기술개요
본 발명은 4D fMRI 기반 시계열 뇌영상 데이터를 입력으로 하여, 뇌의 공간 구조와 뇌 영역 간의 동적 시계열 연결성을 추출하고 이를 딥러닝 모델(CNN + RNN)로 학습시켜 자폐증을 조기에 예측·진단하는 기술임
기술 구현 내용
1) 입력 데이터: 4D fMRI (3D+Time) 영상
2) 전처리: fMRI 정규화, 노이즈 제거
3) 공간 구조 모델링: Residual CNN 기반으로 환자마다 다른 공간 구조 추출
4) 시계열 연결성 모델링: Attention-RNN 기반으로 뇌 부위 간 시간적 상관성 파악
5) 예측 성능 분석: 자폐 예측 재현율, 시계열 연결 강도 분석 등
6) 출력 결과: 자폐 가능성 및 해당 연결 특성에 대한 해석 제공
시장성
1) 디지털 심리학 시장
글로벌 디지털 심리학 시장 규모는 2022년 기준 1억 2,000만 달러에서 2032년 16억 2,000만 달러까지 연평균 29.4% 성장할 것으로 전망됨
2) 주요 성장 요인
- 정신질환 조기 진단 수요 증가
- 뇌영상 기반 정밀의료 확대
- AI 기반 의료기기 규제 완화 및 FDA 허가 가속화
- 자폐 스펙트럼 장애(ASD) 인식 확산 및 조기 진단의 중요성 대두
기술의 차별성
1) 기존 기술의 한계
- 단순한 통계적 접근 또는 특정 영역의 정적 연결성 분석만 수행
- fMRI 시계열의 동적 연결 정보 활용이 제한적
- 기존 CNN 기반 구조는 시간 정보 손실 및 기울기 소실 문제
2) 본 발명의 특장점
- 공간+시간 동시 모델링: CNN+Attention-RNN 병렬 구조
- Residual 구조 활용: 깊은 학습 구조에서도 기울기 소실 방지
- STS-시각피질 간 연결 특화: 자폐증과 직접적 연관 있는 뇌부위 집중 분석
- 가중치 기반 선택적 특성 추출로 자폐 관련성 높은 연결성만 강조
3) 차별화 포인트
- 기존 fMRI 분석과 달리 개인별 뇌구조 변이 반영 + 시간동역학 특성 동시 학습
- 의료영상 AI 중에서도 자폐증 조기 진단 특화라는 고도 특수성
- 해석 가능한 AI (Explainable AI) 성격도 갖춤 (어텐션 기반 해석 제공)
