Research Topics

 

VIII. Functional Electromagnetic Source Imaging

 

기능적 전자기 신호원 영상 기술 - 보다 정확한 신호원 영상을 획득하기 위한 연구

 


 

기능적 전자기 신호원 영상이란

뇌파 또는 뇌자도 신호는 머리 외부에서 측정이 되므로 내부의 신호원의 3차원적인 위치를 정확하게 추정할 수 없는 경우가 빈번하며, 특히 뇌파의 경우 두개골의 낮은 전기전도도의 영향으로 중첩된 두피 전위 분포를 나타내거나 감쇄, 왜곡 현상이 나타나는 경우가 많다. 이러한 현상들은 측정된 뇌파, 뇌자도 정보의 공간분해능을 감소시키는데 뇌파, 뇌자도의 공간적인 분해능을 증진시키기 위해서는 신호원 영상이라는 방법을 통해 머리 외부에서 측정된 전자기 신호를 대뇌 피질 표면으로 매핑시키는 것이 일반적이다(오른쪽 그림 - 신호원 영상의 개념). 신호원 영상은 일반적으로 추정해야 하는 미지수의 개수가 측정 데이터의 개수보다 훨씬 많은 ill-posed한 특성을 가지고 있어서 정확한 해를 구하는 것이 매우 어려우므로 새로운 역문제 해석을 위한 알고리즘 및 새로운 신호원 추정 방식의 개발이 필요하다. 계산신경공학 연구실에서는 보다 정확하고 신뢰도가 높은 기능적 전자기 신호원 영상을 얻기 위한 다양한 기법들에 대한 연구를 수행하고 있다. 특히, 본 연구실에서는 뇌파, 뇌자도의 정문제(forward problem)와 역문제(inverse problem)의 정확도 개선을 위한 다양한 연구들은 수행하고 있으며 아래에 그 결과 중 일부를 제시하였다.


새로운 역문제 알고리즘 개발 사례들

 계산신경공학 연구실에서는 신호원 영상의 역문제 해석 정확도 향상을 위한 다수의 알고리즘들을 개발하였으며 현재에도 새로운 패러다임의 알고리즘 개발을 위해 노력하고 있다. 오른쪽 그림은 본 연구실에서 개발한 역문제 해석 알고리즘들의 사례를 나타내고 있으며 구체적으로는 해부학적인 정보를 도입한 등가 전류 쌍극자 국지화 방법 (Im et al., Phys. Med. Biol., 2005), 피질 패치에 대한 전류 밀도의 적분을 활용하여 정확도를 개선하는 전류원 영상 방법 (Im and He, Int. J. Bioelectrom., 2006), 신호원의 영역을 추정할 수 있는 영역 신호원 도입 (Im et al., IEEE Trans. Magn., 2007), 대표적인 신호원 영상 기법들인 LORETA와 FOCUSS 알고리즘의 결합 알고리즘 제안 (Im et al., IEEE Trans. Magn., 2007) 등이 있다. 다음의 사진은 다양한 역문제 해석 결과의 정확도를 객관적으로 검증하기 위하여 제작한 사람의 두개골 팬텀 모형을 보여주고 있다.

 


새로운 정문제 알고리즘 개발 사례들

 한편, 정문제 해석의 정확도 향상을 위한 다양한 기술들의 개발도 병행하여 연구하고 있다. 특히, 최근에는 3차원 유한요소해석에서의 오차 추정 결과를 바탕으로 적응적 유한요소해석을 수행하는 방법을 최초로 뇌파/뇌자도 정문제 해석에 적용하였으며 (Lee et al., in preparation), 경계요소법을 적용할 경우 모델링의 오차가 해석 정확도에 미치는 영향에 대해서도 고찰하였다 (Kim et al., J. Biomed. Eng. Res., 2009). 다음은 그 결과들의 일부를 보여주고 있다 (왼쪽 - 적응 유한요소해석, 오른쪽 - 모델링 오차의 정확도 영향도 분석)

 


전류원 영상 소프트웨어 개발 - BioEST

 또한, 본 연구실에서는 국내 최초의 뇌 신호원 분석 소프트웨어인 BioEST를 개발하여 현재 상용화 작업이 진행중이며 실제적인 임상 적용을 통하여 신뢰성 및 정확성을 검증하고 세계적인 프로그램인 CURRY 및 BESA 등과 경쟁할 수 있는 소프트웨어로 개발하는 것이 목표로 개발을 진행 중에 있다. 이 소프트웨어의 개발은 계산신경공학 연구실의 director인 임창환 교수가 직접 수행하고 있으며 이 소프트웨어는 기존의 상용 소프트웨어들보다 다양한 신호원 영상 알고리즘들을 보유하고 있으며 빠른 계산 시간과 우수한 정확도, 높은 사용자 친화도를 가지고 있다. 다음은 본 소프트웨어의 대표적인 특장점들을 열거한 것이다: (1) 범용 신호원 영상 소프트웨어로서 임의의 입력 데이터들에 대해서 쉽게 적용이 가능함 (2) 기본적으로 경계요소법을 적용하여 정확도가 우수하며 빠른 행렬 계산 라이브러리를 채용하여 빠른 계산 시간을 보장함 (3) Wiener estimation을 기본으로 채용하고 있으며 FOCUSS 등의 알고리즘들을 사용할 수 있음 (4) 고해상도 MRI 데이터를 이용하여 다양한 후처리를 수행할 수 있음

 


 

VI. Real-time Brain Activation Monitoring & Imaging System

 

실시간 뇌 활동 영상 및 모니터링 시스템 - 실시간으로 3차원 신호원 영상을 보여주는 시스템 개발

 

 

실시간 뇌 활동 영상 기술의 개념

 대뇌 피질의 여러 신호원들로부터 유발되는 전기적 신호는 낮은 도전율을 가지는 두개골 영역을 따라 전파하면서 왜곡되고 상쇄되기 때문에 뇌파 측정 신호 또는 전위 맵에만 의존하여 뇌 내부의 전기적인 활동을 추측하는 전통적인 방법은 잘못된 추정 결과를 낳게 되는 경우가 많다. 따라서 보다 정확하게 뇌 내부의 신호원을 추정하기 위해서는 실제 뇌의 생리-해부학적인 정보를 고려하여 신호원의 위치 및 분포를 추정하는 신경전자기 역문제를 풀어야 한다. 신경전자기 역문제의 초창기 연구에서는 피질 표면에 위치하는 신호원을 유한개의 쌍극자로 모델링하는 등가 전류 쌍극자 (Equivalent Current Dipole: ECD) 국지화 기법을 많이 사용하였으나 최근에는 fMRI나 PET 영상에서와 같이 신호원의 확률적인 분포의 시공간적인 변화 영상을 MRI에서 추출한 3차원 피질 구조 위에 표현하는 시공간 뇌 영상 기법이 많이 연구되고 있다. 즉, 뇌파 또는 뇌자도를 이용한 뇌 내 신호원 추정 문제는 기존의 신호원 국지화 (source localization) 개념에서 신호원 영상 (source imaging) 개념으로 발전하고 있다.

 하지만 특정한 감각, 사고, 인지 활동 등에 의해서 유발되는 realtime_concept.jpg유발전위(evoked potential)는 일반적으로 알파, 베타파 등과 같이 cortical oscillation에 의해서 발생하는 자발전위에 비해서 크기가 매우 미약하여 수십~수백회의 동일한 실험의 반복 후 얻어진 신호들을 평균하는 방법을 사용하였다. 사상관련전위(ERP)라고 불리는 이 신호를 이용하여 특정 감각, 사고 과정과 관련된 뇌 활동의 시공간적인 패턴을 추정하는 이와 같은 연구 방법은 지난 수십 년간 대부분의 뇌파 관련 연구의 기본이 되어 왔으며 fMRI나 PET 등에서 얻을 수 없었던 뇌 활동의 시간적인 패턴, 뇌의 다른 기능 영역들 사이의 연결성 등을 밝히는 데 중요한 역할을 해 왔다. 반면에 특정한 감각, 운동, 사고 등과 별도로 자발적으로 발생하는 뇌의 자발전위는 그 동안 신호의 주파수 분석, 비선형 분석 등을 통한 흥분, 안정 등의 뇌의 감정 상태, 수면 상태, 특정한 질병 등을 모니터링하는 등의 제한된 응용 분야에 주로 적용되어 왔다. 그러나 최근의 연구 결과들로부터 특정 주파수 대역의 리듬 활동이 뇌 내의 정보 처리나 사상 인지 과정과 관련되어 있으며 특정 질병의 상태를 알려주는 지표가 될 수 있음이 밝혀짐에 따라 자발 전위의 신호원을 추정하기 위한 연구들이 주목받기 시작하고 있다.

 하지만 기존의 연구들은 신호를 모두 측정하고 저장한 이후 오프라인 상에서 다양한 전처리 및 후처리 과정 등을 동원하여 자발 전위 신호원을 추정하여 왔다. 계산신경공학 연구실에서는 세계 최초로 자발전위의 신호원 영상을 대뇌 피질 면에서 실시간으로 모니터링할 수 있는 시스템을 개발하였다. 위의 그림은 제안된 실시간 뇌 신호원 모니터링 시스템의 구성도를 나타내고 있다 (Im et al., Physiol. Meas., 2007).

 


실시간 뇌 활동 영상 시스템

 첫 번째 prototype의 test 장면을 담은 anygif 파일을 아래에 링크시켜 놓았다. 왼쪽의 동영상에서는 피험자가 눈을 감았을 때와 눈을 떴을 때의 alpha rhythm (8-13 Hz)의 변화를 cortical level에서 관찰할 수 있는데 피험자의 눈과 변화되는 activation을 살펴보면 눈을 감았을 때 후두엽 부근에서 알파파가 증가하고 눈을 떴을 때 감소함을 분명하게 확인할 수 있다. 오른쪽의 동영상은 역시 개발된 실시간 뇌 신호원 영상 모니터링 시스템을 이용하여 피험자가 오른손, 왼손을 움직였을 때 mu rhythm (8-12 Hz)의 변화를 cortical level에서 관찰한 결과를 보여주고 있다 (Im et al., Physiol. Meas., 2007)

realtime4.jpg              realtime_hand.gif

<First online system의 동작 사례 (그림들을 클릭하면 동영상을 볼 수 있습니다, 로딩 완료후 속도 향상됨)>


실시간 뇌 활동 영상 시스템의 응용 분야 및 응용 사례

 실시간 뇌 신호원 영상을 모니터링할 수 있는 시스템은 다음과 같은 획기적인 응용 분야들을 기대할 수 있다.

(1) 차세대 뇌-기계 인터페이스 시스템 개발: 비침습적인 두피 뇌파 측정을 통한 뇌-기계 인터페이스에서 주로 사용되어 온 방법들은 두피 전위 분포도(scalp potential map)를 기반으로 한 패턴 인식 방법이나 특정 전극들의 데이터를 기반으로 한 분석 방법 등이다. 이와 같은 방법들은 개인마다 다른 해부학적, 생리학적 정보를 고려하지 않았고 뇌 내에서 발생하는 여러 신호원들의 상호 간섭 및 감쇠 현상을 고려할 수 없기 때문에 높은 분해능과 정확한 분석 결과를 얻는 데 한계가 있었다. 가장 이상적인 방법은 비침습적인 측정 결과를 이용하여 뇌 내에 전극이나 칩 등을 수술적으로 부착하는 (따라서 많은 부작용이 생기는) 침습적인 방법들을 대체할 정도의 높은 공간 분해능을 가지는 시공간적인 뇌 활동 영상을 얻는 것이다. 만약 개개인의 생리, 해부학적인 정보를 기반으로 하면서 실시간으로 뇌 신호원 변화를 감지할 수 있는 시스템이 개발된다면 피질 표면의 시간적 기능 영상의 변화를 기반으로 침습적인 방법에 준하는 정도의 높은 분해능을 얻을 수 있는 뇌-기계 인터페이스 시스템을 구현할 수 있다.

(2) 간질, 수면장애 등 각종 뇌 질환의 실시간 진단: 현재까지는 뇌파를 통해 각종 뇌 질환을 진단할 때, 뇌파 신호의 파형에 의존하거나 두피 전위 분포도의 시간적인 변화를 통해 간접적으로 간질 신호원의 위치 및 시간적인 변화를 감시하였다. 만약 실시간 뇌 활동 영상을 뇌파 측정과 동시에 얻을 수 있는 시스템이 구축된다면 이를 이용하여 보다 정확하고 신속한 뇌의 이상 진단이 가능해질 것이다.

(3) 효율적인 뇌 기능 연구: 기존의 오프라인 방식의 신호원 추정 방법은 측정 뇌파 신호의 저장, 해부학적인 영상과의 결합, 신호 처리, 신호원 추정, 추정된 신호원의 시각화 등이 별도의 모듈에서 행해졌을 뿐만 아니라 대부분의 과정이 수작업에 의존하였기 때문에 측정된 신호가 의미 있는 결과인지의 여부를 측정이 끝난 이후에나 판별할 수 있었고 실험 결과가 만족스럽지 못한 경우 다시 실험을 반복하여야 했다. 뇌파 데이터를 수집하는 과정에서도 실시간으로 뇌 활동을 모니터링할 수 있게 되면 현재와 같은 시행착오를 보정하는 작업 역시 측정 과정 중에 수행할 수 있기 때문에 보다 효율적인 뇌 기능 연구가 가능하다.

 대표적인 실제 적용 사례들은 아래와 같다.

(1) BCI에서 운동심상의 효과적인 훈련을 위한 뉴로피드백 시스템 (I. BCI 기술 참조)

논문 Han-Jeong Hwang, Kiwoon Kwon, and Chang-Hwan Im, "Neurofeedback-Based Motor Imagery Training for Brain-Computer Interface (BCI)," J. Neurosci. Methods, vol. 179, no. 1, pp. 150-156, 2009.

(2) 실시간 뇌영상 시스템에 기초한 실시간 기능적 연결성 모니터링 시스템 (IV. 뇌기능 매핑 기술 참조)

논문 Han-Jeong Hwang, Kyung-Hwan Kim, Young-Jin Jung, Do-Won Kim, Yong-Ho Lee, and Chang-Hwan Im, "An EEG-Based Real-time Cortical Functional Connectivity Imaging System," Med. Biol. Eng. Compt., in press, 2011.

 

다음은 실시간 뇌 신호원 모니터링 시스템을 적용한 몇 가지 실험 사례들을 보여주는 동영상 링크들이다.

각 그림들을 클릭하면 동영상을 볼 수 있다.

<동영상 1 - 실시간 SSVEP 모니터링>

realtime1.jpg

(설명) 7 Hz의 시각 자극을 보고 있을 때 7 Hz 성분의 뇌 활동을 대뇌 피질 수준에서 지속적으로 모니터링 함 - 시각 피질 부위가 지속적으로 활성화됨을 확인할 수 있음

 

<동영상 2 - 실시간 beta band activity 모니터링>                      <동영상 3 - 실험 중 뇌 활동 실시간 모니터링>

realtime2.jpg         realtime3.jpg

(왼쪽 동영상 설명) 손가락을 움직일 때, beta band에서의 뇌 활성화 패턴을 실시간으로 모니터링 - 손가락 움직임과 관련된 뇌 영역이 활성화됨을 확인할 수 있음 (ERS, ERD 패턴이 나타남); (오른쪽 동영상 설명) 아동의 운동 기능 회복 훈련 과정 도중 뇌파를 측정하는 과정에서 뇌 활성화 패턴을 실시간으로 모니터링함 (Lee et al., Arch. Phys. Med. Rehab., 2012)

 

E-mail: ich@hanyang.ac.kr, 2011 (c) all rights are reserved

Computational NeuroEngineering Laboratory, Hanyang University