| 1 |
1
EEG 검출부와 기능성 자기공명영상 검출부를 구비하여, 퇴행성 뇌질환의 환자로부터 뇌파와 기능성 자기공명영상을 검출하는 생체신호 수집부;생체신호 수집부로부터 수신된 뇌파로부터 뇌파의 진폭을 포함하는 뇌파 특징 파라미터를 검출하고, 기능성 자기공명영상으로부터 영역 간 기능적 연결성을 기능성 자기공명영상 특징 파라미터로 구하고, 뇌파 특징 파라미터 및 기능성 자기공명영상 특징 파라미터를 인공신경망인 기계학습모델에 입력하고, 기계학습모델로부터 뇌질환의 심각도가 예측, 출력되는 뇌질환 예측부를 포함하는, 연산처리부;뇌질환 예측부로부터 출력된 뇌질환의 심각도를 출력하는, 출력부; 를 포함하는 것을 특징으로 하는, 생체신호 기반 퇴행성 뇌질환 예측 및 훈련 시스템
|
| 2 |
2
EEG 검출부와 기능성 자기공명영상 검출부를 구비하여, 퇴행성 뇌질환의 환자로부터 뇌파와 기능성 자기공명영상을 검출하는 생체신호 수집부;생체신호 수집부로부터 수신된 뇌파와 기능성 자기공명영상과 인공신경망인 기계학습모델을 이용하여 뇌질환으로의 이행시기를 예측하는 뇌질환 예측부를 포함하는, 연산처리부;뇌질환 예측부로부터 출력된 뇌질환의 심각도를 출력하는, 출력부; 를 포함하는 것을 특징으로 하는, 생체신호 기반 퇴행성 뇌질환 예측 및 훈련 시스템
|
| 3 |
3
제1항에 있어서, 연산처리부는,뇌질환 예측부에서, 뇌질환의 심각도, 생체신호 수집부로부터 수신된 뇌파 및 데이터베이스부에 기저장된 환자의 신경심리검사 배터리의 결과를, 기계학습모델에 적용하여 뇌질환으로의 이행시기를 예측하는 것을 포함하는 것을 특징으로 하는, 생체신호 기반 퇴행성 뇌질환 예측 및 훈련 시스템
|
| 4 |
4
제3항에 있어서, 뇌질환의 심각도 및 뇌질환 이행예측 결과에 따라, 훈련 구동부에 제시되는 훈련 목표치를 다르게 설정하는, 훈련처방 생성부;를 더 포함하는 것을 특징으로 하는, 생체신호 기반 퇴행성 뇌질환 예측 및 훈련 시스템
|
| 5 |
5
제4항에 있어서, 훈련처방 생성부에서 생성된 훈련처방에 따라 훈련 구동부를 구동하는, 인지기능 훈련부;를 더 포함하는 것을 특징으로 하는, 생체신호 기반 퇴행성 뇌질환 예측 및 훈련 시스템
|
| 6 |
6
제1항 또는 제2항 중 어느 한항에 있어서, 생체신호 수집부는,EEG 검출부와 기능성 자기공명영상 검출부에서 검출된 뇌파 및 기능성 자기공명영상에서 잡음제거를 포함하는 신호 전처리를 행하는, 신호 전처리부;데이터 전처리부에서 출력된 뇌파 및 기능성 자기공명영상을 샘플링하여 디지탈 신호로 변환하는 샘플 추출부;를 더 포함하는 것을 특징으로 하는, 생체신호 기반 퇴행성 뇌질환 예측 및 훈련 시스템
|
| 7 |
7
제6항에 있어서, 신호 전처리부는,EEG 검출부로부터 수신된 뇌파를 증폭하는, 뇌파 증폭부;뇌파 증폭부에서 증폭된 뇌파를 필터링하여 잡음을 제거하는, 뇌파 잡음제거부;뇌파 잡음제거부에서 출력된 뇌파에서 이벤트(사건)를 검출하여, 상기 이벤트(사건)동안의 뇌파 전위를, 추출하는, 사건관련 전위 추출부;를 포함하는 것을 특징으로 하는, 생체신호 기반 퇴행성 뇌질환 예측 및 훈련 시스템
|
| 8 |
8
제7항에 있어서, 신호 전처리부는,기능성 자기공명영상 검출부로부터 수신된 기능성 자기공명영상을 필터링하여 잡음을 제거하는, 영상잡음 제거부;영상잡음 제거부로부터 기능성 자기공명영상을 수신하고, 뇌파 잡음제거부로부터 뇌파를 수신하고, 수신된 기능성 자기공명영상을, 수신된 뇌파와 매칭하여, 기능성 자기공명영상 내의 기능적 연결성을 분석하고, 기능적 연결성이 분석된 자기공명영상을 출력하는, 기능적 연결성 분석부; 를 더 포함하는 것을 특징으로 하는, 생체신호 기반 퇴행성 뇌질환 예측 및 훈련 시스템
|
| 9 |
9
제3항에 있어서, 뇌질환의 심각도가 예측할 때의 기계학습모델과, 뇌질환으로의 이행시기를 예측할 때의 기계학습모델은, 학습구조를 공유하며 학습하고자 하는 태스크(task)가 뇌질환의 심각도가 예측인지, 또는 뇌질환으로의 이행시기를 예측인지에 따라 마지막 풀리 코넥티드 레이어(fully connected layer)가 달라지는 멀티 태스크 런닝(multi-task learning) 방식의 학습모델인 것을 특징으로 하는, 생체신호 기반 퇴행성 뇌질환 예측 및 훈련 시스템
|
| 10 |
10
EEG 검출부에서 퇴행성 뇌질환의 환자로부터 뇌파를 검출하고, 기능성 자기공명영상 검출부에서 상기 환자로부터 기능성 자기공명영상을 검출하는 생체신호 수집단계;연산처리부는 생체신호 수집단계로부터 수신된 뇌파로부터 뇌파의 진폭을 포함하는 뇌파 특징 파라미터를 검출하고, 기능성 자기공명영상으로부터 영역 간 기능적 연결성을 기능성 자기공명영상 특징 파라미터로 구하고, 뇌파 특징 파라미터 및 기능성 자기공명영상 특징 파라미터를 인공신경망인 기계학습모델에 입력하고, 기계학습모델로부터 출력된 뇌질환의 심각도를 예측하는 뇌질환 예측단계;연산처리부는 뇌질환 예측단계로부터 출력된 뇌질환의 심각도를 출력부로 출력하는, 출력단계; 를 포함하는 것을 특징으로 하는, 생체신호 기반 퇴행성 뇌질환 예측 및 훈련 시스템의 구동방법
|
| 11 |
11
제10항에 있어서, 뇌질환 예측단계에서, 연산처리부는, 뇌질환의 심각도, 생체신호 수집부로부터 수신된 뇌파 및 데이터베이스부에 기저장된 환자의 신경심리검사 배터리의 결과를, 기계학습모델에 적용하여 뇌질환으로의 이행시기를 예측하는 것을 포함하는 것을 특징으로 하는, 생체신호 기반 퇴행성 뇌질환 예측 및 훈련 시스템의 구동방법
|
| 12 |
12
제11항에 있어서, 뇌질환 예측단계 후에, 연산처리부는 뇌질환의 심각도 및 뇌질환 이행예측 결과에 따라, 훈련 구동부에 제시되는 훈련 목표치를 다르게 설정하는, 훈련처방 생성단계;를 더 포함하는 것을 특징으로 하는, 생체신호 기반 퇴행성 뇌질환 예측 및 훈련 시스템의 구동방법
|
| 13 |
13
제12항에 있어서, 훈련처방 생성단계 후, 연산처리부는, 훈련처방 생성부에서 생성된 훈련처방에 따라 훈련 구동부를 구동하는, 인지기능 훈련단계;를 더 포함하는 것을 특징으로 하는, 생체신호 기반 퇴행성 뇌질환 예측 및 훈련 시스템의 구동방법
|
