초록
본 논문은 유발전위(evoked potential) 뇌파인 P300에 기반한 뇌-기계 인터페이스의 실시간 구현을 위한 효율적인 알고리즘을 제안한다. P300 뇌파는 외부 시각 자극이 인간의 의지와 일치할 경우, 100-300ms 부근에서 negative pick를 갖는 특성이 있다. 이러한 특성에 기초하여 P300 뇌파의 포텐셜(potential) 감소를 감지하여 인간의 의도를 역으로 추론할 수 있으며, 이를 뇌-기계 인터페이스에 활용할 수 있다. 연구에서 P300 뇌파는 인간의 두개골 외부에 부착된 전극을 통해 얻어졌으며, 시각적 자극으로는 2차원 알파벳 신호를 사용하였다. P300 뇌파의 포텐셜 감소 검출을 위하여 뇌파 포텐셜을 자극과 연계하여 확률적으로 모델링하였다. 확률적 모델은 피실험자가 의도하는 신호의 모델(target model)과 의도하지 않는 신호의 모델(non-target model)로 구성된다. 이러한 확률적 모델에 기반하여 피실험자의 의도를 추론하기 위해서 최우추정법(maximum likelihood estimation)을 사용하였다. 실험에는 신체 건강한 성인 남자 3명이 참가하였으며, 'A'와 'E' 실험에 대한 피실험자 k의 평균 성공률은 98%, 피실험자 j의 평균 성공률 90%, 그리고 피실험자 h의 성공률은 79.8%였다.
In this paper, we propose a computationally efficient method detecting the P300 wave for brain-machine interface. Electrophysiological researches have shown that the P300 wave's potential is decreased when human intention matches visual stimulation. Motivated by this fact, we can infer human intention for brain-machine interface by detecting the P300 wave's potential decrease. The P300 wave is recorded from EEG(electroencephalogram) electrodes attached on human brain skull after giving alphabetical stimulation. To detect the potential decrease in P300, firstly we statistically model the P300 wave's negative potential. Then we infer human intention based on maximum likelihood estimation. The proposed method was evaluated on the data recorded from three healthy human subjects. The method achieved an averaging accuracy of 98% from subject k, 90% from subject j and 79.8% from subject h.
