디지스트(DGIST)는 최지웅 전기전자컴퓨터공학과 교수 연구팀이 김한준 국립금오공대 교수, 진경환 고려대 교수, 한국뇌연구원 라종철 박사 연구팀과 협력해 뇌 신호에서 '리듬'과 '배경 신호'를 정밀하게 분리하는 딥러닝 분석 기술 'NONOS'를 개발했다고 밝혔다. 연구팀은 NONOS가 파킨슨병 환자의 뇌 신호 분석을 통해 환자가 어느 발을 내딛을지 예측하는 성능을 높이고, 뇌심부자극술에 따른 베타파의 세기 감소를 감지하는 데 활용될 수 있다고 말했다.
뇌 신호에는 일정한 주기로 반복되는 '리듬(진동 성분)'과 그 아래 깔린 '배경 신호(비진동 성분)'가 섞여 있다. 기존 분석 방법은 리듬과 배경 신호의 빠른 변화를 제대로 구분하지 못하고, 최신 방법은 짧은 순간의 리듬 변화를 놓치기 쉬웠다. 연구팀은 배경 신호가 높은 주파수에서 세기가 기하급수적으로 약해지는 특성을 활용해 NONOS를 개발했다. NONOS는 시간에 따라 기록된 뇌 신호를 입력받아 배경 성분을 추출하고, 이를 제거하면 순수한 리듬 성분만 남게 되어 빠른 변화를 포착할 수 있다.
실제로 연구팀은 NONOS를 파킨슨병 환자의 뇌 신호에 적용한 결과, 환자가 어느 발을 내딛을지 예측하는 성능이 기존 방법보다 향상됐다고 밝혔다. 또한 파킨슨병을 모방한 생쥐 실험에서도 기존 방법으로 확인하기 어려웠던 뇌심부자극술에 따른 베타파의 급격한 세기 감소를 NONOS만 민감하게 잡아냈다.
최지웅 DGIST 교수는 “뇌 신호 속에 섞여 있는 리듬과 배경 신호를 시간 해상도를 잃지 않고 분리할 수 있음을 보여주었다”며, 향후 뇌이식형 기기에서 실시간으로 작동하도록 발전시켜 맞춤형 뇌심부자극 치료의 정확도를 높이는 데 기여할 것이라고 말했다. 김한준 국립금오공대 교수는 NONOS가 다양한 시변신호 분석에 도움이 될 수 있다고 덧붙였다.
이번 연구는 한국연구재단의 STEAM연구사업, 뇌과학선도융합기술개발, 교육부의 글로컬랩 등의 지원을 받아 수행되었으며, 관련 논문은 신경영상 분야 국제학술지 '뉴로이미지(NeuroImage)'에 게재됐다.