뇌심부자극의 딥러닝 기반 아티팩트 제거 기법 개발

Abstract

뇌심부자극 (Deep Brain Stimulation, DBS)은 파킨슨병 치료법 중 하나로, DBS 와 동시에 뇌신호를 기록할 경우 자극 아티팩트로 인해 신호가 오염되어 기록되는 문제가 발생한다. 이에 오염된 신호를 복원하는 과정이 필요하며, 이를 위해 효과적인 자극 아티팩트 제거 (Stimulation Artifact Cancellation, SAC) 기술이 요구된다. 기존의 선형 기반 SAC 기법은 아티팩트가 비사인모양 파형을 갖거나 시간에 따라 달라지는 파형을 가질 경우 아티팩트를 제거하는 데 한계를 가진다. 본 기법에서는 이를 해결하기 위해 입력 신호의 다중 해상도 분석 (Multi-Resolution Analysis, MRA)을 학습 데이터로 사용하는 Convolutional Neural Network (CNN) 구조 기반의 SAC 기법을 제안한다. 제안 기법의 효과를 평가하기 위해 시뮬레이션을 통해 데이터를 생성하였으며, 결과적으로 제안 기법은 시간 및 주파수 영역의 정보를 모두 학습함으로써 자극 아티팩트의 세기가 달라지는 상황에서도 기존 알고리즘 대비 원래의 뇌신호를 거의 손상 없이 복원하는 성능을 나타낸다. 본 제안 기법은 뇌신호를 기록 및 자극하는 각종 뇌-컴퓨터 인터페이스 발전에 기여할 것으로 기대된다.