초록
뇌전도는 뇌 활동 시 발생하는 뇌 세포 간 상호작용으로 생성된 전기적 활동이며, 손동작 시 뇌 활동으로 인해 뇌전도가 발생한다. 본 연구에서는 16채널 뇌전도 측정 장비를 이용하여 손동작 전과 좌 혹은 우 손동작 시 발생되는 뇌전도를 측정하였으며, 측정된 데이터는 지도 학습 모델인 서포트 벡터 머신으로 분류하며, 서포트 벡터 머신의 학습 시간을 단축 위해 동작관련 정보 손실을 최소화하고, 뇌전도 정보를 축약할 수 있는 필터링을 통한 특징 추출과 벡터 차원 축소 기법을 제안한다. 분류 결과, 전두엽 부위의 전극에서 손동작 전 상태-손동작사이에서 평균 72.7 %의 정확도로 분류되었다.
An electroencephalogram (EEG) evaluates the electrical activity generated by brain cell interactions that occur during brain activity, and an EEG can evaluate the brain activity caused by hand movement. In this study, a 16-channel EEG was used to measure the EEG generated before and after hand movement. The measured data can be classified as a supervised learning model, a support vector machine (SVM). To shorten the learning time of the SVM, a feature extraction and vector dimension reduction by filtering is proposed that minimizes motion-related information loss and compresses EEG information. The classification results showed an average of 72.7% accuracy between the sitting position and the hand movement at the electrodes of the frontal lobe.
