선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 사용자가 실시간으로 뇌파를 측정하고 분석하여, 우울증의 강도에 따라 치료를 받을 수 있는 시스템을 구현하였다.
제안 방법
- 뇌파의 취득이 종료되면 각 채널에 해당하는 Raw data 는 각 채널별 스택에 저장되고, FFT 모듈에서 채널을 선택해 해당 채널의 신호를 FFT 분석하여 주파수 빈도를 검사한다. 모듈의 결과 값은 집중도와 우울 척도를 알아내는 정보로 사용된다.
- 본 논문에서 개발한 소프트웨어는 사용자의 뇌파를 실시간으로 측정하고 분석하여 우울증 여부를 판단하는 시스템이다.
- 우선 환자 (사용자)가 태블릿 PC를 통해 설문을 작성한다. 설문 내용은 BDI(Beck Depression Inventor, 벡의 우울척도)를 기준으로 작성되고 모든 문항의 작성이 완료 될 경우 서버로 정송된다. 설문을 종료한 환자는 뇌파 측정기를 통해 뇌파를 측정한다.
- 설문을 완설문 모니터링 및 수정 모듈에서는 그림 4와 같이 환자가 태블릿 PC를 통해 설문에 응답할 수 있다. 설문을 완는 문서로 구성되며, 이는 환자의 주민등록번호와 같은 개인정보를 노출 시키지 않기 위한 최소한의 정보만 포함하여 보안성을 높이도록 설계 되었다. 그림 5와 그림 6은 데이터 송수신을 위한 XML 문서의 정의와 DB 구조도 이다.
- 설문 내용은 BDI(Beck Depression Inventor, 벡의 우울척도)를 기준으로 작성되고 모든 문항의 작성이 완료 될 경우 서버로 정송된다. 설문을 종료한 환자는 뇌파 측정기를 통해 뇌파를 측정한다. 측정된 뇌파의 Raw data를 FFT 분석을 통하여 각 채널별 주파수 정보로 변환한다.
- 실시간으로 뇌파를 취득하고 이를 분석하여 우울증 여부를 판단하는 시스템을 구현했다. 우울증의 정확한 진단을 위해서는 문진을 통한 전문의의 판단이 필요하지만, 본 논문에서 제시되는 기술은 문지 이외의 진단 수단에 대한 가능성을 보여준다.
- 그림 3은 우울증 진단 시나리오를 나타낸다. 우선 환자 (사용자)가 태블릿 PC를 통해 설문을 작성한다. 설문 내용은 BDI(Beck Depression Inventor, 벡의 우울척도)를 기준으로 작성되고 모든 문항의 작성이 완료 될 경우 서버로 정송된다.
- 2KB의 데이터를 수신하며 각각의 채널별로 분류해야한다. 이 프로그램에서는 데이터를 수신하기 위한 TCP/IP 모듈의 Thread와 뇌파 측정 모듈에서 그래프를 실시간으로 처리하기 위한 Thread로 구성된다. 이와 같은 2개의 Thread간의 동기화 문제를 해결하기 위해 프로그램 전역에서 접근할 수 있는 인스턴스를 생성하고, 해당 인스턴스는 TCP/IP 모듈에서 수신하는 모든 데이터를 저장함과 동시에 각각의 채널별로 나눠진 스택에 채널별 데이터를 저장한다.
- 이 프로그램에서는 데이터를 수신하기 위한 TCP/IP 모듈의 Thread와 뇌파 측정 모듈에서 그래프를 실시간으로 처리하기 위한 Thread로 구성된다. 이와 같은 2개의 Thread간의 동기화 문제를 해결하기 위해 프로그램 전역에서 접근할 수 있는 인스턴스를 생성하고, 해당 인스턴스는 TCP/IP 모듈에서 수신하는 모든 데이터를 저장함과 동시에 각각의 채널별로 나눠진 스택에 채널별 데이터를 저장한다. 이와 같은 알고리즘을 적용함으로써 TCP/IP 수신 모듈과 뇌파 측정과 동시에 실시간으로 그래프를 처리하는 모듈과의 데이터 충돌을 예방할 수 있고, 채널별로 파형을 분류하는 자원을 절약해 추후에 FFT 모듈의 호출시 계산량을 줄일 수 있다.
- 설문을 종료한 환자는 뇌파 측정기를 통해 뇌파를 측정한다. 측정된 뇌파의 Raw data를 FFT 분석을 통하여 각 채널별 주파수 정보로 변환한다. 이 때, 각 채널별 주파수 정보로 우울, 지중, 이완의 결과값을 제공한다.
대상 데이터
- 그림 7은 뇌파데이터 고속 처리 알고리즘 구조도이다. 뇌파 측정기를 통하여 측정된 뇌파는 4바이트의 정수형으로 이뤄져 있으며 각 채널마다 초당 250개의 데이터를 수신하고, 총 32개의 채널로 구성되어 있다. 결과적으로 4Byte * 250 * 32ch로 초당 약 3.
- 전체 시스템은 설문 모니터링 및 수정 모듈, 뇌파 측정 모듈, FFT 변환 모듈, rTMS 설정 모듈로 구성되어 있다.
이론/모형
- 뇌파를 주파수 대역별로 분리하기 위하여 FFT 분석법이 사용된다. FFT 분석법은 뇌파를 다른 진폭 및 주기를 갖는 여러 sine파나 cosine파로 구성되어 있으며 각각의 sine파 혹은 cosine파로 분리될 수 있다는 19세기 프랑스 수학자 푸리에의 이론에 의해 파형을 여러 개의 파로 분리해 내는 방법이다.
성능/효과
- 이 때, 각 채널별 주파수 정보로 우울, 지중, 이완의 결과값을 제공한다. 결과값은 의사가 육안으로 측정한 결과, 프로그램이 분석한 결과값으로 나뉘어 두 가지 소견서가 작성되며 의사는 분석된 결과를 기반으로 rTMS(repetitive Transcranial Manetic Stimulation)의 설정값을 지정하고 환자가 받게 될 치료방향을 결정한다. rTMS는 강한 자기 장을 이용해 두뇌의 특정 부위를 집중 자극하여 각종 뇌신경 질환의 치료를 돋는 의료기기이다.
- 실시간으로 뇌파를 취득하고 이를 분석하여 우울증 여부를 판단하는 시스템을 구현했다. 우울증의 정확한 진단을 위해서는 문진을 통한 전문의의 판단이 필요하지만, 본 논문에서 제시되는 기술은 문지 이외의 진단 수단에 대한 가능성을 보여준다. 전자기적 자극을 통한 뇌 조절기기가 약물치료에 이어 본격적으로 진료에 도입되고 있으므로 우울증 진단에도 컴퓨터를 이용한 방식에 대한 연구가 요구되고 있다.
후속연구
- 이와 같은 2개의 Thread간의 동기화 문제를 해결하기 위해 프로그램 전역에서 접근할 수 있는 인스턴스를 생성하고, 해당 인스턴스는 TCP/IP 모듈에서 수신하는 모든 데이터를 저장함과 동시에 각각의 채널별로 나눠진 스택에 채널별 데이터를 저장한다. 이와 같은 알고리즘을 적용함으로써 TCP/IP 수신 모듈과 뇌파 측정과 동시에 실시간으로 그래프를 처리하는 모듈과의 데이터 충돌을 예방할 수 있고, 채널별로 파형을 분류하는 자원을 절약해 추후에 FFT 모듈의 호출시 계산량을 줄일 수 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.