할 수 있다. 예를 들어, 특수 상태에 응답하여, 상기 보고서 생성 모듈(608)은 상기 건강관리 서비스 공급자(632)에게 상기 환자(614)로부터 특정 생물학적 데이터가 수집될 수 있도록 요청할 수 있다. 적절한 명령어가 상기 네트워크(604)로부터 상기 클라이언트(616)를 거쳐서 상기 건강관리 서비스 공급자(632)로 통신 될 수 있다. 이후, 상기 건강관리 서비스 공급자(632)는 상기 환자(614)에게 상기 생물학적 데이터 수집기(628) 또는 의료용 장치와 연결되도록 명령할 수 있다. 상기 생물학적 데이터 수집기(628) 또는 의료용 장치는 활성화되었을 경우, 상기 환자(614)와 관련된 생물학적 데이터를 상기 네트워크(604) 또는 인터넷을 통하여 상기 보고서 생성 모듈(608)로 전송할 수 있다. 필요할 경우, 건강관리 서비스 공급자(632), 및/또는 환자(614), 또는 기타 사용자가 각 클라이언트(616, 618)를 통하여 인구적 데이터를 입력 또는 제공할 수 있다.
상기 주파수 스펙트럼/ 신뢰도 모듈(607)은 상기 데이터 수집 모듈(606)로부터 생물학적 데이터를 수신하고, 상기 생물학적 데이터의 일부 또는 전부를 처리하여 상기 생물학적 데이터의 일부 또는 전부에 적어도 부분적으로 기초한 하나 또는 다수의 신뢰도 인덱스(reliability indexes)를 판단하도록 구성될 수 있다. 상기 도시된 실시 예에 있어서, 주파수 스펙트럼/ 신뢰도 모듈(607)은 644와 같은 서버상에 저장된 소프트웨어 프로그램과 같은 컴퓨터 실행가능한 명령어 세트이거나, 서버와 통신하는 클라이언트 장치와 같은 다른 프로세서 기반 플랫폼일 수 있다. 상기 도시된 주파수 스펙트럼/ 신뢰도 모듈(607)은 상기 보고서 생성 모듈(608)과 통합 될 수 있다. 다른 실시 예에 있어서, 주파수 스펙트럼/ 신뢰도 모듈(607)은 장치 또는 신뢰도 장치와 같은 관련 프로세서를 구비한 개별형 스탠드 단독형 모듈일 수 있다. 다른 실시 예에 있어서, 주파수 스펙트럼/ 신뢰도 모듈(607)은 관련 웹사이트에 대한 통합 서브 시스템 모듈, 및 642와 같은 관리 행정(management administration) 프로그램 모듈일 수 있다. 필요할 경우, 다양한 보고가 주파수/ 스펙트럼/ 신뢰도 모듈(607)에 의해 생성되고 건강관리 서비스 공급자(632)와 같은 사용자에게 공급될 수 있다.
상기 보고서 생성 모듈(608)은 상기 환자(614)로부터 상기 생물학적 데이터를 이후의 검색(retrieval) 및 분석을 위해 수신하고, 저장하고, 처리하도록 구성된다. 상기 보고서 생성 모듈(608)은 또한 상기 환자(614)로부터 수집된 또는 수신된 생물학적 데이터에 기초하여 하나 또는 다수의 데이터 해석용 툴(634)을 생성하도록 구성된다. 또한, 상기 보고서 생성 모듈(608)은 생물학적 데이터를 관리하고 분석하는데 있어서, 건강관리 서비스 공급자(632)와 같은 사용자를 돕기 위한 하나 또는 다수의 데이터 해석용 툴을 포함하는 보고서(636)를 생성하도록 구성된다. 데이터 해석용 툴에 대한 예시 및 보고가 도 7을 참조하여 더욱 상세히 기술된다. 또한, 상기 보고서 생성 모듈(608)은 관련 웹사이트 및 관리 애플리케이션 프로그램 모듈(642)에 따라 동작하거나, 관련 웹사이트 및 관리 애플리케이션 프로그램 모듈(642)을 실행하도록 구성된다.
일반적으로, 상기 보고서 생성 모듈(608)은 서버, 메인 프레임 컴퓨터, PC, PDA와 같은 프로세서 기반 플랫폼이다. 상기 보고서 생성 모듈(608)은 프로세서(638), 파일보관 데이터베이스(640), 그리고 웹사이트 및 관리 애플리케이션 프로그램 모듈(642)을 포함한다. 인터넷 웹사이트(646) 호스팅을 위한 개별 서버(644)가 상기 보고서 생성 모듈(608)과 상기 네트워크(604) 또는 인터넷 사이에 연결되거나, 상기 네트워크(604) 또는 인터넷을 통해 상기 보고서 생성 모듈(608) 및 데이터 수집 모듈(606)과 통신할 수 있다. 일반적으로, 상기 개별 서버(644)는 웹사이트 및 관리 애플리케이션 프로그램 모듈(642)을 실행할 수 있는 서버 또는 컴퓨터와 같은 프로세서 기반 플랫폼이다. 임의의 예를 들면, 상기 보고서 생성 모듈(608)은 상기 네트워크(604) 또는 인터넷을 통해 상기 데이터 수집 모듈(606)과 통신한다. 다른 성분들이 본 발명의 다른 실시 예들에 따라 상기 보고서 생성 모듈(608)과 함께 활용될 수 있다.
일 실시 예에 있어서, 상기 보고서 생성 모듈(608) 및 606, 607, 610, 642와 같은 기타 모듈들은 컴퓨터 실행 가능한 명령어 세트, 또는 관련 컴퓨터 프로그램을 포함할 수 있다. 상기 다양한 세트의 컴퓨터 실행 가능한 명령어 또는 컴퓨터 프로그램은 638 또는 기타 컴퓨터 하드웨어와 같은 하나 또는 다수의 관련 프로세서에 의해 처리될 수 있다. 당업자라면 본 발명에 따른 상기 모듈에 대한 다양한 실시 예 및 구현을 인식할 것이다.
상기 프로세서(638)는 상기 데이터 수집 모듈(606)로부터 수신된, 또는 상기 주파수 스펙트럼/신뢰도 모듈(607)을 통해 수신된 생물학적 데이터 및/또는 인구적 데이터를 처리할 수 있다. 상기 프로세서(638) 및/또는 상기 주파수 스펙트럼/ 신뢰도 모듈(607)은 상기 생물학적 데이터와 인구적 데이터를 이후의 검색(retrieval)을 위해 상기 파일보관 데이터베이스(640) 내부에 저장하거나, 및/또는 상기 생물학적 데이터를 상기 자료 분석 모듈(610)로부터 수신된 기타의 데이터를 이용하여 처리할 수 있다. 일반적으로, 상기 프로세서(638) 및/또는 상기 주파수 스펙트럼/ 신뢰도 모듈(607)은 상기 데이터 수집 모듈(606)로부터의 생물학적 데이터 및/또는 인구적 데이터를 분석하고, 상기 데이터로부터 원하지 않는 잡음을 제거할 수 있다. 관련 생물학적 데이터 및/또는 인구적 데이터가 필요할 때까지, 상기 파일보관 데이터베이스(640) 또는 기타의 다른 저장 장치 내부에 저장될 수 있다. 상기 자료 분석 모듈(610)로부터 수신된, 또는 상기 시스템(602)에 의해 생성되거나 저장된 하나 또는 다수의 지시자(648)를 이용하여, 상기 프로세서(638)는 하나 또는 다수의 데이터 해석용 툴(634)을 생성하기 위해 상기 생물학적 데이터 및/또는 인구적 데이터를 처리할 수 있다. 상기 프로세서(638)는 하나 또는 다수의 지시자(638) 및, 상기 네트워크(604)를 통해 상기 건강관리 서비스 공급자(632) 및/또는 환자(614)와 같은 사용자로의 데이터 전송을 위한 관련 데이터 해석용 툴(634)을 포함하는 보고서(636)를 생성할 수 있다.
데이터 해석용 툴(634)은 보고서(636) 내에서 관련 정보 및 문맥을 생물학적 및/또는 인구적 데이터에 더하여, 특정 환자(614)가 지닌 특수 조건의 상태 판단을 위해 상기 데이터가 건강관리 서비스 공급자(632)와 같은 사용자에 의해 더욱 손쉽게 해석될 수 있도록 할 수 있다. 일반적으로, 데이터 해석용 툴(634)은 정상 피검 자들 및 상기 조건을 지닌 피검자들에 대한 생물학적 및/또는 인구적 데이터의 패턴을 포함한다. 상기 생물학적 및/또는 인구적 데이터의 패턴은 그래프와 텍스트를 포함할 수 있는 보고서(636) 내에 제시될 수 있다. 이러한 패턴은 과학 책자(scientific literature)의 신체 메타 분석, 및 특수 상태 및 관련 상태들을 지닌 피검자 뿐만 아니라, 정상 피검자에 대한 관련 데이터베이스의 분석으로부터 판단된다.
일 실시 예에 있어서, 뇌파 데이터 또는 정량화 뇌파 데이터와 같은 생물학적 데이터가 상기 데이터 수집 모듈(606)에 의해 수신되거나 수집될 수 있다. 상기 데이터 수집 모듈(606)은 상기 데이터를 상기 보고서 생성 모듈(608)로 전송하고, 상기 보고서 생성 모듈은 상기 데이터를 처리할 수 있다. 예를 들어, 상기 뇌파 데이터의 정적 및 동적 성분이 판단될 수 있고, 상기 뇌파 데이터 에서의 정적 및 동적 비대칭성이 또한 판단될 수 있다. 다양한 지시자, 특성(characteristics), 양상, 그리고 상기 성분 및 비대칭성과 관련된 품질이 추가로 상기 보고서 생성 모듈(608)에 의해 판단될 수 있다. 일 실시 예에 있어서, 하나 또는 다수의 지시자가 상기 자료 분석 모듈(610), 또는 상기 시스템(602)의 기타 성분들에 의해 제공되거나, 그것들로부터 얻어질 수 있다. 본 발명의 실시 예들과 관련한 성분, 비대칭성, 지시자, 특성(characteristics), 양상, 그리고 품질을 판단하기 위한 방법 및 알고리즘이 도 1 내지 5를 참조하여 이하 설명된다. 상기 처리된 데이터를 이용하여, 상기 보고서 생성 모듈(608)은 도 7에서 700으로 도시된 보고서와 같은 출력을 추가로 생성할 수 있다.
상기 파일보관 데이터베이스(640)는 데이터베이스, 메모리, 또는 유사 형 데이터 저장 장치일 수 있다. 상기 파일보관 데이터베이스(640)는 이전에 서술한 바와 같이, 인구적 데이터뿐만 아니라, 의학 이미지, 의학 데이터 및 수치, 및 유사 형 정보와 같은 생물학적 데이터를 저장하도록 구성된다. 일반적으로, 상기 파일보관 데이터베이스(640)는 요청될 때까지 생물학적 데이터 및 인구적 데이터를 저장하기 위해, 상기 보고서 생성 모듈(608)에 의해 활용될 수 있다.
일반적으로, 상기 웹사이트 및 관리 애플리케이션 프로그램 모듈(642)은 건강관리 서비스 공급자(632) 및/또는 환자(614)와 같은 적어도 한 명의 사용자와 웹사이트(646) 사이의 데이터 통신을 처리하기(handle) 위한 적어도 하나의 기능 모듈을 상기 웹사이트(646)로 제공하도록 구성된, 컴퓨터 실행가능한 명령어 세트이다. 상기 웹사이트 및 관리 애플리케이션 프로그램 모듈(642)은 상기 보고서 생성 모듈(608), 개별 서버, 및/또는 상기 네트워크(604)와 통신하는 저장 장치에 의해 호스팅 될 수 있다. 웹사이트 및 관리 애플리케이션 프로그램 모듈(642)은 메인 로그인 모듈, 환자 관리 모듈, 환자 제한(qualification) 모듈, 환자 진단 모듈, 환자 치료 계획 모듈, 데이터 분석 모듈, 필터 모듈, 수입/수출 모듈, 실제의 사적 네트워크 전자 데이터 교환(VPI EDI) 모듈, 보고(reporting) 모듈, 지시자 보고서 통지 모듈, 지시자 보고서 전달 모듈, 관리 모듈, 통보(데이터 필터/ 스마트 에이전트) 관리 모듈, 데이터베이스 모듈, 및 기타 유사 성분 또는 기능 모듈들을 포함할 수 있지만, 반드시 이에 한정되는 것은 아니다. 상기 웹사이트 및 관리 애플리케이션 프로그램 모듈(642)과 관련된 기타 성분 모듈들이 본 발명의 다른 실시 예 들에 따라 동작할 수 있다.
상기 개별 서버(644)는 브라우저 애플리케이션 프로그램을 가지고 인터넷을 통해 볼 수 있는 상기 웹사이트(646)를 호스팅하도록 구성된다. 대안적인 방법으로, 상기 개별 서버(644)는 또한 웹사이트 및 관리 애플리케이션 프로그램 모듈(642)에 대한 호스팅을 할 수 있다. 웹사이트(646)는 건강관리 서비스 공급자(632) 및/또는 환자(614)에 대한 통신 접근을 상기 보고서 생성 모듈(608)로 제공한다. 예를 들어, 상기 보고서 생성 모듈(608)에 의해 생성된 보고서(636)가, 상기 네트워크(604)를 통해 동일한 또는 각 클라이언트(616, 618)를 동작시키는 건강관리 서비스 공급자(632) 및/또는 환자(614)와 같은 사용자에 의해, 상기 네트워크(604) 또는 인터넷을 통한 선택적 접근(access) 및 보기(viewing)를 위해 상기 웹사이트(646)로 포스팅 될 수 있다. 다른 예들에 있어서, 보고서(636)가 전자 메일 메시지 통신, 통신 장치, 메시지 처리(messaging) 시스템 또는 장치, 또는 유사 형 통신 장치 또는 방법을 통해, 건강관리 서비스 공급자(632) 및/또는 환자(614)와 같은 사용자로 상기 보고서 생성 모듈(608)에 의해 송신될 수 있다. 본 발명의 다양한 실시 예들에 따라 생성된 보고서의 예시가 이하 도 7에서 상세히 기술된다.
일반적으로, 상기 관련 네트워크(612)는 상기 보고서 생성 모듈(608)과 상기 자료 분석 모듈(610) 사이의 통신을 제공하는 로컬 영역 네트워크(LAN)이다. LAN 저장소(650)는 생물학적 데이터, 지시자, 또는 상기 시스템(602)에 의해 수집 및 생성된 또는 수신된 기타 데이터의 추가적 저장을 위해, 상기 관련 네트워크(612)와 연결되거나 접속될(accessible) 수 있다.
상기 자료 분석 모듈(610)은 관련 연구 재료와 데이터를 획득하고 수집하도록 구성된다. 또한, 상기 자료 분석 모듈(610)은 관련 연구 재료 및 데이터를 처리하도록 구성되고, 특수 상태에 대한 하나 또는 다수의 지시자(648)를 판단하도록 추가로 구성될 수 있다. 또한, 일 실시 예에 있어서, 상기 자료 분석 모듈(610)은 서버, 메인 프레임 컴퓨터, PC, 또는 PDA 같은 프로세서 기반 플랫폼이다. 상기 자료 분석 모듈(610)은 프로세서(652), 분석적 툴(654), 사내(in-house) 자료 데이터베이스(656), 공적(public) 자료 데이터베이스(658), 및 표준(normative) 데이터베이스(660)를 포함한다. 다른 성분들이 본 발명에 따른 상기 자료 분석 모듈(610)을 가지고 활용될 수 있다.
상기 프로세서(652)는 상기 자료 분석 모듈(610)에 의해 수집되거나 수신된 자료 및 데이터를 처리한다(handle). 상기 프로세서(652)는 상기 자료 또는 데이터를 이후 검색을 위해 관련 데이터베이스 내부에 인덱싱 및/또는 저장하거나, 하나 또는 다수의 분석적 툴(654)을 이용하여 상기 자료 및 데이터를 처리한다. 하나 또는 다수의 지시자(648)가 상기 분석적 툴(654)에 의해 제공되거나, 상기 분석적 툴(654)로부터 유도될 수 있고, 상기 프로세서(652)는 필요할 경우 임의의 지시자(648)를 상기 보고서 생성 모듈(608)로 전송할 수 있다.
적어도 하나의 분석적 툴(654)이 상기 자료 분석 모듈(610)에 의해 활용된다. 일반적으로, 분석적 툴(654)은 특수 조건에 대한 하나 또는 다수의 지시자(648)를 판단하기 위해 자료 및 데이터를 활용하는 알고리즘이다.
상기 사내(in-house) 자료 데이터베이스(656)는 특수 또는 제 3의 판매자에 의해 제공된 자료(research) 및 항목(articles)의 집합일 수 있다. 일반적으로, 상기 시스템(602)을 동작시키는 개체(entity)는 상태 범위를 위해 자신의 자료 및 항목을 제공할 수 있다. 예를 들어, 사내 자료 데이터베이스 출처의 유용한 정보는 전자 데이터베이스, 과학적 및 자료적 저널, 온라인 소스, 장서(libraries), 표준 텍스트북 및 참고서적, 위원회 및 평의회(committees and boards)의 온라인 및 출력된 진술, 및 기타를 포함하지만, 반드시 이에 한정된 것은 아니다.
상기 공적 자료 데이터베이스(658)는 하나 또는 다수의 제 3자에 의해 제공된 자료 및 항목의 집합일 수 있다. 일반적으로, 자료 및 항목은 공짜로 이용 가능하거나, 수수료 지급 후 다양한 온라인 또는 접근가능(accessible) 소스로부터 이용 가능하다. 예를 들어, 공적 자료 데이터베이스(3656) 출처의 유용한 정보는 전자 데이터베이스, 과학적 및 자료적 저널, 온라인 소스, 장서(libraries), 표준 텍스트북 및 참고서적, 위원회 및 평의회(committees and boards)의 온라인 및 출력된 진술, 및 기타 등등을 포함하지만, 반드시 이에 한정된 것은 아니다.
상기 표준 데이터베이스(660)는 전자 데이터베이스, 과학적 및 자료적 저널, 온라인 소스, 장서(libraries), 표준 텍스트북 및 참고서적, 위원회 및 평의회의 온라인 및 출력된 진술, 및 기타 등등의 집합체일 수 있다.
개인의 우울증에 대한 분석 및 평가를 위한 정량화 뇌파 수치를 수집하고 분석하기 위한 시스템의 다른 예가 미국 Georgia 주, Augusta의 Lexicor 의학 기술에 의해 구현될 것이다. 정량화 뇌파 수치를 수집하기 위한 다른 적합 시스템 및 성분이 미국 시리얼 No. 11/053, 627에 "생물학적 데이터 관리 및 데이터 해석용 툴 제 공을 위한 관련 시스템 및 방법{Associated Systems and Methods For Managing Biological Data and Providing Data Interpretation Tools}"이라는 제목으로 제시되고 2005년 2월 8일 출원되었다. 이는 2002년 2월 19일 출원된 미국 특허 가출원 No. 60/358, 477로 우선권 주장을 하는, "생물학적 데이터 관리 및 데이터 해석용 툴 제공을 위한 시스템 및 방법{Systems and Methods For Managing Biological Data and Providing Data Interpretation Tools}"이라는 제목의 미국 시리얼 No. 10/368, 295의 부분 계속 출원(continuation-in-part)에 해당한다. 여기서, 상기 출원들의 내용은 여기에 참조용으로 통합된다. 본 발명에 따라 동작하는 다른 성분들을 포함하고 다양한 구성을 지닌 기타 시스템 실시 예들이 존재할 수 있다.
일 실시 예에 있어서, 도 6의 606과 같은 데이터 수집 모듈은 도 1 내지 6에서 상술한 바와 같이 정량화 뇌파 데이터를 수신할 수 있다. 상술한 상기 방법, 프로세스, 절차, 및 방법의 일부 또는 전부에 따라 상기 정량화 뇌파 데이터를 처리하기 위해, 상기 데이터 수집 모듈은 도 6의 608과 같은 보고서 생성 모듈과 연결되어 동작할 수 있다. 상기 보고서 생성 모듈(608)은 전자 및/또는 출력된 보고서 포맷을 다양한 건강관리 전문가, 연구가 또는 기타 사용자에게 제공하기 위한 관련 보고 및 통신 기능을 포함할 수 있다. 일 실시 예에 있어서, 다양한 보고서 포맷이 인터넷 또는 도 6의 네트워크(604)와 같은 네트워크를 통해 제공될 수 있다.
도 7은 본 발명의 일 실시 예를 이용하여 얻어진 데이터 분석 결과를 포함한 보고서를 나타내는 예이다. 상기 보고서(700)는 텍스트 또는 그래프(702)와 같은 데이터를 포함할 수 있다. 본 예에 있어서, 뇌파 데이터가 도 6의 608과 같은 보고 서 생성 모듈에 의해 처리되었다. 상기 보고서 생성 모듈(608)은 상기 뇌파 데이터의 정적 성분들을 판단할 수 있다. 상기 보고서 생성 모듈(608)은 상기 데이터의 좌측 및 우측 정적 성분들에 대한 상기 스펙트럼 패턴들의 교차점을 판단할 수 있다. 도 7에서 보인 바와 같이, 상기 보고서 생성 모듈(608)은 상기 데이터의 좌측 및 우측 정적 성분들(F3, F4)에 대한 상기 스펙트럼 패턴들의 교차점을 생성, 출력, 또는 그래픽적으로 보여줄 수 있다. 상기 좌측 및 우측 정적 성분들(F3, F4)의 교차점은 상기 그래프(702)의 상기 데이터(704)로 대표된다. 상기 그래프(702)는 y축(708) 상의 
에서의 파워에 대한 x축(706) 상의 헤르츠의 주파수 플롯(plot)을 포함한다. 상기 보고서 생성 모듈(608)은 상기 그래프(702)에서 보인 것처럼 상기 두 개의 정적 성분의 교차점에 대한 상기 데이터(704)를 플롯 할 수 있다. 상기 두 세트의 데이터(704)의 상기 교차점을 이용하여, 상기 보고서 생성 모듈(608)은 상기 뇌파 데이터에 대한 정적 비대칭을 판단할 수 있다. 상기 정적 비대칭성에 적어도 부분적으로 기초하여, 상기 보고서 생성 모듈(608) 또는 사용자는 환자 또는 피검자가 특수 장애를 지니고 있는 위험에 대해 추가로 평가하거나 판단할 수 있다. 상기 정적 비대칭성에 적어도 부분적으로 기초하여, 상기 보고서 생성 모듈(608) 또는 사용자는 환자의 유사성, 및/또는 특수 장애 또는 상태를 지니거나 지니지 않은 개인들의 데이터베이스(656, 658, 660) 에서의 값들과 관련된 위험과 같은 지시자(648)를 알아내기 위한 하나 또는 다수의 가중 인자(weighting factors)를 정의하기 위한, 학습형 알고리즘과 같은 분석적 툴(654)을 구현할 수 있다.
적절한 보고서의 다른 실시 예들이 기타 유형의 데이터, 텍스트 및 그래프를 포함할 수 있다. 예를 들어, 다양한 지시자, 특성, 양상 및 성분 관련 품질, 비대칭성, 및 뇌파와 같은 생물학적 데이터가 도 6의 608과 같은 보고서 생성 모듈에 의해 생성된 보고서 내에 포함될 수 있다.
상술한 설명이 다양한 특성들(specifics)을 포함하는 가운데, 상기 특성들은 본 발명의 범위에 대한 제한으로 해석되어서는 안 되고, 단지 상술한 실시 예들의 예시에 해당한다. 해당 분야의 지식을 지니고 있는 당업자라면 본 발명의 범위 내의 다양한 기타 가능한 변형이 이하 부가되는 클레임에 의해 정의된다고 구상할 것이다.
Claims (20)
- 개인의 기분 장애에 대한 분석 및 평가 방법으로서,상기 개인과 관련된 복수의 뇌파 데이터를 수신하는 단계;상기 복수의 뇌파 데이터의 일부의 적어도 하나의 정적 성분을 판단하는 단계;상기 복수의 뇌파 데이터의 상기 부분의 상기 정적 성분 에서의 정적 비대칭성을 판단하는 단계; 및상기 복수의 뇌파 데이터의 상기 부분들의 상기 정적 성분 에서의 상기 정적 비대칭성에 적어도 부분적으로 기초하여, 상기 개인이 상기 기분 장애의 위험에 있는지의 여부에 대한 지시를 판단하는 단계를 포함하는 개인의 기분 장애에 대한 분석 및 평가 방법.
- 제 1항에 있어서,상기 복수의 뇌파 데이터의 일부의 적어도 하나의 동적 성분을 판단하는 단계;상기 복수의 뇌파 데이터의 상기 부분의 상기 동적 성분 에서의 동적 비대칭성을 판단하는 단계;상기 뇌파 데이터의 상기 부분들의 상기 동적 성분 에서의 상기 동적 비대칭성에 적어도 부분적으로 기초하여, 상기 기분 장애의 치료 응답을 예측하고 평가하 기 위한 지시를 판단하는 단계;를 더 포함하는 것을 특징으로 하는 개인의 기분 장애에 대한 분석 및 평가 방법.
- 제 1항에 있어서, 상기 복수의 뇌파 데이터의 상기 부분의 적어도 하나의 정적 성분을 판단하는 단계는 정적 스펙트럼 패턴을 판단하는 단계를 포함하는 것을 특징으로 하는 개인의 기분 장애에 대한 분석 및 평가 방법.
- 제 2항에 있어서, 상기 복수의 뇌파 데이터의 상기 부분의 상기 동적 성분 에서의 동적 비대칭성을 판단하는 단계는 동적 스펙트럼 패턴을 판단하는 단계를 포함하는 것을 특징으로 하는 개인의 기분 장애에 대한 분석 및 평가 방법.
- 제 3항에 있어서, 상기 복수의 뇌파 데이터의 상기 부분의 상기 정적 성분 에서의 정적 비대칭성을 판단하는 단계는 원래의 좌측 및 우측 정적 스펙트럼 패턴으로부터 좌측 및 우측 스펙트럼 패턴의 교차점을 제거하는 단계를 포함하는 것을 특징으로 하는 개인의 기분 장애에 대한 분석 및 평가 방법.
- 제 4항에 있어서, 상기 복수의 뇌파 데이터의 상기 부분의 상기 동적 성분 에서의 동적 비대칭성을 판단하는 단계는 원래의 좌측 및 우측 동적 스펙트럼 패턴으로부터 좌측 및 우측 동적 스펙트럼 패턴의 교차점을 제거하는 단계를 포함하는 것을 특징으로 하는 개인의 기분 장애에 대한 분석 및 평가 방법.
- 제 1항에 있어서, 상기 복수의 뇌파 데이터의 상기 부분의 상기 정적 성분 에서의 정적 비대칭성을 판단하는 단계는 좌측 및 우측 정적 성분의 최대 파워와 최소 파워의 평균을 판단하는 단계를 더 포함하는 것을 특징으로 하는 개인의 기분 장애에 대한 분석 및 평가 방법.
- 제 2항에 있어서, 상기 뇌파 데이터의 상기 동적 성분 에서의 동적 비대칭성을 판단하는 단계는 좌측 및 우측 동적 성분의 최대 파워와 최소 파워의 평균을 판단하는 단계를 더 포함하는 것을 특징으로 하는 개인의 기분 장애에 대한 분석 및 평가 방법.
- 제 1항에 있어서, 상기 기분 장애는 우울증, 양극 장애, 또는 적어도 하나의 유전자 관련 성분을 지닌 장애 중 적어도 하나를 포함하는 것을 특징으로 하는 개인의 기분 장애에 대한 분석 및 평가 방법.
- 뇌파 데이터를 이용한 개인의 기분 장애 분석 및 평가 방법으로서,상기 개인으로부터 뇌파 데이터를 수집하는 단계;상기 뇌파 데이터의 적어도 일부와 관련된 정적 성분을 판단하는 단계;상기 뇌파 데이터의 적어도 일부와 관련된 동적 성분을 판단하는 단계;상기 정적 성분과 동적 성분 중 한 성분 에서의 비대칭성을 판단하는 단계; 및상기 정적 성분과 동적 성분 중 한 성분 에서의 비대칭성에 기초하여, 상기 기분 장애와 관련된 특성을 평가하는 단계를 포함하는 뇌파 데이터를 이용한 개인의 기분 장애 분석 및 평가 방법.
- 제 10항에 있어서, 상기 정적 성분과 동적 성분 중 한 성분 에서의 비대칭성을 판단하는 단계는,상기 뇌파 데이터에 적어도 부분적으로 기초하여, 좌측 스펙트럼 패턴을 판단하는 단계;상기 뇌파 데이터에 적어도 부분적으로 기초하여, 우측 스펙트럼 패턴을 판단하는 단계; 및전체적인 비대칭성 스펙트럼 패턴을 획득하기 위해 좌측 및 우측 스펙트럼 패턴들의 교차점을 제거하는 단계를 포함하는 것을 특징으로 하는, 뇌파 데이터를 이용한 개인의 기분 장애 분석 및 평가 방법.
- 제 11항에 있어서, 상기 정적 성분과 동적 성분 중 한 성분 에서의 비대칭성을 판단하는 단계는,상기 좌측 및 우측 스펙트럼 패턴들의 합집합에 대한 상기 좌측 및 우측 스펙트럼 패턴들의 상기 교차점의 비율을 평가하는 단계를 더 포함하는 것을 특징으로 하는, 뇌파 데이터를 이용한 개인의 기분 장애 분석 및 평가 방법.
- 제 11항에 있어서, 상기 정적 성분과 동적 성분 중 한 성분 에서의 비대칭성을 판단하는 단계는,상기 뇌파 데이터와 관련된 각 주파수 밴드 사이의 유사성을 확인하기 위한 하나 또는 다수의 가중 인자를 정의하기 위한 학습형 알고리즘을 구현하는 단계를 포함하는 것을 특징으로 하는, 뇌파 데이터를 이용한 개인의 기분 장애 분석 및 평가 방법.
- 제 11항에 있어서, 상기 정적 성분과 동적 성분 중 한 성분 에서의 비대칭성을 판단하는 단계는,상기 환자의 우측에 비해 상기 환자의 좌측이 선호 또는 혐오 되는 시간의 백분율을 판단하는 단계; 및상기 환자의 우측에 비해 상기 환자의 좌측이 선호 또는 혐오 되는 상기 시간의 백분율을 비교하는 단계;를 포함하는 것을 특징으로 하는 뇌파 데이터를 이용한 개인의 기분 장애 분석 및 평가 방법.
- 제 11항에 있어서, 상기 정적 성분 및 동적 성분 중 한 성분 에서의 비대칭성을 판단하는 단계는,각 전두부 영역에 대한 각 파워를 유도하기 위한 적어도 하나의 벡터를 이용하는 단계; 및각 전두부 영역에 대한 상기 파워들을 비교하는 단계;를 포함하는 것을 특징으로 하는 뇌파 데이터를 이용한 개인의 기분 장애 분석 및 평가 방법.
- 제 10항에 있어서, 상기 특성은 상기 기분 장애를 갖는 위험, 또는 상기 기분 장애의 증상 중 적어도 하나를 포함할 수 있는 것을 특징으로 하는 뇌파 데이터를 이용한 개인의 기분 장애 분석 및 평가 방법.
- 뇌파 데이터를 이용한 개인의 기분 장애 분석 및 평가 방법으로서,상기 개인으로부터 뇌파 데이터를 수집하는 단계;상기 뇌파 데이터의 적어도 일부와 관련된 정적 성분을 판단하는 단계;상기 정적 성분 에서의 비대칭성을 판단하는 단계; 및상기 정적 성분 에서의 상기 비대칭성에 적어도 부분적으로 기초하여, 상기 기분 장애와 관련된 특성을 평가하는 단계를 포함하는 뇌파 데이터를 이용한 개인의 기분 장애 분석 및 평가 방법.
- 뇌파 데이터를 이용한 개인의 기분 장애 분석 및 평가 방법으로서,상기 개인으로부터 뇌파 데이터를 수집하는 단계;상기 뇌파 데이터의 적어도 일부와 관련된 동적 성분을 판단하는 단계;상기 동적 성분 에서의 비대칭성을 판단하는 단계; 및상기 동적 성분 에서의 상기 비대칭성에 적어도 부분적으로 기초하여, 상기 기분 장애와 관련된 특성을 평가하는 단계를 포함하는 뇌파 데이터를 이용한 개인의 기분 장애 분석 및 평가 방법.
- 개인의 기분 장애 분석 및 평가 시스템으로서,상기 데이터 상기 개인과 관련된 복수의 뇌파 데이터를 수신하도록 구성된, 데이터 수집 모듈; 및상기 복수의 뇌파 데이터의 일부의 적어도 하나의 정적 성분을 판단하고,상기 복수의 뇌파 데이터의 상기 부분의 상기 정적 성분 에서의 정적 비대칭성을 판단하고,상기 복수의 뇌파 데이터의 상기 부분들의 상기 정적 성분 에서의 상기 정적 비대칭성에 적어도 부분적으로 기초하여, 상기 개인이 상기 기분 장애의 위험에 있는지의 여부에 대한 지시(indication)를 출력하도록 구성된 보고서 생성 모듈을 포함하는 개인의 기분 장애 분석 및 평가 시스템.
- 제 19항에 있어서, 상기 보고서 생성 모듈은 추가로,상기 복수의 뇌파 데이터의 일부의 적어도 하나의 동적 성분을 판단하고;상기 복수의 뇌파 데이터의 상기 부분의 상기 동적 성분 에서의 동적 비대칭성을 판단하고;상기 뇌파 데이터의 상기 부분들의 상기 동적 성분 에서의 상기 동적 비대칭성에 적어도 부분적으로 기초하여, 상기 기분 장애의 치료 응답을 예측하기 위한 지시를 출력하고; 및상기 뇌파 데이터의 상기 부분들의 상기 동적 성분 에서의 상기 동적 비대칭성에 적어도 부분적으로 기초하여, 상기 기분 장애의 치료를 평가하기 위한 지시를 출력하도록 구성되는 것을 특징으로 하는 개인의 기분 장애 분석 및 평가 시스템.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US74184305P | 2005-12-01 | 2005-12-01 | |
| US60/741,843 | 2005-12-01 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20080082665A true KR20080082665A (ko) | 2008-09-11 |
Family
ID=38016782
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020087016114A Ceased KR20080082665A (ko) | 2005-12-01 | 2006-11-30 | 뇌파 수치를 이용한 우울증 및 기타 기분 장애 분석 및평가 시스템 및 방법 |
Country Status (7)
| Country | Link |
|---|---|
| US (2) | US8311622B2 (ko) |
| EP (1) | EP1959827A2 (ko) |
| JP (1) | JP5203215B2 (ko) |
| KR (1) | KR20080082665A (ko) |
| CN (1) | CN101365380A (ko) |
| CA (1) | CA2631687A1 (ko) |
| WO (1) | WO2007065133A2 (ko) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101349751B1 (ko) * | 2012-11-28 | 2014-02-13 | 경북대학교 산학협력단 | 뇌파 분석을 이용한 신경정신질환 치료 물질의 탐색 방법 |
| KR20200031791A (ko) * | 2018-09-17 | 2020-03-25 | 인제대학교 산학협력단 | 전두 알파 비대칭 및 전두엽 활성도 비대칭에 기반한 주요 우울 장애에서 자살 행위 예측 방법 |
| KR102264041B1 (ko) | 2020-12-21 | 2021-06-15 | 주식회사 아이메디신 | 유전자 알고리즘 기반의 단계적인 피처 선택을 이용한 기계학습 방법 및 장치 |
| RU2754779C1 (ru) * | 2020-07-29 | 2021-09-07 | ОБЩЕСТВО С ОГРАНИЧЕННОЙ ОТВЕТСТВЕННОСТЬЮ "СберМедИИ" | Способ выявления депрессии на основе данных ээг |
Families Citing this family (59)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007065133A2 (en) * | 2005-12-01 | 2007-06-07 | Lexicor Medical Technology, Inc. | Systems and methods for analyzing and assessing depression and other mood disorders using electroencephalographic (eeg) measurements |
| KR101464397B1 (ko) | 2007-03-29 | 2014-11-28 | 더 닐슨 컴퍼니 (유에스) 엘엘씨 | 마케팅 및 엔터테인먼트 효과의 분석 |
| WO2008137581A1 (en) | 2007-05-01 | 2008-11-13 | Neurofocus, Inc. | Neuro-feedback based stimulus compression device |
| WO2008137579A1 (en) | 2007-05-01 | 2008-11-13 | Neurofocus, Inc. | Neuro-informatics repository system |
| US8392253B2 (en) * | 2007-05-16 | 2013-03-05 | The Nielsen Company (Us), Llc | Neuro-physiology and neuro-behavioral based stimulus targeting system |
| US8494905B2 (en) | 2007-06-06 | 2013-07-23 | The Nielsen Company (Us), Llc | Audience response analysis using simultaneous electroencephalography (EEG) and functional magnetic resonance imaging (fMRI) |
| US8533042B2 (en) | 2007-07-30 | 2013-09-10 | The Nielsen Company (Us), Llc | Neuro-response stimulus and stimulus attribute resonance estimator |
| US8635105B2 (en) | 2007-08-28 | 2014-01-21 | The Nielsen Company (Us), Llc | Consumer experience portrayal effectiveness assessment system |
| EP2180825A4 (en) * | 2007-08-28 | 2013-12-04 | Neurofocus Inc | EVALUATION SYSTEM OF THE EXPERIENCE OF A CONSUMER |
| US8386313B2 (en) | 2007-08-28 | 2013-02-26 | The Nielsen Company (Us), Llc | Stimulus placement system using subject neuro-response measurements |
| US8392255B2 (en) | 2007-08-29 | 2013-03-05 | The Nielsen Company (Us), Llc | Content based selection and meta tagging of advertisement breaks |
| US8494610B2 (en) | 2007-09-20 | 2013-07-23 | The Nielsen Company (Us), Llc | Analysis of marketing and entertainment effectiveness using magnetoencephalography |
| US20090083129A1 (en) | 2007-09-20 | 2009-03-26 | Neurofocus, Inc. | Personalized content delivery using neuro-response priming data |
| US20100250325A1 (en) | 2009-03-24 | 2010-09-30 | Neurofocus, Inc. | Neurological profiles for market matching and stimulus presentation |
| RU2394480C1 (ru) * | 2009-06-09 | 2010-07-20 | Федеральное государственное учреждение "Московский научно-исследовательский институт психиатрии Федерального агентства по здравоохранению и социальному развитию" | Способ прогнозирования эффективности лечения паксилом тревожных расстройств |
| US20110046502A1 (en) * | 2009-08-20 | 2011-02-24 | Neurofocus, Inc. | Distributed neuro-response data collection and analysis |
| US8655437B2 (en) | 2009-08-21 | 2014-02-18 | The Nielsen Company (Us), Llc | Analysis of the mirror neuron system for evaluation of stimulus |
| US10987015B2 (en) | 2009-08-24 | 2021-04-27 | Nielsen Consumer Llc | Dry electrodes for electroencephalography |
| US9560984B2 (en) | 2009-10-29 | 2017-02-07 | The Nielsen Company (Us), Llc | Analysis of controlled and automatic attention for introduction of stimulus material |
| US20110106750A1 (en) | 2009-10-29 | 2011-05-05 | Neurofocus, Inc. | Generating ratings predictions using neuro-response data |
| US8209224B2 (en) | 2009-10-29 | 2012-06-26 | The Nielsen Company (Us), Llc | Intracluster content management using neuro-response priming data |
| WO2011133548A2 (en) | 2010-04-19 | 2011-10-27 | Innerscope Research, Inc. | Short imagery task (sit) research method |
| US8655428B2 (en) | 2010-05-12 | 2014-02-18 | The Nielsen Company (Us), Llc | Neuro-response data synchronization |
| US8392251B2 (en) | 2010-08-09 | 2013-03-05 | The Nielsen Company (Us), Llc | Location aware presentation of stimulus material |
| US8392250B2 (en) | 2010-08-09 | 2013-03-05 | The Nielsen Company (Us), Llc | Neuro-response evaluated stimulus in virtual reality environments |
| US8396744B2 (en) | 2010-08-25 | 2013-03-12 | The Nielsen Company (Us), Llc | Effective virtual reality environments for presentation of marketing materials |
| WO2012104853A2 (en) | 2011-02-03 | 2012-08-09 | The Medical Research, Infrastructure, And Health Services Fund Of The Tel Aviv Medical Center | Method and system for use in monitoring neural activity in a subject's brain |
| CN102512160B (zh) * | 2011-12-16 | 2013-05-15 | 天津大学 | 基于可分频段自适应跟踪的脑电情绪状态特征提取方法 |
| CN102499677B (zh) * | 2011-12-16 | 2014-04-30 | 天津大学 | 基于脑电非线性特征的情绪状态识别方法 |
| US9292858B2 (en) | 2012-02-27 | 2016-03-22 | The Nielsen Company (Us), Llc | Data collection system for aggregating biologically based measures in asynchronous geographically distributed public environments |
| US9569986B2 (en) | 2012-02-27 | 2017-02-14 | The Nielsen Company (Us), Llc | System and method for gathering and analyzing biometric user feedback for use in social media and advertising applications |
| US9451303B2 (en) | 2012-02-27 | 2016-09-20 | The Nielsen Company (Us), Llc | Method and system for gathering and computing an audience's neurologically-based reactions in a distributed framework involving remote storage and computing |
| JP6123167B2 (ja) | 2012-04-05 | 2017-05-10 | ソニー株式会社 | 脳波解析装置及び脳波解析プログラム |
| CN102715903B (zh) * | 2012-07-09 | 2014-04-16 | 天津市人民医院 | 基于定量脑电图的脑电特征提取方法 |
| CN102824171A (zh) * | 2012-07-16 | 2012-12-19 | 天津大学 | 脑卒中后抑郁症psd患者脑电特征提取方法 |
| US8989835B2 (en) | 2012-08-17 | 2015-03-24 | The Nielsen Company (Us), Llc | Systems and methods to gather and analyze electroencephalographic data |
| WO2014051457A1 (ru) * | 2012-09-27 | 2014-04-03 | Shanin Vadim Yulyevich | Способ и устройство для идентификации и оценки состояния сознания объекта |
| US10092206B2 (en) | 2012-12-07 | 2018-10-09 | Rivka SELA | Neurofeedback treatment system and method |
| US9320450B2 (en) | 2013-03-14 | 2016-04-26 | The Nielsen Company (Us), Llc | Methods and apparatus to gather and analyze electroencephalographic data |
| EP2973347B1 (en) * | 2013-03-15 | 2019-12-11 | Persyst Development Corporation | Multiple patient eeg monitoring |
| CN103690165B (zh) * | 2013-12-12 | 2015-04-29 | 天津大学 | 一种跨诱发模式情绪脑电识别建模方法 |
| US9622702B2 (en) | 2014-04-03 | 2017-04-18 | The Nielsen Company (Us), Llc | Methods and apparatus to gather and analyze electroencephalographic data |
| US20160151232A1 (en) * | 2014-09-22 | 2016-06-02 | Respirtech | Hfcc therapy system providing device adherence data |
| US10499823B2 (en) * | 2014-11-06 | 2019-12-10 | Tata Consultancy Services Limited | Selection of electroencephalography (EEG) channels valid for determining cognitive load of a subject |
| CN106175799A (zh) * | 2015-04-30 | 2016-12-07 | 深圳市前海览岳科技有限公司 | 基于脑电波评估人体情绪和疲劳状态的方法及系统 |
| US9936250B2 (en) | 2015-05-19 | 2018-04-03 | The Nielsen Company (Us), Llc | Methods and apparatus to adjust content presented to an individual |
| EP3684463B1 (en) | 2017-09-19 | 2025-05-14 | Neuroenhancement Lab, LLC | Method and apparatus for neuroenhancement |
| US11717686B2 (en) | 2017-12-04 | 2023-08-08 | Neuroenhancement Lab, LLC | Method and apparatus for neuroenhancement to facilitate learning and performance |
| US12280219B2 (en) | 2017-12-31 | 2025-04-22 | NeuroLight, Inc. | Method and apparatus for neuroenhancement to enhance emotional response |
| US11273283B2 (en) | 2017-12-31 | 2022-03-15 | Neuroenhancement Lab, LLC | Method and apparatus for neuroenhancement to enhance emotional response |
| CN108427929B (zh) * | 2018-03-19 | 2021-09-10 | 兰州大学 | 一种基于静息态脑网络的抑郁识别分析系统 |
| US11364361B2 (en) | 2018-04-20 | 2022-06-21 | Neuroenhancement Lab, LLC | System and method for inducing sleep by transplanting mental states |
| CA3112564A1 (en) | 2018-09-14 | 2020-03-19 | Neuroenhancement Lab, LLC | System and method of improving sleep |
| US11786694B2 (en) | 2019-05-24 | 2023-10-17 | NeuroLight, Inc. | Device, method, and app for facilitating sleep |
| CN111249595A (zh) * | 2020-01-20 | 2020-06-09 | 南京大学 | 一种对大气污染人体指标的测量系统和方法 |
| EP4000523A1 (en) * | 2020-11-11 | 2022-05-25 | Cerenion Oy | Method of forming modifying data related to data sequence of data frame including electroencephalogram data, processing method of electroencephalogram data and electroencephalogram apparatus |
| EP4292540A4 (en) * | 2021-02-12 | 2025-01-22 | Keio University | SYMPTOM ASSESSMENT DEVICE AND SYMPTOM ASSESSMENT PROGRAM |
| CN113476058B (zh) * | 2021-07-22 | 2022-11-29 | 北京脑陆科技有限公司 | 对抑郁症患者的干预处理方法、装置、终端及介质 |
| WO2024127404A1 (en) * | 2022-12-16 | 2024-06-20 | Graymatters Health Ltd. | Prognosis prediction |
Family Cites Families (30)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2070441A5 (ko) | 1969-12-04 | 1971-09-10 | Roy John E | |
| US5083571A (en) * | 1988-04-18 | 1992-01-28 | New York University | Use of brain electrophysiological quantitative data to classify and subtype an individual into diagnostic categories by discriminant and cluster analysis |
| JPH066118B2 (ja) * | 1989-10-14 | 1994-01-26 | 元 田村 | 脳波解析装置 |
| US5269315A (en) * | 1991-08-16 | 1993-12-14 | The Regents Of The University Of California | Determining the nature of brain lesions by electroencephalography |
| US5320109A (en) * | 1991-10-25 | 1994-06-14 | Aspect Medical Systems, Inc. | Cerebral biopotential analysis system and method |
| US5458117A (en) * | 1991-10-25 | 1995-10-17 | Aspect Medical Systems, Inc. | Cerebral biopotential analysis system and method |
| US5230346A (en) * | 1992-02-04 | 1993-07-27 | The Regents Of The University Of California | Diagnosing brain conditions by quantitative electroencephalography |
| US5450855A (en) * | 1992-05-13 | 1995-09-19 | Rosenfeld; J. Peter | Method and system for modification of condition with neural biofeedback using left-right brain wave asymmetry |
| US5280793A (en) * | 1992-05-13 | 1994-01-25 | Rosenfeld J Peter | Method and system for treatment of depression with biofeedback using left-right brain wave asymmetry |
| US5305746A (en) * | 1992-09-29 | 1994-04-26 | Aspect Medical Systems, Inc. | Disposable, pre-gelled, self-prepping electrode |
| US5368041A (en) * | 1992-10-15 | 1994-11-29 | Aspect Medical Systems, Inc. | Monitor and method for acquiring and processing electrical signals relating to bodily functions |
| US5813404A (en) * | 1995-10-20 | 1998-09-29 | Aspect Medical Systems, Inc. | Electrode connector system |
| US6394953B1 (en) * | 2000-02-25 | 2002-05-28 | Aspect Medical Systems, Inc. | Electrode array system for measuring electrophysiological signals |
| US6032064A (en) * | 1996-10-11 | 2000-02-29 | Aspect Medical Systems, Inc. | Electrode array system for measuring electrophysiological signals |
| US5792069A (en) * | 1996-12-24 | 1998-08-11 | Aspect Medical Systems, Inc. | Method and system for the extraction of cardiac artifacts from EEG signals |
| US6052619A (en) | 1997-08-07 | 2000-04-18 | New York University | Brain function scan system |
| US6622036B1 (en) * | 2000-02-09 | 2003-09-16 | Cns Response | Method for classifying and treating physiologic brain imbalances using quantitative EEG |
| JPH1176185A (ja) * | 1997-09-12 | 1999-03-23 | Takumi Ikuta | 大脳誘発電位診断装置 |
| US6032072A (en) * | 1998-01-30 | 2000-02-29 | Aspect Medical Systems, Inc. | Method for enhancing and separating biopotential signals |
| US6434410B1 (en) * | 1998-06-19 | 2002-08-13 | Aspect Medical Systems, Inc. | Electrode for measuring electrophysiological signals using liquid electrolytic gel with a high salt concentration |
| US6338713B1 (en) * | 1998-08-18 | 2002-01-15 | Aspect Medical Systems, Inc. | System and method for facilitating clinical decision making |
| US6298255B1 (en) * | 1999-06-09 | 2001-10-02 | Aspect Medical Systems, Inc. | Smart electrophysiological sensor system with automatic authentication and validation and an interface for a smart electrophysiological sensor system |
| US6599281B1 (en) * | 2000-05-03 | 2003-07-29 | Aspect Medical Systems, Inc. | System and method for adaptive drug delivery |
| US6488617B1 (en) | 2000-10-13 | 2002-12-03 | Universal Hedonics | Method and device for producing a desired brain state |
| MXPA04000009A (es) * | 2001-07-06 | 2004-05-21 | Aspect Medical Systems Inc | Sistema y metodo para medir impendencia bioelectrica en presencia de interferencia. |
| ES2329452T3 (es) | 2001-07-11 | 2009-11-26 | Cns Response, Inc. | Procedimiento para predecir el resultado de tratamientos. |
| EP1460933B1 (en) | 2002-01-04 | 2008-12-17 | Aspect Medical Systems, Inc. | System and method of assessment of mood disorders using eeg |
| JP2003310564A (ja) * | 2002-04-22 | 2003-11-05 | Fuji Xerox Co Ltd | 脳波自動解析装置および方法 |
| US7418290B2 (en) * | 2003-05-06 | 2008-08-26 | Aspect Medical Systems, Inc. | System and method of assessment of the efficacy of treatment of neurological disorders using the electroencephalogram |
| WO2007065133A2 (en) * | 2005-12-01 | 2007-06-07 | Lexicor Medical Technology, Inc. | Systems and methods for analyzing and assessing depression and other mood disorders using electroencephalographic (eeg) measurements |
-
2006
- 2006-11-30 WO PCT/US2006/061413 patent/WO2007065133A2/en not_active Ceased
- 2006-11-30 JP JP2008543577A patent/JP5203215B2/ja not_active Expired - Fee Related
- 2006-11-30 KR KR1020087016114A patent/KR20080082665A/ko not_active Ceased
- 2006-11-30 CA CA002631687A patent/CA2631687A1/en not_active Abandoned
- 2006-11-30 EP EP06840083A patent/EP1959827A2/en not_active Withdrawn
- 2006-11-30 US US11/565,305 patent/US8311622B2/en not_active Expired - Fee Related
- 2006-11-30 CN CNA2006800521445A patent/CN101365380A/zh active Pending
-
2012
- 2012-09-26 US US13/627,382 patent/US8509885B2/en not_active Expired - Fee Related
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101349751B1 (ko) * | 2012-11-28 | 2014-02-13 | 경북대학교 산학협력단 | 뇌파 분석을 이용한 신경정신질환 치료 물질의 탐색 방법 |
| KR20200031791A (ko) * | 2018-09-17 | 2020-03-25 | 인제대학교 산학협력단 | 전두 알파 비대칭 및 전두엽 활성도 비대칭에 기반한 주요 우울 장애에서 자살 행위 예측 방법 |
| RU2754779C1 (ru) * | 2020-07-29 | 2021-09-07 | ОБЩЕСТВО С ОГРАНИЧЕННОЙ ОТВЕТСТВЕННОСТЬЮ "СберМедИИ" | Способ выявления депрессии на основе данных ээг |
| WO2022025802A1 (ru) * | 2020-07-29 | 2022-02-03 | ОБЩЕСТВО С ОГРАНИЧЕННОЙ ОТВЕТСТВЕННОСТЬЮ "СберМедИИ" | Способ выявления депрессии на основе данных ээг |
| KR102264041B1 (ko) | 2020-12-21 | 2021-06-15 | 주식회사 아이메디신 | 유전자 알고리즘 기반의 단계적인 피처 선택을 이용한 기계학습 방법 및 장치 |
| US11875878B2 (en) | 2020-12-21 | 2024-01-16 | Imedisync. Ltd. | Machine learning method and apparatus using steps feature selection based on genetic algorithm |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2007065133A2 (en) | 2007-06-07 |
| US20130023783A1 (en) | 2013-01-24 |
| CN101365380A (zh) | 2009-02-11 |
| CA2631687A1 (en) | 2007-06-07 |
| JP2009518076A (ja) | 2009-05-07 |
| WO2007065133A3 (en) | 2007-07-26 |
| US8509885B2 (en) | 2013-08-13 |
| US8311622B2 (en) | 2012-11-13 |
| US20070135728A1 (en) | 2007-06-14 |
| EP1959827A2 (en) | 2008-08-27 |
| JP5203215B2 (ja) | 2013-06-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8311622B2 (en) | Systems and methods for analyzing and assessing depression and other mood disorders using electroencephalographic (EEG) measurements | |
| JP4987338B2 (ja) | 認知能減退を予測するためのシステムおよび方法 | |
| Rogers et al. | Test-retest reliability of a single-channel, wireless EEG system | |
| Nakanishi et al. | Detecting glaucoma with a portable brain-computer interface for objective assessment of visual function loss | |
| US10898130B2 (en) | System and method for pain detection and computation of a pain quantification index | |
| JP2022084673A (ja) | 脳症／せん妄のスクリーニングおよびモニタリングのための装置、システムおよび方法 | |
| JP7203388B2 (ja) | 快不快の判別 | |
| JP2009541863A (ja) | 痴呆および痴呆型障害を分析および評価するためのシステムおよび方法 | |
| EP4137042B1 (en) | Classification of pain based on brain wave data | |
| CN101500471A (zh) | 用于评估脑功能的方法和便携式自动脑功能评估设备 | |
| EP3662826A1 (en) | Application of real signal time variation wavelet analysis | |
| Strasser et al. | Objective assessment of visual acuity: a refined model for analyzing the sweep VEP | |
| Adochiei et al. | Complex embedded system for stress quantification | |
| US20060116556A1 (en) | Physiological assessment system and method | |
| Nuñez-Ibero et al. | A controlled thermoalgesic stimulation device for exploring novel pain perception biomarkers | |
| Brittenham et al. | Objective frequency analysis of transient visual evoked potentials in autistic children | |
| CN115153562A (zh) | 一种基于脑电图的预测方法、装置、电子设备及存储介质 | |
| Peddi et al. | Towards predicting PTSD symptom severity using portable EEG-derived biomarkers | |
| US12023173B2 (en) | Pain classification and momentary-pain determination using sparse modeling | |
| Semiz et al. | Pain assessment and determination methods with wearable sensors: a scoping review | |
| JP7444003B2 (ja) | 気分障害測定装置および気分障害測定方法 | |
| Ibero et al. | A controlled thermoalgesic stimulation device to identify novel pain perception biomarkers | |
| RU2506044C1 (ru) | Способ определения дисперсии амплитудно-частотных характеристик альфа-ритма головного мозга при психических заболеваниях | |
| Deering Jr | Analysis of quantitative electroencephalography (qEEG) patterns in fibromyalgia patients as compared to a normative database |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PA0105 | International application |
Patent event date: 20080701 Patent event code: PA01051R01D Comment text: International Patent Application |
|
| PG1501 | Laying open of application | ||
| A201 | Request for examination | ||
| PA0201 | Request for examination |
Patent event code: PA02012R01D Patent event date: 20111130 Comment text: Request for Examination of Application |
|
| E902 | Notification of reason for refusal | ||
| PE0902 | Notice of grounds for rejection |
Comment text: Notification of reason for refusal Patent event date: 20130506 Patent event code: PE09021S01D |
|
| E601 | Decision to refuse application | ||
| PE0601 | Decision on rejection of patent |
Patent event date: 20131030 Comment text: Decision to Refuse Application Patent event code: PE06012S01D Patent event date: 20130506 Comment text: Notification of reason for refusal Patent event code: PE06011S01I |