EEG functional connectivity graph-based AI for epilepsy and etiology differentiation of impaired consciousness
연구 내용
EEG 기능연결성의 그래프 지표와 딥러닝을 활용해 뇌전증 및 의식저하의 원인을 감별하고 채널 수를 줄인 진단 보조 체계를 구축하는 연구
EEG에서 기능연결성을 구성하고 그래프 이론 기반 측정치를 추출하여 뇌전증 및 의식저하의 병태생리 차이를 정량화하는 연구를 수행합니다. 주기성 방전이 동반된 비발작 상태와 대사성 뇌병증의 네트워크 속성 차이를 비교하고, 기능연결성 인접행렬 및 그래프 특징을 입력으로 기계학습·딥러닝 모델을 적용해 분류 성능을 평가합니다. 또한 사전발작 기간의 네트워크 보존성을 기준으로 최소 채널 구성을 설계하여 환자 부담을 줄이는 방향을 병행하며, 약물난치성 뇌전증 환자에서 rTMS 후 구조 변화와 임상 지표 간 연계도 함께 분석합니다.
관련 연구 성과
관련 논문
4편
관련 특허
0건
관련 프로젝트
2건
연구 흐름
초기에는 EEG 신호에서 기능연결성 네트워크를 구성하고 그래프 지표가 비발작 주기성 방전 조건 간 차이를 설명하는지 규명하는 연구를 수행했습니다. 이후에는 그래프 측정치와 기능연결성 표현을 결합해 의식저하 원인 감별을 위한 AI 분류 모델을 확장했습니다. 2024년 전후로는 rTMS 치료 전후의 구조 변화와 임상 결과의 연계를 voxel-based morphometry로 확인하며 치료 메커니즘 해석을 보강했습니다. 최근에는 네트워크 기반 채널 선택으로 최소 전극 진단 구성을 제안하고, 임상 적용을 고려한 효율 중심의 시스템으로 발전시키고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Differences in functional network between focal onset nonconvulsive status epilepticus and toxic metabolic encephalopathy: application to machine learning models for differential diagnosis
Differentiating loss of consciousness causes through artificial intelligence-enabled decoding of functional connectivity
Increased cerebellar vermis volume following repetitive transcranial magnetic stimulation in drug-resistant epilepsy: a voxel-based morphometry study
Optimal channel selection of electroencephalography based on functional network via global graph measurements: application for epilepsy
관련 프로젝트
구분
제목
뇌파를 이용한 머신러닝 기반 의식저하 감별진단 시스템 개발
뇌전증 환자 발작빈도 감소를 위한 개인 맞춤형 최적의 반복적 경두개자기자극술(rTMS) 솔루션 개발