[논문]MRI와 동시 측정한 뇌전도 신호에서 경사자계 유발잡음의 제거

이항로; 이하나; 한재용; 박태석; 이수열

[국내논문] MRI와 동시 측정한 뇌전도 신호에서 경사자계 유발잡음의 제거
Gradient Noise Reduction in EEG Acquired During MRI Scan 원문보기

대한자기공명의과학회지 = Journal of the Korean society of magnetic resonance in medicine, v.8 no.1, 2004년, pp.1 - 8

이항로 (경희대학교 동서의학대학원 의료공학) , 이하나 (경희대학교 동서의학대학원 의료공학) , 한재용 (경희대학교 동서의학대학원 의료공학) , 박태석 (경희대학교 동서의학대학원 의료공학) , 이수열 (경희대학교 동서의학대학원 의료공학)

초록
AI-Helper

목적: MRI를 촬영하면서 뇌전도 신호를 동시에 측정하는 것은 뇌기능 영상에 있어 매우 필요한 일이다. 그러나 MRI와 동시에 측정한 뇌전도 신호에는 많은 잡음이 유발되는데 이중 가장 심각한 영향을 주는 것은 경사자계에 의해서 유발되는 잡음이다. 경사자계 유발잡음을 ICA를 이용하여 효과적으로 제거하는 방법을 개발하고자 한다. 대상 및 방법: 29채널의 MR-compatible 뇌전도 측정시스템과 3.0 T MRI 시스템을 실험에 사용하였다. 3.0 T MRI 시스템 안에 뇌전도 캡을 쓴 피험자를 놓고 EPI 촬영을 하면서 뇌전도 신호를 측정하였다. 측정된 뇌전도 신호에 대하여 ICA를 적용해 경사자계 유발 잡음을 선택적으로 제거하였다. 제거한 결과를 평균화 방법과 PCA 방법을 사용해 얻은 결과와 비교하였다. 결과: ICA 방법, 평균화 방법 , PCA 방법 모두 경사자계 유발잡음 제거에 있어 일정 부분 효과가 있었다. 그러나 이들 방법들을 상호 비교하였을 때 잡음 제거 결과는 ICA 방법이 평균화 방법과 PCA 방법에 비해 우수하였다. 결론: ICA를 이용하여 경사자계 유발 잡음을 효과적으로 제거할 수 있었다. 잡음이 제거된 뇌전도 신호는 간질환자에 대한 뇌기능영상이나 뇌전도결합 fMRI 촬영에 활용될 수 있을 것이다.

Abstract ▼ AI-Helper

Purpose : Information about electrical activity inside the brain during fMRl scans is very useful in monitoring physiological function of the patient or locating the spatial position of the activated region in the brain. However, many additional noises appear in the EEG signal acquired during the MRI scan. Gradient induced noise is the biggest one among the noises. In this work, we propose a gradient noise reduction method using the independent component analysis (ICA) method. Materials and Methods : We used a 29-channel MR-compatible EEG measurement system and a 3.0 Tesla MRI system. We measured EEG signals on a subject lying inside the magnet during EPI scans. We selectively removed the gradient noise from the measured EEG signal using the ICA method. We compared the results with the ones obtained with conventional averaging method and PCA method. Results : All the noise reduction methods including the averaging and PCA methods were effective in removing the noise in some extent. However, the proposed ICA method was found to be superior to the other methods. Conclusion : Gradient noise in EEG signals acquired during fMRI scans can be effectively reduced by the ICA method. The noise-reduced EEG signal can be used in fMRI studies of epileptic patients or combinatory studies of fMRI and EEG.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

결론으로 MRI와 동시 측정된 뇌전도 신호에서 경사자계 유발잡음을 효과적으로 제거하는 공간필터의 사용에 대해 소개하였다. 공간필터는 PCA와 ICA를 이용해 설계될 수 있는데 ICA를 이용해 설계한 공간필터가 더 우수한 성능을 보였다.
본 연구에서는 경사자계 유발잡음의 제거를 위하여 독립성분분석(ICA: Independent Component Analysis) 방법을 사용하여 공간 필터링을 수행하는 방법을 제안하였다. 그리고 ICA방법의 효과를 평가하기 위하여 , 일반적으로 많이 사용되고있는 평균화 방법과 주성분분석(PCA: Principal ComponentAnalysis) 방법을 구현하여 이들 결과들을 비교하였다.
즉, 일반적인 뇌파와 Gaussian 잡음은 무작위성을 가지고 있고, 경사자계 파형은 주기성을 가지고 있으므로 MRI sequence와 동기를 맞추어 반복해 측정한 뇌전도 신호에 대해 평균화를 취하게 되면 경사자계 유발잡음 파형을 추정할 수 있다. 본 연구에서는 경사자계 파형 중 가장 큰 세기를 가지는spoiling gradient 파형에 동기를 맞추었다. 뇌전도 신호의 표본화 주파수는 5 kHz이었다.

가설 설정

Fig. 4(c)는 (b)의 파형을 확대해서 도시한 것이다. 그리고 Fig.
나타낸다. 본 논문에서는 경사자계 유발 잡음의 제거에 초점을 맞추고 있기 때문에, 정자장의 영향과 심장 박동에 의한 잡음은 경사자계 유발 잡음에 비해 무시할 정도로 작다고 가정하였다. 이러한 가정 아래 위의 수식을 다음과 같이 간소화 시킬 수 있다.
이 분리 행렬의 열은 상호 독립성분의 가중치를 나타내게 된다. 여러 번 측정한 신호를 분리해본결과 eigen value값이 7개까지가 의미 있는 값을 가지고 있으며 7개 이후의 값은 거의 0에 가까운 값이어서 독립성분 추출갯수를 8개로 가정하였다. 따라서 전술한 PCA의 방법에서처럼경사자계 성분 파형을 나타내는 열들을 분리 행렬에서 찾은 뒤이 열들의 값을 0으로 치환하면 공간필터 F를 만들 수 있다.

제안 방법

29개의 뇌전도 전극과 2개의 심전도 전극으로 구성된 MRI-compatible 뇌전도 신호 측정시스템(BrainAmp MR, Brain Products GmbH, Munchen, Germany)을 뇌전도 신호 즉정에 사용하였다. 뇌전도 신호증폭기는 입력 임피던스가 10 M9 이며, CMRR은 90 dB이며, MRI 마그넷 내부로부터 전자파차폐실 밖으로의 신호전송을 위해 광케이블을 사용한다.
이 V' 을 식 〔3〕의 V와 대치하게 되면 경사자계 유발 잡음이 제거된 S' eeg를 얻을 수 있게 된다.EPI scan 한 구간에서 획득한 뇌전도 신호에 대해 얻은 PCA분석결과를 다른 구간에 적용하기 위하여 공간필터 F를 구성하였다. 일 회의 PCA 계산으로 공간 필터를 구성하게 되면 이 공간 필터를 전 구간의 뇌전도 신호에 대해 적용할 수 있어 PCA 에 소요되는 연산시간을 획기적으로 줄일 수 있게 될 뿐만 아니라 실시간으로 잡음을 제거할 수 있게 된다.
따라서 전술한 PCA의 방법에서처럼경사자계 성분 파형을 나타내는 열들을 분리 행렬에서 찾은 뒤이 열들의 값을 0으로 치환하면 공간필터 F를 만들 수 있다.ICA 방법에서도 PCA 방법에서와 마찬가지로 EPI scan 한 구간에서 얻은 뇌전도 파형들에 대해 공간필터를 구한 뒤 이 공간 필터를 전구간의 뇌전도 신호에 적용하였다. 선택한 구간의 범위는 신호가 그 형태를 충분히 지니고 있으며, 잡음의 형태가 나타날 수 있도록 범위를 가변하여 구간을 선택하였다.
PCA를 적용해 추출된 주성분과 고유값 정보를 이용하여 잡음 제거를 위한 공간 필터를 구성하였다. 분리한 주성분들은 뇌전도 신호 성분과 경사자계 잡음성분으로 쉽게 구분될 수 있다.
그리고 ICA방법의 효과를 평가하기 위하여 , 일반적으로 많이 사용되고있는 평균화 방법과 주성분분석(PCA: Principal ComponentAnalysis) 방법을 구현하여 이들 결과들을 비교하였다.
추출해 신호의 차원을 줄여나가는 방법인 SingularValue Decomposition(SVD)을 이용해 수행하였다. 먼저5kHz로 표본화 되어 있는 뇌전도 파형에서 경사자계 유발잡음이 섞여있는 구간을 선택한 다음 SVD를 수행하였다. 측정된 뇌 전도 신호를 Seeg라고 하면
빼는 방법이다. 본 연구에서는 평균화 방법과 더불어 PCA와 ICA를 이용하여 잡음 제거 공간 필터를 구성하는 방법을 제안하고 적용시켰다.
그러나 5 kHz의 표본화 주파수로는 동기의 정확성이 충분하지 않아서 측정된 뇌전도 파형을cubic spline 방법을 사용하여 20배로 보간하였다. 이렇게 보간한 뇌전도 파형에 대해 30회 평균화를 취하여 경사자계 유발잡음 파형을 추출하였다.

대상 데이터

EPI 촬영에서 TE는 36 ms, volume TR은 3500 ms, 영상의 크기는 128x128. 그리고 영상 절편의 수는 10개로 하였다.
5 mV의 동적구간을 가지고 있다. 뇌전도 신호의 측정에 사용한 표본화 주파수는 5 kHz이며 , 0.3 Hz 의 고주파대역 통과필터와 60 Hz 노치 필터를 사용하였다. 뇌전도 신호를 측정할 때에는 측정하고자 하는 뇌전도 신호의 종류에 따라 저주파 필터를 적용하지만 경사자계 유발잡음의 왜곡을 최대한 없애기 위해 저주파 필터는 측정 시에 사용하지 않았다.

이론/모형

PCA는 다차원 배열의 신호를 대표할 수 있는 몇 개의 주성분을 추출해 신호의 차원을 줄여나가는 방법인 SingularValue Decomposition(SVD)을 이용해 수행하였다. 먼저5kHz로 표본화 되어 있는 뇌전도 파형에서 경사자계 유발잡음이 섞여있는 구간을 선택한 다음 SVD를 수행하였다.
뇌전도 신호의 표본화 주파수는 5 kHz이었다. 그러나 5 kHz의 표본화 주파수로는 동기의 정확성이 충분하지 않아서 측정된 뇌전도 파형을cubic spline 방법을 사용하여 20배로 보간하였다. 이렇게 보간한 뇌전도 파형에 대해 30회 평균화를 취하여 경사자계 유발잡음 파형을 추출하였다.
따라서 A를 안다면 독립적 인 신호 성분들을 구할 수 있을 것이다. 본 연구에서는 ICA계산을 위해 FastICA 알고리즘을 사용하였다 (15). 뇌전도 신호는 전류원에 의해 유발된 신호를 외부에서 다채널을 사용하여 측정한 신호이다.

성능/효과

5(c) 에 EPI 경사자계 잡음 영향이 있는 뇌파 부분에 대해 ICA 방법을 가지고 잡음을 제거한 뒤 주파수 성분을 나타내었다. EPI 촬영에 의한 소음 자극이 가해지는 상태에서 얻은 뇌파이어서 소음 자극이 없는 부분에서 기록한 뇌파와 주파수 성분이 같을 수는 없으나 8-12 Hz 부근의 α-파 성분이 복원됨을 알 수 있다. 그러나 EPI 촬영의 반복 주파수인 5 Hz의 고조파 성분이 잔존함을 알 수 있다.
공간필터는 PCA와 ICA를 이용해 설계될 수 있는데 ICA를 이용해 설계한 공간필터가 더 우수한 성능을 보였다. 또한 ICA 방법은 현재 일반적으로 사용되는 평균화 방법보다 더 우수한 성능을 가짐을 보여주었다.
공간필터는 PCA와 ICA를 이용해 설계될 수 있는데 ICA를 이용해 설계한 공간필터가 더 우수한 성능을 보였다. 또한 ICA 방법은 현재 일반적으로 사용되는 평균화 방법보다 더 우수한 성능을 가짐을 보여주었다.
마지막으로 ICA 방법의 결과인 (f)와 (g)에서는 경사자계 유발잡음이 가장 효과적으로 제거된 것을 알 수 있다. 이 결과를 통하여 볼 때, 경사자계 유발잡음을 제거하는 데 ICA방법이 가장 효과적임을 알 수있다. Fig.

후속연구

뇌 기능 활동 분석에 있어 뇌전도와 fMRI 정보를 동시에 사용한다면 높은 공간해상도로 대표되는 fMRI의 장점과 높은 시간 해상도로 대표되는 뇌전도의 장점을 모두 얻을 수 있을 것이다. 뇌전도와 fMRI의 결합은 그 잠재되어 있는 장점으로 인하여 점점 더 그 사용 범위가 늘어가고 있다 (1-3).
잡음 성분을 잘못 선택하는 경우 ICA 방법은 원 신호를 왜곡할 수 있는 가능성이 있다. 앞으로 수행될 연구에서는 분리한 독립성분의 선택을 효과적으로 하는 방법들이 찾아져야 할 것이다.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증