• Proceedings of the KIEE Conference
• /
• 1999.07g
• /
• pp.2846-2848
• /
• 1999

본 논문의 목적은 측정된 뇌자도 신호의 잡음제거 및 분석을 목적으로 하는 뇌자도 신호처리 시스템의 개발이다. 뇌자도 신호의 크기는 매우 작고 외부 노이즈 환경에 민감하게 반응하기 때문에 다양한 신호처리 기법을 이용하여 뇌자도 신호의 신뢰성을 높이는 것이 중요하다. 본 논문에서는 40채널 SQUID 시스템을 이용하여 뇌에서 발생하는 자기 신호를 측정하고, 측정된 데이터에 존재하는 노이즈 성분을 선형필터와SQUID 시스템의 레퍼런스 채널을 이용하여 제거하며, 이를 분석하는 뇌자도 신호처리 시스템을 개발하였다. 실제로 청각자극을 이용하여 뇌자도 신호를 측정, 분석 함으로써 개발된 뇌자도 신호처리 시스템의 신뢰성을 확인하였다. 또한 측정한 뇌자도 신호에서 주파수 대역에 따른 뇌자도 신호의 분포를 Map으로 구성하였으며, dipole source의 위치를 표시하였다.

• Proceedings of the KIEE Conference
• /
• 2000.07d
• /
• pp.3238-3240
• /
• 2000

본 논문의 목적은 음주섭취로 인한 혈중 알코올 농도에 따른 뇌의 활동도변화를 측정, 분석하는데 있다. 1차원 시계열데이터인 EEG신호는 생체 비선형 동역학 시스템으로부터 발생하는 Deterministic Nonlinear Chaos신호로써 무작위적인 신호와는 구분되어질 수 있다. EEG시계열데이터를 위상공간에 적절한 어트랙터로 재구성하여 상관차원 최대발산지수 등의 카오스 지수들을 추출하여보면 EEG시계열데이터가 무작위적인 계에서 발생하는 랜덤한 신호가 아닌 카오스계에서 기인함을 알 수 있고, 인간의 정신상태에 따른 뇌의 활동도를 정성적, 정량적으로 판별해 볼 수 있다. 이러한 카오스 분석방법을 토대로 음주전의 뇌의 활동도와 음주후 혈중알코올 농도에 따른 뇌의 활동도변화를 EEG의 카오스 지수들의 변화를 통해 분석해 보았다.

• Korean Journal of Cognitive Science
• /
• v.21 no.2
• /
• pp.309-338
• /
• 2010

In this paper, we studied the brain-computer interface (BCI). BCIs help severely disabled people to control external devices by analyzing their brain signals evoked from motor imageries. The findings in the field of neurophysiology revealed that the power of $\beta$(14-26 Hz) and $\mu$(8-12 Hz) rhythms decreases or increases in synchrony of the underlying neuronal populations in the sensorymotor cortex when people imagine the movement of their body parts. These are called Event-Related Desynchronization / Synchronization (ERD/ERS), respectively. We implemented a BCI-based mouse interface system which enabled subjects to control a computer mouse cursor into four different directions (e.g., up, down, left, and right) by analyzing brain signal patterns online. Tongue, foot, left-hand, and right-hand motor imageries were utilized to stimulate a human brain. We used a non-invasive EEG which records brain's spontaneous electrical activity over a short period of time by placing electrodes on the scalp. Because of the nature of the EEG signals, i.e., low amplitude and vulnerability to artifacts and noise, it is hard to analyze and classify brain signals measured by EEG directly. In order to overcome these obstacles, we applied statistical machine-learning techniques. We could achieve high performance in the classification of four motor imageries by employing Common Spatial Pattern (CSP) and Linear Discriminant Analysis (LDA) which transformed input EEG signals into a new coordinate system making the variances among different motor imagery signals maximized for easy classification. From the inspection of the topographies of the results, we could also confirm ERD/ERS appeared at different brain areas for different motor imageries showing the correspondence with the anatomical and neurophysiological knowledge.

• Proceedings of the Korea Society of Information Technology Applications Conference
• /
• 2002.11a
• /
• pp.461-467
• /
• 2002

Signals reduced from the brain had been considered as a noise that is caused by the stochastic process until 1980. The recent non-linear dynamic theory researches, however, reported that these signals are meaningful and deterministic chaos signals in which they show how the brain deals with various information Since this report, a wide range of researches has been carried out and still in progress. Thus, by using the correlational dimension, one of the non-linear analytical methods, the characteristics of the brain signals can be analyzed. In this thesis, the scent of lavender, which stimulates the olfactory sense, is introduced to measure EEG with the International 10-20 electrode system on 16 channels, and to analyze the interrelationship between the original signals before the stimulation and the changed signals after the stimulation. Finally, the effect of the scent stimulation to the brain is analyzed. The purpose of this thesis is to apply these analyzed results to the computerized mapping of the brain signals and possible ways of specifying the source of the brain signals through various medical applications.

• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 2002.11a
• /
• pp.461-467
• /
• 2002

Signals produced from the brain had been considered as a noise that is caused by the stochastic process until 1980. The recent non-linear dynamic theory researches, however, reported that these signals are meaningful and deterministic chaos signals in which they show how the brain deals with various information Since this report a wide range of researches has been carried out and still in progress. Thus, by using the correlational dimension, one of the non-linear analytical methods, the characteristics of the brain signals can be analyzed. In this thesis, the scent of lavender, which stimulates the olfactory sense, is introduced to measure EEG with the International 10-20 electrode system on 16 channels, and to analyze the interrelationship between the original signals before the stimulation and the changed signals after the stimulation. Finally, the effect of the scent stimulation to the brain is analyzed. The purpose of this thesis is to apply these analyzed results to the computerized mapping of the brain signals and possible ways of specifying the source of the brain signals through various medical applications.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2001.05a
• /
• pp.179-182
• /
• 2001

인체 활동에 따라 우리 몸에는 다양한 전기적 생체신호가 발생하며 특히 뇌의 활동에 따라 발생되는 뇌파(EEG)는 비침습적 방법으로 측정될 수 있는 장점 때문에 뇌기능 연구 및 임상 등에서 널리 사용되어지고 있다. 또한 임상에서는 주로 뇌 신경계 질환환자의 병인 규명 및 기전 연구를 위하여 뇌파가 사용되어지고 있다. 최근에는 컴퓨터 발달에 따라 카오스, 비선형 이론 등의 다양한 방법으로 복잡한 시계열 신호인 뇌파를 분석하는 기법들이 개발되어 뇌파의 특징점을 찾아 임상에 활용하거나 뇌기능 연구에 적용하려는 연구가 진행되고 있다. 본 논문에서는 잡화(artifact)가 섞여 있는 뇌파신호 및 artifact가 제거된 다음 재구성된 뇌파신호(reconstructed EEG signal), 그리고 독립성분으로 분리된 각각의 신호에 대하여 특징점을 찾기 위하여 비선형 및 선형 분석을 실시하여 유의한 차이점을 밝혔다.

• Communications of the Korean Institute of Information Scientists and Engineers
• /
• v.22 no.2
• /
• pp.45-51
• /
• 2004

인간과 컴퓨터의 연결에 인간의 두뇌에서 발생하는 신호를 계측하여 원하는 목적에 이용하는 brain computer interface(BCI)에 관한 연구가 최근에 활발히 이루어지고 있다[1]. BCI는 뇌에서 발생하는 뇌파 신호의 해석 및 분석을 통하여 뇌와 컴퓨터 간에 통신 채널을 형성함으로써 사람이 입, 눈, 손 등의 근육 움직임을 통하지 않고 상호간에 정보를 전달할 수 있도록 하는 인터페이스 방법이다.

• The Korean Journal of Applied Statistics
• /
• v.35 no.1
• /
• pp.161-175
• /
• 2022

Oscillatory magnetic fields produced in the brain due to neuronal activity can be measured by the sensor. Magnetoencephalography (MEG) is a non-invasive technique to record such neuronal activity due to excellent temporal and fair amount of spatial resolution, which gives information about the brain's functional activity. Potential utilization of high spatial resolution in MEG is likely to provide information related to in-depth brain functioning and underlying factors responsible for changes in neuronal waves in some diseases under resting state or task state. This review is a comprehensive report to introduce statistical models from MEG data including graphical network modelling. It is also meaningful to note that statisticians should play an important role in the brain science field.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.19 no.1
• /
• pp.137-142
• /
• 2024

Recently, deep learning technology has become those methods as de facto standards in the area of medical data representation. But, deep learning inherently requires a large amount of training data, which poses a challenge for its direct application in the medical field where acquiring large-scale data is not straightforward. Additionally, brain signal modalities also suffer from these problems owing to the high variability. Research has focused on designing deep neural network structures capable of effectively extracting spectro-spatio-temporal characteristics of brain signals, or employing self-supervised learning methods to pre-learn the neurophysiological features of brain signals. This paper analyzes methodologies used to handle small-scale data in emerging fields such as brain-computer interfaces and brain signal-based state prediction, presenting future directions for these technologies. At first, this paper examines deep neural network structures for representing brain signals, then analyzes self-supervised learning methodologies aimed at efficiently learning the characteristics of brain signals. Finally, the paper discusses key insights and future directions for deep learning-based brain signal analysis.

• Proceedings of the KIEE Conference
• /
• 2007.07a
• /
• pp.1912-1913
• /
• 2007

뇌 기계 인터페이스는 뇌에 직접 연결을 시도하는 인터페이스로서 인간의 의지 또는 생각을 컴퓨터가 인식할 수 있는 디지털 신호로 바꾸는 새로운 휴먼 컴퓨터 인터페이스 중 하나이다. 뇌신경의 신호 전달 과정이 전기적, 화학적 특성을 지닌다는 사실에 착안하여 뇌의 활동을 측정하는 많은 기술들이 개발되어 왔다. PET, fMRI, MEG, EEG 등을 포괄하는 brain functional imaging 기술 중 뇌 기계 인터페이스에서 가장 주목하고 있는 것이 바로 EEG 이다. 본 연구에서는 뇌기계 인터페이스 시스템 개발에 필요한 무선 EEG 측정 장치를 설계하고, 무선 EEG 측정 장치와 컴퓨터간에 데이터 전송과 EEG 신호를 FFT 분석 하였다.