It has been known that near-infrared spectroscopy (NIRS) technology is not suitable for extracting brain layer information due to scattering nature of the photons. This fact prevents the application of the NIRS devices to the accurate diagnosis of brain diseases. This study proposes a brain layer analyzer that extracts the information of brain layer selectively by using AI-assisted NIRS technology. The proposed system collects high density reflectance of NIR lights and incorporates a neural network for the interpretation. Simulation results show that the proposed system demonstrates higher correlation ($R^2$=0.913) with the actual cortex oxygenation as compared to a conventional NIRS method ($R^2$ = 0.469). In addition, biomimetic phantom experiment demonstrates that the proposed system accurately measures the oxygenation of brain layer ($R^2$=0.986) irrespective of anatomical variations unlike conventional NIRS devices $R^2$=0.823). In the prospective observational study, the proposed system demonstrated the classification accuracy of 0.943 AUC between the healthy subject and the stroke patients.
근적외선 분광기법(NIRS)는 빛의 산란 기작 한계로 인해 뇌 피질의 정보만을 선택적으로 추출하는데 한계가 있다고 알려져있다. 이 사실은 기존 근적외선 분광 장비들이 정량적인 뇌의 정보를 모니터하기 어렵게 만들었다. 이로 인해 근적외선 분광장비들은 의료 진단장비로 사용되기 어려웠다. 본 연구는 근적외선 분광기법과 인공신경망을 결합하여 뇌 피질 layer의 정보만을 선택적으로 추출하는 시스템을 제안한다. 기제안 시스템은 고밀도 근적외선 시스템과 사람의 광성질 및 구조 정보를 학습한 인공신경망을 사용했다. simulation 평가 상에서 기존 NIRS 기술은 실제 뇌피질의 산소포화도와 약한 상관을 보인 것에 비해($R^2$=0.469), 본 시스템은 강한 상관을 보였다($R^2$=0.913). 또한 사람의 머리구조를 모방한 다중 구조 팬텀실험에서, 본 시스템은 머리구조, Cerebrospinal fluid층의 두께, cerebral blood volume의 변화에 관계없이 뇌 피질의 산소포화도를 측정해냈다($R^2$=0.986). 반면 기존 상용 NIRS 장비는 위의 변인에 큰 영향을 받았다($R^2$=0.823). 사람을 대상으로한 임상 실험에서, 기 제안 시스템은 정상군과 산소포화도가 떨어진 허혈성 뇌졸중 환자군을 0.943 AUC의 정확도로 분리해냈다.
