컴퓨팅 장치에서 실행되는 fNIRS 신호를 이용한 자살 위험군 분류 방법에서,기능적 근적외선 분광법(fNIRS: functional Near-Infrared Spectroscopy) 장치를 이용하여 피측정자의 뇌의 혈류 변화에 따른 헤모글로빈 농도의 변화를 측정한 fNIRS 신호 데이터를 획득하는 단계,상기 fNIRS 신호 데이터를 기초로 자살 위험군 분류 모델에 입력할 특징 데이터를 추출하는 단계, 및상기 추출된 특징 데이터를 상기 자살 위험군 분류 모델에 입력하여 상기 피측정자에 대한 자살 위험군 분류 결과를 출력하는 단계를 포함하고,상기 fNIRS 신호 데이터를 기초로 자살 위험군 분류 모델에 입력할 특징 데이터를 추출하는 단계는,상기 fNIRS 신호 데이터가 상기 피측정자가 인지 과제를 수행하기 전의 휴지기 동안 획득된 경우 상기 fNIRS 신호 데이터를 분석하여 획득한 상기 피측정자의 뇌 디폴트 모드 네트워크 분석 결과 중 하나 이상을 특징 데이터로 추출하는 단계, 및상기 fNIRS 신호 데이터가 상기 피측정자가 미리 정해진 인지 과제를 수행하는 과제 수행기 동안 획득된 경우 상기 fNIRS 신호 데이터를 미리 정해진 시간 구간으로 나누어 평균값, 기울기, 중앙값, 최댓값, 분산, 첨도 및 왜도 중 하나 이상의 통계값으로 특징 데이터를 추출하는 단계를 포함하며,상기 뇌 디폴트 모드 네트워크 분석 결과는 clustering coefficient(군집 계수), characteristic path length(평균 이동 거리),　local efficiency(국부 효율), global efficiency(전역 효율),　Whole-brain correlation analysis(전체 뇌 상관 분석) 중 하나 이상을 포함하는 컴퓨팅 장치에서 실행되는 fNIRS 신호를 이용한 자살 위험군 분류 방법.

제 1 항에서,상기 자살 위험군 분류 모델은,자살생각 검사 척도 검사 결과가 fNIRS 신호 데이터에서 추출된 특징 데이터에 라벨링된 훈련 데이터 셋으로 학습되는 컴퓨팅 장치에서 실행되는 fNIRS 신호를 이용한 자살 위험군 분류 방법.

제 2 항에서,상기 fNIRS 신호 데이터는 상기 피측정자의 뇌혈류 산화 헤모글로빈의 농도 및 환원 헤모글로빈의 농도 중 적어도 하나를 포함하는 시계열 데이터인 컴퓨팅 장치에서 실행되는 fNIRS 신호를 이용한 자살 위험군 분류 방법.

제 2 항에서,상기 훈련 데이터 셋은 피측정자가 수행한 인지 과제의 과제 종류, 과제 난이도 및 과제 수행 결과 중 하나 이상을 더 포함하여 구성되고,상기 피측정자가 수행한 인지 과제의 과제 종류, 과제 난이도 및 과제 수행 결과 중 하나 이상을 상기 피측정자에 대해 추출된 특징 데이터와 함께 상기 자살 위험군 분류 모델에 입력하여 상기 피측정자에 대한 자살 위험군 분류 결과를 출력하는 컴퓨팅 장치에서 실행되는 fNIRS 신호를 이용한 자살 위험군 분류 방법.

제 1 항 내지 제 4 항 중 어느 한 항에 기재된 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.

컴퓨팅 장치로서,적어도 하나의 인스트럭션을 저장하는 메모리; 및적어도 하나의 프로세서; 를 포함하고,상기 적어도 하나의 프로세서는,기능적 근적외선 분광법 장치를 이용하여 피측정자의 뇌의 혈류 변화에 따른 헤모글로빈 농도의 변화를 측정한 fNIRS 신호 데이터를 획득하는 단계,상기 fNIRS 신호 데이터를 기초로 자살 위험군 분류 모델에 입력할 특징 데이터를 추출하는 단계, 및상기 추출된 특징 데이터를 상기 자살 위험군 분류 모델에 입력하여 상기 피측정자에 대한 자살 위험군 분류 결과를 출력하는 단계를 실행하고,상기 fNIRS 신호 데이터를 기초로 자살 위험군 분류 모델에 입력할 특징 데이터를 추출하는 단계는,상기 fNIRS 신호 데이터가 상기 피측정자가 인지 과제를 수행하기 전의 휴지기 동안 획득된 경우 상기 fNIRS 신호 데이터를 분석하여 획득한 상기 피측정자의 뇌 디폴트 모드 네트워크 분석 결과 중 하나 이상을 특징 데이터를 추출하는 단계 및상기 fNIRS 신호 데이터가 상기 피측정자가 미리 정해진 인지 과제를 수행하는 과제 수행기 동안 획득된 경우 상기 fNIRS 신호 데이터를 미리 정해진 시간 구간으로 나누어 평균값, 기울기, 중앙값, 최댓값, 분산, 첨도 및 왜도 중 하나 이상의 통계값으로 특징 데이터를 추출하는 단계를 포함하고,상기 뇌 디폴트 모드 네트워크 분석 결과는 clustering coefficient(군집 계수), characteristic path length(평균 이동 거리),　local efficiency(국부 효율), global efficiency(전역 효율),　Whole-brain correlation analysis(전체 뇌 상관 분석) 중 하나 이상을 포함하는 컴퓨팅 장치.

제 6 항에서,상기 자살 위험군 분류 모델은,자살생각 검사 척도(Scale for Suicide Ideation: SSI) 검사 결과가 fNIRS 신호 데이터에서 추출된 특징 데이터에 라벨링된 훈련 데이터 셋으로 학습되는 컴퓨팅 장치.

제 7 항에서,상기 fNIRS 신호 데이터는 상기 피측정자의 뇌혈류 산화 헤모글로빈의 농도 및 환원 헤모글로빈의 농도 중 적어도 하나를 포함하는 시계열 데이터인 컴퓨팅 장치.

제 7 항에서,상기 훈련 데이터 셋은 피측정자가 수행한 인지 과제의 과제 종류, 과제 난이도 및 과제 수행 결과 중 하나 이상을 더 포함하여 구성되고,상기 피측정자가 수행한 인지 과제의 과제 종류, 과제 난이도 및 과제 수행 결과 중 하나 이상을 상기 피측정자에 대해 추출된 특징 데이터와 함께 상기 자살 위험군 분류 모델에 입력하여 상기 피측정자에 대한 자살 위험군 분류 결과를 출력하는 컴퓨팅 장치.