1 |
1
뇌 기능을 조절하기 위한 정보 제공 장치의 프로세서에 의해 수행되는 뇌 기능을 조절하기 위한 자극 값 결정 방법으로서, 질환자의 뇌 네트워크 모델에서 노드 간의 시냅스 강도를 결정하는 단계; 상기 질환자의 뇌 네트워크 모델과 비질환자의 뇌 네트워크 모델에서 자극에 대한 반응으로 노드 간 시냅스 강도 차이 값이 가장 큰, 대상이 되는 노드에 가해지는 연속적인 자극을 통해, 상기 연속적인 자극에 따른 뇌 활동 데이터를 획득하는 단계;상기 획득된 뇌 활동 데이터와 시뮬레이션을 통해 예측된 비질환자의 자극에 대한 뇌 활동 데이터를 비교하고, 비교 결과를 기초로 추정 기법을 통한 질환자 고유의 자가 적응 파라미터- 상기 자가 적응 파라미터는 노드로 가해지는 자극에 대한 활동 의존적 가소성 및 항상성을 정의한 변수임-를 추정하는 단계; 및추정된 자가 적응 파라미터를 기준으로 상기 질환자의 각 노드의 활성 데이터가 비질환자의 활성 데이터와 가까워지거나, 상기 질환자의 노드 간 시냅스 강도가 비질환자의 노드 간 시냅스 강도에 가까워질 수 있는 자극 값을 결정하는 단계; 를 포함하는 자가 적응형 뇌 모델 기반의 뇌 기능 조절을 위한 정보 제공 방법
|
2 |
2
제1항에 있어서,상기 뇌 네트워크 모델은,하나의 노드와 적어도 하나 이상의 노드가 연결되는 구조를 가지며, 질환자와 비질환자는 서로 상이한 노드 간 시냅스 강도를 가지는, 자가 적응형 뇌 모델 기반의 뇌 기능 조절을 위한 정보 제공 방법
|
3 |
3
제1항에 있어서,상기 추정하는 단계에서의 비교 결과에 따라, 상기 노드에 가해지는 자극의 값을 변경하거나, 상기 노드와는 다른 노드에 가해지는 자극을 통해, 변경된 자극 또는 상기 다른 노드에 가해진 자극에 따른 뇌 활동 데이터를 획득하는 단계, 를 더 포함하는 자가 적응형 뇌 모델 기반의 뇌 기능 조절을 위한 정보 제공 방법
|
4 |
4
제3항에 있어서,상기 뇌 활동 데이터는,서로 다른 강도의 자극 및 자가 적응 파라미터에 대해서 시간에 따른 전위막 전압(Membrane potential) 자가 변화 데이터-상기 자가 변화 데이터는 노드 간 시냅스 강도의 자가 변화가 반영됨-를 포함하는, 자가 적응형 뇌 모델 기반의 뇌 기능 조절을 위한 정보 제공 방법
|
5 |
5
제1항에 있어서,상기 뇌 활동 데이터를 획득하는 단계 이전에,상기 대상이 되는 노드에 가해지는 자극 값의 범위 및 상기 자가 적응 파라미터 범위를 결정하는 단계, 를 더 포함하는 자가 적응형 뇌 모델 기반의 뇌 기능 조절을 위한 정보 제공 방법
|
6 |
6
제5항에 있어서,상기 자극 값의 범위는,질환자들의 자가 적응 파라미터 집합에 영향을 주는 범위 내에서 결정되는, 자가 적응형 뇌 모델 기반의 뇌 기능 조절을 위한 정보 제공 방법
|
7 |
7
제5항에 있어서,상기 자극 값을 결정하는 단계는, 상기 질환자의 뇌 네트워크 모델과 관련하여 자가 적응 특성에 대한 정보가 없는 경우, 조건부 확률적으로 주변화 (marginalization) 기법을 적용하여 자극 값을 결정하는 단계인, 자가 적응형 뇌 모델 기반의 뇌 기능 조절을 위한 정보 제공 방법
|
8 |
8
삭제
|
9 |
9
뇌 기능을 조절하기 위한 정보 제공 장치의 프로세서에 의해 수행되는 뇌 기능을 조절하기 위한 자극 값 결정 방법으로서, 질환자의 뇌 네트워크 모델에서 노드 간의 시냅스 강도를 결정하는 단계; 상기 뇌 네트워크 모델에서 대상이 되는 노드를 이용하여 획득된 복수의 자극에 대한 뇌 활동 데이터를 기초로 형성된 MSE(Mean Squared Error) 그래프에서 MSE 값이 최소가 될 수 있는 질환자 고유의 자가 적응 파라미터-상기 자가 적응 파라미터는 노드로 가해지는 자극에 대한 활동 의존적 가소성 및 항상성을 정의한 변수임-를 추정하는 단계; 및추정된 자가 적응 파라미터를 기준으로 상기 질환자의 각 노드의 활성 데이터가 비질환자의 활성 데이터와 가까워지거나, 상기 질환자의 노드 간 시냅스 강도가 비질환자의 노드 간 시냅스 강도에 가까워질 수 있는 자극 값을 결정하는 단계; 를 자가 적응형 뇌 모델 기반의 뇌 기능 조절을 위한 정보 제공 방법
|
10 |
10
제9항에 있어서,상기 뇌 네트워크 모델은,하나의 노드와 적어도 하나 이상의 노드가 연결되는 구조를 가지며, 질환자와 비질환자는 서로 상이한 노드 간 시냅스 강도를 가지는, 자가 적응형 뇌 모델 기반의 뇌 기능 조절을 위한 정보 제공 방법
|
11 |
11
제9항에 있어서,상기 뇌 활동 데이터는,상기 대상이 되는 노드의 전위 막 전압(Membrane potential) 변화 값을 기초로 계산된 VSDI(Voltage signal dependent imaging) 신호, 칼슘 영상(CaI), 자기공명영상(fMRI), 뇌파(EEG) 및 뇌자도(MEG) 중 적어도 하나를 포함하는, 자가 적응형 뇌 모델 기반의 뇌 기능 조절을 위한 정보 제공 방법
|
12 |
12
삭제
|
13 |
13
제9항에 있어서,상기 추정하는 단계는,미리 정의된 제1 자극 값을 기준으로 사용자가 정의한 최적 함수 값이 최소가 되는 자가 변수 파라미터를 상기 질환자 고유의 자가 적응 파라미터로 추정하는 단계인 자가 적응형 뇌 모델 기반의 뇌 기능 조절을 위한 정보 제공 방법
|
14 |
14
삭제
|
15 |
15
통신 인터페이스;메모리; 및상기 통신 인터페이스, 상기 메모리와 동작 가능하게 연결된 프로세서; 를 포함하고,상기 프로세서는,질환자의 뇌 네트워크 모델에서 노드 간의 시냅스 강도를 결정하고, 상기 질환자의 뇌 네트워크 모델과 비질환자의 뇌 네트워크 모델에서 노드 간 시냅스 강도 차이 값이 가장 큰, 대상이 되는 노드에 가해지는 연속적인 자극을 통해, 상기 연속적인 자극에 따른 뇌 활동 데이터를 획득하고, 상기 획득된 뇌 활동 데이 터와 시뮬레이션을 통해 예측된 비질환자의 자극에 대한 뇌 활동 데이터를 비교하고, 비교 결과를 기초로 추정 기법을 통한 질환자 고유의 자가 적응 파라미터- 상기 자가 적응 파라미터는 노드로 가해지는 자극에 대한 활동 의존적 가소성 및 항상성을 정의한 변수임-를 추정하고, 추정된 자가 적응 파라미터를 기준으로 상기 질환자의 각 노드의 활성 데이터가 비질환자의 활성 데이터에 가까워지거나, 상기 질환자의 노드 간 시냅스 강도가 비질환자의 노드 간 시냅스 강도에 가까워질 수 있는 자극 값을 결정하도록 구성되는, 뇌 기능을 조절하기 위한 정보 제공 장치
|
16 |
16
통신 인터페이스;메모리; 및상기 통신 인터페이스, 상기 메모리와 동작 가능하게 연결된 프로세서; 를 포함하고, 상기 프로세서는, 환자의 뇌 네트워크 모델에서 노드 간의 시냅스 강도를 결정하고, 상기 뇌 네트워크 모델에서 대상이 되는 노드를 이용하여 획득된 복수의 자극에 대한 뇌 활동 데이터를 기초로 형성된 MSE(Mean Squared Error) 그래프에서 MSE 값이 최소가 될 수 있는 질환자 고유의 자가 적응 파라미터-상기 자가 적응 파라미터는 노드로 가해지는 자극에 대한 활동 의존적 가소성 및 항상성을 정의한 변수임-를 추정하고, 추정된 자가 적응 파라미터를 기준으로 상기 질환자의 각 노드의 활성 데이터가 비질환자의 활성 데이터와 가까워지거나, 상기 질환자의 노드 간 시냅스 강도가 비질환자의 노드 간 시냅스 강도에 가까워질 수 있는 자극 값을 결정하도록 구성되는, 뇌 기능을 조절하기 위한 정보 제공 장치
|