| 1 |
1
단일채널 뇌파를 이용한 의식수준 예측 장치에 있어서, 단일채널 뇌파 장비로부터 피검자의 뇌파 신호를 획득하는 뇌파 획득부, 상기 획득한 뇌파 신호를 시계열적으로 분석하여 기준시간 동안 발생된 버스트(burst) 구간과 평탄 구간(suppression)을 추출하고, 상기 추출된 버스트 구간과 평탄 구간 사이의 길이 비율에 따른 평탄파 비율(BSR, burst suppression ratio)을 산출하는 제1 뇌파 분석부, 상기 시계열적으로 분석이 완료된 뇌파 신호를 주파수 계열의 신호로 변환하여 주파수 파워 스펙트럼을 생성한 다음, 생성된 주파수 파워 스펙트럼을 분석하여 베타비율 및 위상일치정도(Synch Fast Slow)를 획득하는 제2 뇌파 분석부, 상기 평탄파 비율(BSR), 베타비율 및 위상일치정도에 대한 점수 배점 기준을 설정하고, 상기 설정된 점수 배점 기준에 따라 평탄파 비율(BSR), 베타비율 및 위상일치정도의 점수를 각각 산출한 다음, 산출된 점수를 합산하거나 평균 처리하여 뇌파 지표를 획득하는 연산처리부, 그리고상기 획득한 뇌파 지표를 글라스고우 혼수 척도(GCS score)를 예측하도록 설계된 제1 학습모델 또는 AVPU scale을 예측하도록 설계된 제2 학습모델 중에서 선택된 어느 하나의 학습모델에 입력하여 의식측정값을 획득하고, 획득한 의식측정값을 디스플레이를 통해 출력하는 제어부를 포함하는 의식수준 예측 장치
|
| 2 |
2
제1항에 있어서, 상기 피검자의 두피에 부착된 표면전극을 통해 획득한 뇌파 신호와, 상기 뇌파 신호를 획득하는 시점에서 전문의에 의해 부여된 글라스고우 혼수 척도(GCS score) 또는 AVPU scale를 획득하고, 획득한 뇌파 신호 및 글라스고우 혼수 척도(GCS score) 또는 AVPU scale를 학습 모델에 입력하여 학습시키는 학습부를 더 포함하는 의식수준 예측 장치
|
| 3 |
3
제1항에 있어서, 상기 뇌파 획득부는, 복수개의 신호 전극을 이용하여 측정된 아날로그 뇌파 신호를 증폭한 후, 상기 아날로그 뇌파 신호를 디지털 뇌파 신호로 변환하고, 대역통과필터 및 대역저지필터를 적용하여 상기 디지털 뇌파 신호에 포함된 잡음을 제거하는 의식수준 예측 장치
|
| 4 |
4
제3항에 있어서, 상기 제1 뇌파 분석부는, 상기 디지털 뇌파 신호를 기 설정된 시간 단위로 수집한 다음, 디지털 뇌파 신호의 진폭이 기준진폭보다 작으며, 기 설정된 시간 동안 연속적이면 해당되는 구간을 평탄 구간으로 설정하고, 상기 디지털 뇌파 신호의 진폭이 기준진폭보다 크면 해당되는 구간을 버스트 구간으로 설정하는 의식수준 예측 장치
|
| 5 |
5
제4항에 있어서, 상기 제1 뇌파 분석부는, 상기 버스트 구간과 평탄 구간의 총 시간 비율을 이용하여 평탄파 비율(BSR)을 산출하는 의식수준 예측 장치
|
| 6 |
6
제1항에 있어서, 상기 제2 뇌파 분석부는, 상기 디지털 뇌파 신호에 푸리에 변환(Fourier Transform)을 적용하여 주파수 파워 스펙트럼을 생성하고, 상기 생성된 주파수 파워 스펙트럼으로부터 11Hz 내지 20 Hz 대역의 주파수 스펙트럼 파워 값의 합과 30Hz 내지 47Hz 대역의 주파수 스펙트럼 파워 값의 합의 비율을 이용하여 베타 비율을 산출하는 의식수준 예측 장치
|
| 7 |
7
제6항에 있어서, 상기 제2 뇌파 분석부는, 상기 주파수 파워 스펙트럼에 바이스펙트럼 계열 분석 알고리즘을 적용하여, 40Hz 내지 47Hz 대역의 바이스펙트럼의 피크 값의 합과 0
|
| 8 |
8
제1항에 있어서, 상기 학습모델은, 다변량 로지스틱 회귀 모형(Logistic Regression) 알고리즘, 랜덤 포레스트(Random forest) 알고리즘 및 서포트 벡터 머신(Support Vector Machine) 알고리즘 중에서 적어도 하나의 알고리즘으로 구축되는 의식수준 예측 장치
|
| 9 |
9
의식수준 예측 장치를 이용한 의식수준 예측 방법에 있어서, 단일채널 뇌파 장비로부터 피검자의 뇌파 신호를 획득하는 단계, 상기 획득한 뇌파 신호를 시계열적으로 분석하여 기준시간 동안 발생된 버스트(burst) 구간과 평탄 구간(suppression)을 추출하고, 상기 추출된 버스트 구간과 평탄 구간 사이의 길이 비율에 따른 평탄파 비율(BSR, burst suppression ratio)을 산출하는 단계, 상기 시계열적으로 분석이 완료된 뇌파 신호를 주파수 계열의 신호로 변환하여 주파수 파워 스펙트럼을 생성한 다음, 생성된 주파수 파워 스펙트럼을 분석하여 베타비율 및 위상일치정도(Synch Fast Slow)를 획득하는 단계, 상기 평탄파 비율(BSR), 베타비율 및 위상일치정도에 대한 점수 배점 기준을 설정하고, 상기 설정된 점수 배점 기준에 따라 평탄파 비율(BSR), 베타비율 및 위상일치정도의 점수를 각각 산출한 다음, 산출된 점수를 합산하거나 평균 처리하여 뇌파 지표를 획득하는 단계, 그리고상기 획득한 뇌파 지표를 글라스고우 혼수 척도(GCS score)를 예측하도록 설계된 제1 학습모델 또는 AVPU scale을 예측하도록 설계된 제2 학습모델 중에서 선택된 어느 하나의 학습모델에 입력하여 의식측정값을 획득하고, 획득한 의식측정값을 디스플레이를 통해 출력하는 단계를 포함하는 의식수준 예측 방법
|
| 10 |
10
제9항에 있어서, 상기 피검자의 두피에 부착된 표면전극을 통해 획득한 뇌파 신호와, 상기 뇌파 신호를 획득하는 시점에서 전문의에 의해 부여된 글라스고우 혼수 척도(GCS score) 또는 AVPU scale를 획득하고, 획득한 뇌파 신호 및 글라스고우 혼수 척도(GCS score) 또는 AVPU scale를 학습 모델에 입력하여 학습시키는 단계를 더 포함하는 의식수준 예측 방법
|
| 11 |
11
제9항에 있어서, 상기 뇌파 신호를 획득하는 단계는, 복수개의 신호 전극을 이용하여 측정된 아날로그 뇌파 신호를 증폭한 후, 상기 아날로그 뇌파 신호를 디지털 뇌파 신호로 변환하고, 대역통과필터 및 대역저지필터를 적용하여 상기 디지털 뇌파 신호에 포함된 잡음을 제거하는 의식수준 예측 방법
|
| 12 |
12
제11항에 있어서, 상기 평탄파 비율(BSR)을 산출하는 단계는, 상기 디지털 뇌파 신호를 기 설정된 시간 단위로 수집한 다음, 디지털 뇌파 신호의 진폭이 기준진폭보다 작으며, 기 설정된 시간 동안 연속적이면 해당되는 구간을 평탄 구간으로 설정하고, 상기 디지털 뇌파 신호의 진폭이 기준진폭보다 크면 해당되는 구간을 버스트 구간으로 설정하는 의식수준 예측 방법
|
| 13 |
13
제12항에 있어서, 상기 평탄파 비율(BSR)을 산출하는 단계는, 상기 버스트 구간과 평탄 구간의 총 시간 비율을 이용하여 평탄파 비율(BSR)을 산출하는 의식수준 예측 방법
|
| 14 |
14
제9항에 있어서, 상기 베타비율 및 위상일치정도를 획득하는 단계는, 상기 디지털 뇌파 신호에 푸리에 변환(Fourier Transform)을 적용하여 주파수 파워 스펙트럼을 생성하고, 상기 생성된 주파수 파워 스펙트럼으로부터 11Hz 내지 20 Hz 대역의 주파수 스펙트럼 파워 값의 합과 30Hz 내지 47Hz 대역의 주파수 스펙트럼 파워 값의 합의 비율을 이용하여 베타 비율을 산출하는 의식수준 예측 방법
|
| 15 |
15
제14항에 있어서, 상기 베타비율 및 위상일치정도를 획득하는 단계는, 상기 주파수 파워 스펙트럼에 바이스펙트럼 계열 분석 알고리즘을 적용하여, 40Hz 내지 47Hz 대역의 바이스펙트럼의 피크 값의 합과 0
|
| 16 |
16
제9항에 있어서, 상기 학습모델은, 다변량 로지스틱 회귀 모형(Logistic Regression) 알고리즘, 랜덤 포레스트(Random forest) 알고리즘 및 서포트 벡터 머신(Support Vector Machine) 알고리즘 중에서 적어도 하나의 알고리즘으로 구축되는 의식수준 예측 방법
|
