Multimodal measurement of the brain activity has an obvious advantage compared with unimodal measurement. Multimodal analysis has two advantages. First, the more information about brain activity can be achieved. Second, with the combination of the classifier, the effect of artifacts that are reflected in only one modality can be reduced. Therefore, the multimodal measurement turns out to have the improved classification accuracy.
In the first SoC, a multimodal mental management system in the shape of the wearable headband and earplugs is proposed to monitor electroencephalography (EEG), hemoencephalography (HEG) and heart rate variability (HRV) for accurate mental health monitoring. It enables simultaneous transcranial electrical stimulation (tES) together with real-time monitoring. The total weight of the proposed system is less than 200 g. The multi-loop low-noise amplifier (MLLNA) achieves over 130 dB CMRR for EEG sensing and the capacitive correlated-double sampling transimpedance amplifier (CCTIA) has low-noise characteristics for HEG and HRV sensing. Measured three-physiology domains such as neural, vascular and autonomic domain signals are combined with canonical correlation analysis (CCA) and temporal kernel canonical correlation analysis (tkCCA) algorithm to find the neural-vascular-autonomic coupling. It supports highly accurate classification with the 19% maximum improvement with multimodal monitoring. For the multi-channel stimulation functionality, after-effects maximization monitoring and sympathetic nerve disorder monitoring, the stimulator is designed as reconfigurable. The 3.37 × 2.25 $mm^2$ chip has 2-channel EEG sensor front-end, 2-channel NIRS sensor front-end, NIRS current driver to drive dual-wavelength VCSEL and 6-b DAC current source for tES mode. It dissipates 24 mW with 2 mA stimulation current and 5 mA NIRS driver current.
In the second SoC, a multimodal head-patch system measuring both EEG and NIRS on the frontal lobe simultaneously is proposed for accurate anesthesia depth monitoring. With the help of MM-DSL, the LNA shows the state-of-the-art NEF of 3.59 at the 300mV EDO input. Moreover, impedance boosting loop enhances the input impedance up to 1G$omega$. Logarithmic TIA can reject ambient light of 10p-10nA to maximize the dynamic range up to 60dB. According to the comparator-based settling monitor output, NIRS driver duty-cycle can be adjusted from 0.625m-50ms adaptively. Extracted features are processed with deep neural network (DNN) to show the anesthesia depth index. As a result, the compact anesthesia depth monitoring head-patch enables more accurate anesthesia depth monitoring even under special drugs which the BIS cannot detect the anesthesia for safe surgery in operating room. With the proposed system, clinical results for propofol-induced general anesthesia and ketamine-induced general anesthesia are shown, respectively. First, the estimated anesthesia depth values of the proposed system are compared with reference values, in this case BIS output, during the same surgical operation. Proposed depth index trends such as sudden drop after the propofol sedation and steady increase after the reduction of inhalational anesthetic are almost the same as the index of reference. During intubation, which causes intense EMG, and electrocautery step, sudden BIS index rising (10-15) is observed but the proposed system generates stable results. Second, ketamine, which BIS gives false result, is used to test the operation of the proposed system. Its output clearly shows the clinically important transition from the awake to deep state but BIS cannot detect the transition.
These ICs are integrated into compact sensor system. Thanks to multimodal measurement of brain activity, more accurate and compact system can be implemented. The proposed systems are fully implemented and verified by in-vivo experiments.
뇌의 활동을 다중모드로 측정하는 방식은 단일모드 방식에 비해 분명한 이점을 갖는다. 첫째, 더 많은 양의 정보를 획득할 수 있다. 둘 째, 분류기의 도움을 통해 한 쪽 신호에서만 작용하는 노이즈 성분을 줄일 수 있다. 따라서 더 높은 분류 정확도를 획득하기 위해서 다중모드 측정법이 유용하다.
첫 번째 SoC에서는 헤드밴드와 이어플러그 형태의 정신건강 관리 시스템이 소개 되었다. EEG와 HEG, 그리고 HRV를 측정하여 정확한 정신 건강 상태를 알아내고, 이에 따라 전기자극 (tES)를 실시간으로 줄 수 있다. 전체 시스템의 무게는 200g 미만이다. 다중 루프 저잡음 증폭기는 130dB의 CMRR 특성을 보이고 상관 이중 샘플링을 이용한 TIA는 저잡음 특성을 가진다. CCA와 tkCCA 알고리즘을 통해 뉴럴, 혈관, 자율 신경계 도메인의 정보를 결합하여 기존 정확도에 비해 최대 19%높은 정확도를 획득하였다. 다채널 전기 자극을 위하여 재배치 가능한 전기 자극 블록을 설계하였다. 3.37 mm × 2.25 mm 크기의 칩에 2 채널 EEG 센서, 2채널 NIRS 센서, vCSEL driver, 그리고 tES를 위한 6b DAC가 포함되어 있다. 최대 24mW를 소모한다.
두 번째 SoC에서는 EEG와 NIRS를 동시에 측정하는 헤드 패치 시스템에 대한 내용이다. 의료 환경에서, 마취는 환자의 움직임과 고통을 최소화하여 의사로 하여금 수술을 안전하고 정확하게 할 수 있도록 하는 의료 행위이다. 전신마취는 환자의 생명에 직접적인 영향력을 미쳐 마취의 심도를 모니터링 하는 것이 매우 중요하다. 기존의 마취 심도를 모니터링 하는 제품으로 가장 대표적인 것이 환자의 뇌파(EEG)를 활용하는 Bispectral Index (BIS)이다. BIS는 마취 사고의 발생률을 크게 낮췄지만 여전히 극복해야 할 한계점들이 남아있다. 전자기적 잡음에 따른 신호왜곡, 제한적인 약물 반응도, 긴 수술 시간에 따른 전극 건조 등의 문제점을 들 수 있다. 이를 위해 EEG와 NIRS를 활용한 다중모드 헤드 패치 SoC를 소개한다. Mixed-mode DC-servo Loop (MM-DSL)을 사용한 EEG LNA의 경우, 300mV의 Electrode DC-offset의 조건에서 State-of-the-art의 3.59 Noise Efficiency Factor를 가진다. Log Transimpedance amplifier는 NIRS의 큰 입력 범위(60dB)를 수용하며 Ambient Light 성분을 보상해준다. 65nm CMOS 공정에서 제작된 25.2mW의 최대 전력 소모를 가지는 본 SoC는 4mm × 4mm 의 크기를 가진다. 실제 임상 실험 결과, 기존의 전자기적 노이즈 성분을 보상하는 결과를 얻을 수 있었고, BIS로는 모니터링 할 수 없는 Ketamine 약물에 대한 반응성을 확인할 수가 있었다.
