본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색

결과 내 검색

동의어 포함

고급검색

인명/단체명

저자정보 상세정보
인명/단체명을 입력하세요.

키워드

  • 대표어

  • 외국어

-

목차보기

Title Page

Abstract

초록

Contents

1. Introduction 12

2. Material and Methods 16

2.1. Subjects and Clinical Procedures 16

2.2. Experimental Design and Protocols 17

2.3. Data Acquisition 18

2.4. Data Analysis 21

2.4.1. Spectral Analysis 22

2.4.2. Functional Connectivity Analysis 23

2.5. A Deep Neural Network for EEG Classification and Explanation 24

2.5.1. DNN Architecture 24

2.5.2. LRP Architecture 25

3. Results 26

3.1. Spatio-temporal EEG Dynamics 26

3.2. Functional Connectivity by EEG 34

3.3. Spatio-temporal fNIRS Dynamics 36

3.4. DNN-based Classification and Its Explanation using LRP 39

4. Concluding Discussion 43

4.1. Neural Correlates of EEG and fNIRS during (Un)consciousness 43

4.2. Comparisons of EEG with and without Surgical Stimulation 48

References 49

List of Tables

Table 1: Statistical comparison of frequency-wise event-related spectral changes... 28

Table 2: Classification results for each fold under MDZ-induced sedation. For... 40

Table 3: Classification results for each fold under PPF-induced sedation. For... 40

List of Figures

Figure 1: Experimental designs. 19

Figure 2: The selected EEG-fNIRS channel locations of the International... 20

Figure 3: Overview of DNN based approach 24

Figure 4: (Caption next page.) 27

Figure 4: (Previous page.) Dynamics of baseline-normalized time-series... 28

Figure 5: Dynamics of baseline-normalized time-series event-related spectral per-... 29

Figure 6: Time-series event-related spectral perturbation (ERSP) dy-... 30

Figure 7: Spatial distribution of the event-related spectral perturbation... 32

Figure 8: Individual spatial distribution of the event-related spectral perturbations... 33

Figure 9: Differences between conscious and unconscious sedation in the... 35

Figure 10: Statistical comparison of effect-site concentrations (CEs) in the brain... 35

Figure 11: Grand-averaged time-courses of reaction curves for auditory... 37

Figure 12: Subject-wise time-courses of phase differences in the time domain with... 38

Figure 13: Time course oxygenated (HbO) and deoxygenated (HbR)... 39

Figure 14: LRP relevance maps between conscious and unconscious sedation in... 41

Figure 15: Result of LRP relevance maps for each subject of each class based on... 42

초록보기

 뇌-컴퓨터 인터페이스는 최근 엄청난 성장을 보인 분야 중 하나이다. 비록 뇌-컴퓨터 인터페이스 연구가 의사소통의 복원에 주로 초점이 맞춰져 있지만, 전신 마취 또는 진정 상태에서 환자의 의식 정도를 모니터링하기 위한 기술로도 사용될 이 있다. 의식하 진정을 유지한 채 시술 또는 수술이 진행되는 동안 환자의 안전을 유지하기 위하여 반드시 의식 수준을 모니터링 해야한다. 하지만 현재까지도 1) 투여되는 진정제의 종류, 2) 시술 자극의 동반 여부에 따른 의식의 신경생리학적 연구 지식이 매우 부족하다. 뿐만 아니라, 의식과 무의식을 확실히 구분지을 수 있는 그리고 결과를 바탕으로 신경생리학적 현상에 대한 통찰력을 제공할 수 있는 연구가 부족하다.

본 논문에서는 진정제(미다졸람, 프로포폴) 투여하여 통증 자가 조절법 기반 의식하 진정 시술 중 뇌전도 및 기능 적외선 분광기를 측정했을 때, 시간-공간 뇌 활성화 정도에 따라 의식의 전환시점에서 의식 vs. 무의식을 구분짓는 임계점이 존재함을 보여주며, 시술 자극 동반 여부에 따라 환자의 의식 소실 및 회복 시점에 효과 지역 집중 농도의 차이가 유의미함을 보여준다. 뿐만 아니랴, 깊은 신경망이 의식 수준을 분류하는 강력한 비선형 알고리즘이며 계층적 연관성 전파 해석법이 신경 과학 응용분야에서 깊은 신경망을 해석하는데 도움을 줄 수 있는 기술 중 하나임을 보여준다.

실험 결과는 본 연구에서 발견한 새로운 신경생리학적 특징이 진정하 환자의 뇌 활성화 정도를 모니터링 하는데에 사용될 수 있으며, 이를 바탕으로 계층적 연관성 전파 해석법을 결합한 깊은 신경망의 활용이 의식과 무의식 상태를 유의미하게 분류할 수 있을 뿐만 아니라 이를 설명할 수 있음을 보여주었다.

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차

권호

기사명 원문보기 기사목차
닫기