| 1 |
1
뇌신경 세포 간의 운동정보 추출 장치에서 수행되는 뇌신경 세포의 운동정보 추출 방법에 있어서,복수의 뇌신경 세포의 신호를 이용하여 상기 뇌신경 세포의 활동 정보를 추출하는 단계;상기 복수의 뇌신호 세포 쌍에 대한 정규화 상호정보량을 측정하여 기능적 연결성 행렬을 산출하는 단계;임계값 미만의 상기 정규화 상호정보량을 가지는 상기 뇌신경 세포 쌍을 제거하여 유의한 네트워크 모형을 추출하는 단계;상기 유의한 네트워크 모형의 상기 뇌신경 세포 쌍의 특성을 추출하여 정량적 네트워크 특성을 추출하는 단계;상기 추출된 네트워크 특성을 기계학습 분류기를 이용하여 상기 뇌신경 세포의 운동 상태를 예측하는 단계;를 포함하는 운동정보 디코딩을 위한 뇌신경 세포 간의 운동관련 네트워크 특성 추출 방법
|
| 2 |
2
제1항에 있어서,상기 뇌신경 세포의 활동 정보는 상기 뇌신경 세포의 운동 전 구간, 가속 구간, 감속 구간을 포함하는 운동정보 디코딩을 위한 뇌신경 세포 간의 운동관련 네트워크 특성 추출 방법
|
| 3 |
3
제1항에 있어서,상기 기능적 연결성 행렬을 산출하는 단계에서,상기 정규화 상호정보량은 수학식 1에 의해 측정되는 운동정보 디코딩을 위한 뇌신경 세포 간의 운동관련 네트워크 특성 추출 방법
|
| 4 |
4
제1항에 있어서,상기 기능적 연결성 행렬을 산출하는 단계에서,상기 정규화 상호정보량은 0 내지 1 범위로 표현되고, 상기 정규화 상호정보량은 1에 가까울수록 연결성이 큰 운동정보 디코딩을 위한 뇌신경 세포 간의 운동관련 네트워크 특성 추출 방법
|
| 5 |
5
제1항에 있어서,상기 유의한 네트워크 모형을 추출하는 단계에서,상기 임계값 미만의 상기 정규화 상호정보량을 가지는 상기 뇌신경 세포 쌍의 제거는 수리통계적 기법(FDR)을 이용하는 운동정보 디코딩을 위한 뇌신경 세포 간의 운동관련 네트워크 특성 추출 방법
|
| 6 |
6
제1항에 있어서,상기 정량적 네트워크 특성을 추출하는 단계에서,상기 정량적 네트워크 특성은 노드 군집 계수, 노드 최단 거리, 네트워크 가중치 및 네트워크 밀도를 포함하는 운동정보 디코딩을 위한 뇌신경 세포 간의 운동관련 네트워크 특성 추출 방법
|
| 7 |
7
제6항에 있어서,상기 노드 군집 계수는 수학식 2에 의해 측정되는 운동정보 디코딩을 위한 뇌신경 세포 간의 운동관련 네트워크 특성 추출 방법
|
| 8 |
8
제6항에 있어서,상기 노드 최단 거리는 수학식 3에 의해 측정되는 운동정보 디코딩을 위한 뇌신경 세포 간의 운동관련 네트워크 특성 추출 방법
|
| 9 |
9
제6항에 있어서,상기 네트워크 가중치는 수학식 4에 의해 측정되는 운동정보 디코딩을 위한 뇌신경 세포 간의 운동관련 네트워크 특성 추출 방법
|
| 10 |
10
제6항에 있어서,상기 네트워크 밀도는 수학식 5에 의해 측정되는 운동정보 디코딩을 위한 뇌신경 세포 간의 운동관련 네트워크 특성 추출 방법
|
| 11 |
11
제1항에 있어서,상기 뇌신경 세포의 운동 상태를 예측하는 단계에서,상기 기계학습 분류기는 서포트 벡터 머신을 포함하는 운동정보 디코딩을 위한 뇌신경 세포 간의 운동관련 네트워크 특성 추출 방법
|
| 12 |
12
복수의 뇌신경 세포의 신호를 이용하여 상기 뇌신경 세포의 활동 정보를 추출하는 활동 정보 추출부;상기 복수의 뇌신호 세포 쌍에 대한 정규화 상호정보량을 측정하여 기능적 연결성 행렬을 산출하는 행렬 산출부;임계값 미만의 상기 정규화 상호정보량을 가지는 상기 뇌신경 세포 쌍을 제거하여 유의한 네트워크 모형을 추출하는 네트워크 모형 추출부;남은 뇌신경 세포 쌍의 특성을 추출하여 정량적 네트워크 특성을 추출하는 네트워크 특성 추출부; 및상기 추출된 네트워크 특성을 기계학습 분류기를 이용하여 상기 뇌신경 세포의 운동 상태를 예측하는 운동상태 예측부;를 포함하는 운동정보 디코딩을 위한 뇌신경 세포 간의 운동관련 네트워크 특성 추출 장치
|
