한국과학기술원;KOREA ADVANCED INSTITUTE OF SCIENCE AND TECHNOLOGY
发明人:
LEE SANG WAN,이상완,HEO SUYEON,허수연,SHIN JAEHOON,신재훈
申请号：
KR1020180110050
公开号：
KR1020200031265A
申请日:
2018.09.14
申请国别(地区):
KR
年份:
2020
代理人:
摘要：
Provided are a method for early diagnosing depression and an apparatus thereof. According to the present invention, the method for early diagnosing depression comprises the steps of: generating a behavioral indicator for early diagnosing depression by collecting behavioral data while a user is performing a decision-making task based on reinforcement learning； analyzing a task performance strategy through a calculation model by using the behavioral data of a user that is collected while performing the task and generating a model-based indicator for early diagnosing depression； analyzing a brain image acquired while performing the task by using the model-based indicator and generating a brain area information amount indicator for early diagnosing depression； analyzing brain connectivity by using the brain area information amount indicator and generating a brain connectivity indicator for early diagnosing depression； and learning the indicators based on machine learning to generate a predictive model for early diagnosing depression.우울증 조기 진단 방법 및 장치가 제시된다. 본 발명에서 제안하는 우울증 조기 진단 방법은 사용자가 강화학습 기반의 의사결정 과제 수행하는 동안 행동 데이터를 수집하여 우울증 조기 진단을 위한 행동 지표를 생성하는 단계； 상기 과제 수행 동안 수집된 사용자의 행동 데이터를 이용하여 계산 모델을 통해 과제 수행 전략을 분석하고, 우울증 조기 진단을 위한 모델기반 지표를 생성하는 단계； 상기 과제 수행 동안 획득한 뇌 영상을 상기 모델기반 지표를 이용하여 분석하고, 우울증 조기 진단을 위한 뇌영역 정보량 지표를 생성하는 단계； 상기 뇌영역 정보량 지표를 이용하여 뇌 연결성을 분석하고, 우울증 조기 진단을 위한 뇌 연결성 지표를 생성하는 단계； 및 상기 지표들을 기계학습 기반 으로 학습하여, 우울증 조기 진단을 위한 예측 모델을 생성하는 단계를 포함한다.
