| 1 |
1
기 저장된 의료 데이터로부터 다수의 휴지기 뇌파를 획득한 후, 뇌 네트워크 변화 정도에 따라 분류하여 저장하는 뇌파 자료 수집부;환자 뇌파를 측정한 후, 휴지기 구간에 해당하는 뇌파만을 추출 및 제공하는 뇌파 측정부;신경망 학습시에는 상기 뇌파 자료 수집부에 저장된 휴지기 뇌파 각각에 대한 기능적 연결성 매트릭스를 생성하고, 환자 뇌파 분석시에는 상기 환자 뇌파에 대한 기능적 연결성 매트릭스를 생성하는 기능적 연결성 매트릭스 생성부;상기 기능적 연결성 매트릭스에 대한 그래프 이론 분석을 수행하여, 그래프 이론 분석값을 파악하는 그래프 이론 분석부;신경망 학습 시에, 상기 뇌파 자료 수집부에 저장된 휴지기 뇌파 각각에 대응되는 그래프 이론 분석값은 입력 조건으로 가지고, 뇌 네트워크 변화 정도는 출력 조건으로 가지는 다수의 학습 데이터를 생성한 후, 상기 다수의 학습 데이터를 통해 신경망을 반복 학습시키는 신경망 학습부; 및 환자 뇌파 분석 시에, 상기 신경망을 이용하여 상기 환자 뇌파로부터 도출된 그래프 이론 분석값에 대응되는 뇌 네트워크 변화 정도를 파악 및 통보하는 뇌전증 분석부를 포함하는 휴지기 뇌파를 이용한 뇌전증 진단 정보 제공 장치
|
| 2 |
2
제1항에 있어서, 상기 기능적 연결성 매트릭스 생성부는 상기 휴지기 뇌파 또는 상기 환자 뇌파가 입력되면, 입력 뇌파를 델타, 세타, 알파, 베타, 감마 대역의 뇌파로 필터링한 후, 상기 델타, 세타, 알파, 베타, 감마 대역의 뇌파 각각에 대한 n×n(n는 전극의 채널수) 기능적 연결성 매트릭스를 생성하는 것을 특징으로 하는 휴지기 뇌파를 이용한 뇌전증 진단 정보 제공 장치
|
| 3 |
3
제2항에 있어서, 상기 그래프 이론 분석부는 상기 델타, 세타, 알파, 베타, 감마 대역의 뇌파 각각에 대한 n×n 기능적 연결성 매트릭스에 대한 그래프 이론 분석을 수행함으로써, 뇌파 대역별 그래프 이론 분석값을 획득하는 것을 특징으로 하는 휴지기 뇌파를 이용한 뇌전증 진단 정보 제공 장치
|
| 4 |
4
제1항 또는 제3항에 있어서, 상기 그래프 이론 분석값은 군집 계수(clustering coefficient), 전반적 효율성(global efficiency), 평균 최단 경로 길이(characteristic path length), 및 모듈성(modularity)을 포함하는 것을 특징으로 하는 휴지기 뇌파를 이용한 뇌전증 진단 정보 제공 장치
|
| 5 |
5
기 저장된 의료 데이터로부터 다수의 휴지기 뇌파를 획득한 후, 뇌 네트워크 변화 정도에 따라 분류하여 저장하는 단계;상기 휴지기 뇌파를 순차적으로 선택하면서, 상기 선택된 휴지기 뇌파에 대한 기능적 연결성 매트릭스를 생성한 후, 상기 기능적 연결성 매트릭스에 대한 그래프 이론 분석을 수행하여 그래프 이론 분석값을 획득하는 단계;상기 그래프 이론 분석값을 입력 조건으로 가지고, 뇌 네트워크 변화 정도를 출력 조건으로 가지는 다수의 학습 데이터를 생성한 후, 상기 다수의 학습 데이터를 통해 신경망을 학습시키는 단계;상기 신경망이 학습 완료된 상태에서, 환자 뇌파가 측정되면, 상기 환자 뇌파에서 휴지기 구간에 해당하는 뇌파만을 추출하는 단계;상기 환자 뇌파에 대한 기능적 연결성 매트릭스를 생성한 후 상기 그래프 이론 분석을 수행하여 환자 뇌파의 그래프 이론 분석값을 획득하는 단계; 및 상기 신경망을 이용하여 상기 환자 뇌파의 그래프 이론 분석값에 대응되는 뇌 네트워크 변화 정도를 파악한 후, 상기 파악된 뇌 네트워크 변화 정도에 대한 정보를 가지는 진단 정보를 생성 및 출력하는 단계를 포함하는 휴지기 뇌파를 이용한 뇌전증 진단 정보 제공 방법
|
